Mitesh Patel – NVIDIA 技術博客

借助超參數優化實現堆疊泛化：使用 NVIDIA cuML 在15分鐘內最大化準確性

Thu, 01 May 2025 07:09:25 +0000

堆疊泛化是機器學習 (ML) 工程師廣泛使用的技術，通過組合多個模型來提高整體預測性能。另一方面，超參數優化 (HPO) 涉及系統搜索最佳超參數集，以更大限度地提高給定 ML 算法的性能。同時使用堆棧和 HPO 時，一個常見的挑戰是巨大的計算需求。這些方法通常需要訓練多個模型，并針對每個模型迭代大量超參數組合。這可能會很快變得耗費大量資源和時間，尤其是對于大型數據集而言。在本文中，我們將演示如何簡化此工作流，該工作流將堆棧泛化與 HPO 相結合。我們將展示如何使用 cuML 庫的 GPU 加速計算在短短 15 分鐘內執行此工作流。得益于 cuML 與 scikit-learn 的零代碼更改集成，您可以使用現有的 ML 工作流進行 GPU 加速 (無需修改代碼) ，并實現相同的模型準確性。與基于 CPU 的執行 (通常一次只運行一個試驗) 不同，

Source

]]>

生成式 AI 智能體開發者競賽：入門技巧

Wed, 29 May 2024 06:34:26 +0000

參加我們將于 6 月 17 日結束的比賽，使用前沿技術展示您的創新成果：由生成式 AI 驅動的應用程序，該應用程序使用 NVIDIA 和 LangChain 技術。為了讓您開始，我們將探索一些用于激發您的創意之旅的應用程序，同時分享提示和最佳實踐，幫助您在開發過程中取得成功。生成式 AI 智能體有許多不同的實際應用。在之前的比賽中開發的智能體或 Copilot 應用會根據應用的隱私、安全和計算要求使用大型語言模型 (LLM) 或小型語言模型 (SLM)。這些示例包括：開發者可以在游戲、醫療健康、媒體和娛樂等領域創建用于內容生成的應用。其他選項包括總結、在醫療健康領域，客服人員可以通過分析患者癥狀、病史和臨床數據來幫助診斷疾病，例如問答環節。其中許多想法都適用于您的數據和您想要解決的問題 – 無論是使用客服改善每周的雜貨店購物，

Source

]]>

借助由 NVIDIA RTX GPU 優化的 Firebase Genkit 強效助力生成式 AI 開發

Mon, 20 May 2024 05:03:14 +0000

在 Google I/O 2024 大會上，Google 宣布了 Firebase Genkit，這是一個新的開源框架，旨在供開發者使用諸如 Google Gemini 和 Google Gemma 等技術。借助 Firebase Genkit，您可以構建集成智能代理、自動化客戶支持、使用語義搜索的應用，并將非結構化數據轉換為見解。此外，Genkit 還包含開發者 UI，使您能夠在本地開發者環境中對 AI 功能進行原型設計、開發和測試。 Google 與 NVIDIA 合作，共同優化 Google Gemma 模型的推理性能。此外，NVIDIA RTX 專業 GPU 和NVIDIA GeForce RTX GPU 也可以提高推理性能，從而提高開發者的工作效率，使您的解決方案更加流暢。借助 Firebase Genkit，您可以通過在 NVIDIA GPU 上本地運行…

Source

]]>

基于 NVIDIA Jetson 的機器人在 DARPA 地下競賽中脫穎而出

Thu, 27 Jan 2022 05:32:00 +0000

進行高精度的實時推理是一項具有挑戰性的任務，尤其是在能見度較低的環境中。借助 NVIDIA Jetson 嵌入式平臺，最近結束的國防高級研究計劃局（ DARPA ）地下挑戰賽（ SubT ）團隊能夠以高精度和高吞吐量檢測感興趣的物體。在這篇文章中，我們將介紹在系統競賽的最后一站中團隊所面臨的結果、系統和挑戰。 SubT 挑戰賽是由 DARPA 組織和協調的國際機器人競賽。該競賽鼓勵研究人員為機器人開發新的方法來繪制、導航和搜索環境，這些環境會帶來各種挑戰，例如能見度低、存在危險、地圖未知或通信基礎設施差。 2019 冠狀病毒疾病包括三個初步的電路事件：隧道電路、城市電路和洞穴電路（由于 COVID-19 大流行而取消），以及最終的綜合挑戰課程。每個賽道和決賽都在不同的環境和不同的地形中舉行。據活動組織者介紹，比賽在 3 個不同的階段舉行， 2021 九月在 KY .

Source

]]>