AI加速：使用TorchAcc实现Swin Transformer模型分布式训练加速
阿里云PAI为您提供了部分典型场景下的示例模型，便于您便捷地接入TorchAcc进行训练加速。本文为您介绍如何在Swin Transformer分布式训练中接入TorchAcc并实现训练加速。
【计算机视觉】最新综述：南洋理工和上海AI Lab提出基于Transformer的视觉分割综述
一、导读 SAM （Segment Anything ）作为一个视觉的分割基础模型，在短短的3个月时间吸引了很多研究者的关注和跟进。如果你想系统地了解SAM背后的技术，并跟上内卷的步伐，并能做出属于自己的SAM模型，那么接下这篇Transformer-Based的Segmentation Survey是不容错过！ 近期，南洋理工大学和上海人工智能实验室几位研究人员写了一篇关于Transfor...
NTU、上海AI Lab整理300+论文：基于Transformer的视觉分割最新综述出炉
SAM （Segment Anything ）作为一个视觉的分割基础模型，在短短的 3 个月时间吸引了很多研究者的关注和跟进。如果你想系统地了解 SAM 背后的技术，并跟上内卷的步伐，并能做出属于自己的 SAM 模型，那么接下这篇 Transformer-Based 的 Segmentation Survey 是不容错过！近期，南洋理工大学和上海人工智能实验室几位研究人员写了一篇关于 Trans....
Transformer六周年：当年连NeurIPS Oral都没拿到，8位作者已创办数家AI独角兽
有的人加入 OpenAI，有的人成立创业公司，也有的坚守谷歌 AI。当年正是他们共同开启了今天的 AI 大发展时代。从 ChatGPT 到 AI 画图技术，人工智能领域最近的这波突破或许都要感谢一下 Transformer。今天是著名的 transformer 论文提交六周年的日子。论文链接：https://arxiv.org/abs/1706.03762六年前，一篇名字有点浮夸的论文被上传到了....
首个完全量化Vision Transformer的方法FQ-ViT | AI大模型落地加速还会远吗？（二）
3.3、用于Softmax量化的Log Int Softmax多头自注意力（MSA）是基于Transformer的架构中最重要的组件之一，但由于Token数量的二次复杂性，即图像分辨率除以Patch size，它被认为是资源最密集的组件。随着模型性能被证明受益于更高的分辨率和更小的Patch size，当分辨率增加和Patch size减小时，注意力图的存储和计算成为瓶颈，直接影响推理的吞吐量和....
首个完全量化Vision Transformer的方法FQ-ViT | AI大模型落地加速还会远吗？（一）
模型量化显著降低了模型推理的复杂性，并已被广泛用于现实应用的部署。然而，大多数现有的量化方法主要是在卷积神经网络（CNNs）上开发的，当应用于全量化的Vision Transformer时，会出现严重的退化。在这项工作中证明了这些困难中的许多是由于LayerNorm输入中的严重通道间变化而出现的，并且提出了Power-of-Two Factor（PTF），这是一种减少全量化Vision Tran....
为内存塞不下Transformer犯愁？OpenAI应用AI研究负责人写了份指南（3）
为了更好地处理长序列数据，Scaling Transformer 进一步配备了来自 Reformer 的 LSH（局部敏感哈希）注意力和 FFN 块循环，从而产生了 Terraformer 模型。混合专家系统 MoE专家混合系统 (MoE) 模型是一种专家网络的集合，每个样本仅激活网络的一个子集来获得预测结果。这个想法起源于上世纪九十年代并且与集成方法密切相关。有关如何将 MoE 模块合并到 T....
为内存塞不下Transformer犯愁？OpenAI应用AI研究负责人写了份指南（2）
为了推动 N:M 结构稀疏化，需要将一个矩阵的列拆分为 M 列的多个 slide（也称为 stripe），这样可以很容易地观察到每个 stripe 中的列顺序和 stripe 的顺序对 N:M 稀疏化产生的限制。Pool 和 Yu 提出了一种迭代式的贪心算法来寻找最优排列，使 N:M 稀疏化的权重幅度最大化。所有通道对都被推测性地交换，并且只采用幅度增加最大的交换，然后生成新的排列并结束单次迭代....
为内存塞不下Transformer犯愁？OpenAI应用AI研究负责人写了份指南（1）
本文是一篇综述性的博客，探讨总结当下常用的大型 transformer 效率优化方案。大型 Transformer 模型如今已经成为主流，为各种任务创造了 SOTA 结果。诚然这些模型很强大，但训练和使用起来代价非常昂贵。在时间和内存方面存在有极高的推理成本。概括来说，使用大型 Transformer 模型进行推理的难点，除了模型的规模不断扩大外，还有两个不可忽略的地方：内存消耗大：推理时，需要....
7 Papers & Radios | 谷歌开源机器人领域transformer；DeepMind推出剧本写作AI
本周主要论文包括谷歌机器人团队提出的多任务模型——Robotics Transformer 1 (RT-1)，以及 DeepMind 用一句话生成一个剧本的写作型 AI。目录：RT-1: Robotics Transformer for Real-World Control at ScaleAbstract Visual Reasoning with Tangram ShapesRe^3 : G....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
产品推荐
阿里云机器学习平台PAI
阿里云机器学习PAI（Platform of Artificial Intelligence）面向企业及开发者，提供轻量化、高性价比的云原生机器学习平台，涵盖PAI-iTAG智能标注平台、PAI-Designer（原Studio）可视化建模平台、PAI-DSW云原生交互式建模平台、PAI-DLC云原生AI基础平台、PAI-EAS云原生弹性推理服务平台，支持千亿特征、万亿样本规模加速训练，百余落地场景，全面提升工程效率。
+关注