Deep dive

2024年 7月 29日
利用 NVIDIA Omniverse 新開發者工具將生成式 AI 整合到 OpenUSD 工作流程
在 SIGGRAPH 2024 大會上,NVIDIA 宣布推出基于 NVIDIA Omniverse 的新型生成式 AI 和基于…
2 MIN READ

2024年 7月 29日
利用 NVIDIA Isaac 實驗室加速機器人模擬學習
機器人需要具備適應能力,能夠隨時學習新技能并適應周圍環境。然而,傳統訓練方法可能會限制機器人在新情況下應用所學技能的能力,
2 MIN READ

2024年 7月 29日
使用 NVIDIA NIM 和 NVIDIA VIA 微服務構建 VLM 驅動的視覺 AI 代理
傳統的視頻分析應用程序及其開發工作流通常基于固定功能且受限的模型構建,這些模型旨在僅檢測和識別一組選定的預定義對象。 借助生成式 AI、
3 MIN READ

2024年 7月 24日
借助最新 NVIDIA Merlin TensorFlow 插件實現大規模 Embedding 擴展
通過封裝 NVIDIA Merlin HugeCTR,Sparse Operation Kit(以下簡稱 SOK)使得…
4 MIN READ

2024年 7月 23日
利用 Llama 3.1 405B 生成合成數據
合成數據并不是創建新信息,而是將現有信息轉換為不同的變體。十多年來,合成數據一直用于全面提高模型準確性,無論是轉換圖像以改進對象檢測模型、
3 MIN READ

2024年 7月 17日
為邊緣開發生成式 AI 驅動的視覺 AI 代理
AI 技術領域的一項令人興奮的突破是視覺語言模型(VLM),它為視頻分析提供了一種更動態、更靈活的方法。
3 MIN READ

2024年 7月 16日
利用 NVIDIA NIM 和 cuOpt 構建供應鏈優化 AI 智能體
企業在供應鏈決策中面臨著兩大挑戰:最大限度地提高利潤和快速適應動態變化。為了實現優化的供應鏈運營,企業需要依賴高級分析和實時數據處理,
2 MIN READ

2024年 7月 15日
借助 Geneformer AI 模型,有限數據也能解鎖基因網絡
Geneformer 是最近推出的 和功能強大的 AI 模型,可以通過從大量單細胞轉錄組數據中進行遷移學習來學習基因網絡動力學和相互作用。
2 MIN READ

2024年 7月 12日
利用新的 NVIDIA Megatron-Core 功能高效訓練生成式 AI 模型
NVIDIA Megatron-LM 于 2019 年首次推出,在 AI 社區引發了一波創新浪潮,
3 MIN READ

2024年 7月 11日
跨多種幾何形狀訓練機器人裝配技能從模擬到現實遷移
家庭和工業環境中的大多數物體都由多個必須組裝的部件組成。雖然人類工人通常會進行裝配,但在某些行業(如汽車行業)中,機器人裝配非常普遍。
3 MIN READ

2024年 7月 11日
使用 Canaries 防止 AI 模型文件未經授權訪問
隨著 AI 模型在功能和創建成本方面的增長,它們保存了更多敏感或專有數據,保護靜態數據變得越來越重要。為此,組織正在設計策略和工具,
2 MIN READ

2024年 7月 10日
了解 Stable Diffusion 模型:面向 AEC 專業人員的基本指南
生成式 AI、算法處理各種類型的輸入—例如文本、圖像、音頻、視頻和代碼—并生成新內容的能力正在以前所未有的速度發展。
2 MIN READ

2024年 7月 3日
借助 NVDashboard v0.10 實現近乎實時的使用情況統計,從而充分釋放 GPU 性能
在 NVIDIA GTC 2024 上,RAPIDS 團隊展示了 NVDashboard v0.10 的新功能,
2 MIN READ

2024年 7月 3日
NVIDIA Holoscan 和 RTI Connext 共同推動 AI 醫療設備的發展前景
各行各業對實時見解和自主決策的需求與日俱增,醫療健康和醫療設備也不例外。依靠實時邊緣 AI,新一代醫療健康有望提供更精確的治療、
2 MIN READ

2024年 6月 28日
推出高性能微調解決方案 DoRA,LoRA 的替代選擇
全微調(FT)通常用于針對特定的下游任務定制通用預訓練模型。為了降低訓練成本,我們引入了參數高效微調(PEFT)方法,
3 MIN READ

2024年 6月 24日
NVIDIA Metropolis Microservices 和 NVIDIA Isaac Sim 的實時視覺 AI 從數字孿生到云原生部署
隨著視覺人工智能復雜性的增加,精簡的部署解決方案對優化空間和流程至關重要。NVIDIA 通過 NVIDIA Metropolis AI…
3 MIN READ