logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

NVIDIA DLSS 3 详解

DLSS 3 是 AI 驱动图形的革命性突破,可大幅提升性能,同时保持出色的图像质量和响应能力。在 DLSS 超分辨率的基础上,DLSS 3 添加了光学多帧生成以生成全新的帧,并集成了 NVIDIA Reflex 低延迟技术以实现最佳响应。DLSS 3 由新的第四代张量核心和 NVIDIA Ada Lovelace 架构的光流加速器提供支持,该架构为 GeForce RTX 40 系列显卡提供支持

文章图片
#计算机视觉#GPU
NVIDIA Isaac Sim 让开源机器人更容易

使用 BenchBot 和 NVIDIA Isaac Sim 让机器人更容易从事机器人技术工作充满了令人兴奋和有趣的问题,但也因传感器校准、构建变换树、管理分布式系统和调试脆弱系统中的奇怪故障等问题而浪费了几天的时间。我们在 QUT 机器人中心 (QCR) 构建了 BenchBot 平台,使机器人专家能够将时间集中在研究机器人技术中令人兴奋和有趣的问题上。我们最近还升级到了新的 NVIDIA Om

文章图片
#计算机视觉#python#自动驾驶 +2
(含代码)利用TensorRT的8位PTQ将Stable Diffusion速度提高 2 倍

在生成式人工智能时代,拥有优先考虑易用性的推理解决方案至关重要。借助 NVIDIA TensorRT,您可以通过其专有的 8 位量化技术无缝实现高达 2 倍的推理速度加速,同时确保图像质量不受影响,从而实现卓越的用户体验。TensorRT 对平衡速度和质量的承诺凸显了其作为加速 AI 应用程序的领先选择的地位,使您能够轻松交付尖端解决方案。

文章图片
#人工智能#GPU#AI
智能语音识别ASR工具Riva简介

一:前言本手册主要以NVIDIA Riva官方文档为依据进行中文翻译,旨在帮助中国开发者了解和学习Riva,并加入译者对Riva的理解进行分享,本手册将以连载的方式持续进行更新。二:Riva概述NVIDIA Riva是一个使用GPU加速,能用于快速部署高性能会话式AI服务的SDK,可用于快速开发语音AI的应用程序。Riva的设计旨在帮助您轻松、快速地访问会话AI功能,开箱即用,通过一些简单的命令和

文章图片
#语音识别#人工智能#python +2
NeMo简介

NVIDIA NeMo 是一个用于构建新的最先进的对话式 AI 模型的工具包。 NeMo 有自动语音识别 (ASR)、自然语言处理 (NLP) 和文本到语音 (TTS) 模型的单独集合。 每个集合都包含预构建的模块,其中包括训练数据所需的一切。 每个模块都可以轻松定制、扩展和组合,以创建新的对话式 AI 模型架构。

文章图片
#人工智能#python#语音识别 +1
对话式AI工具包Nemo简介

NeMo简介NVIDIA NeMo 是一个用于构建新的最先进的对话式 AI 模型的工具包。 NeMo 有自动语音识别 (ASR)、自然语言处理 (NLP) 和文本到语音 (TTS) 模型的单独集合。 每个集合都包含预构建的模块,其中包括训练数据所需的一切。 每个模块都可以轻松定制、扩展和组合,以创建新的对话式 AI 模型架构。对话式 AI 架构通常很大,需要大量数据和计算来进行训练。 NeMo 使

文章图片
#人工智能#自然语言处理#深度学习
NVIDIA 现实增强AR开发工具包开发手册----Maxine AR SDK开发手册中文版

NVIDIA_Maxine_AR_SDK_API点击此处加入NVIDIA开发者计划本节提供有关 NVIDIA® AR SDK API 架构的信息。1.1. Using the NVIDIA AR SDK in Applications使用 NVIDIA AR SDK 使应用程序能够使用 SDK 的面部跟踪、面部特征点跟踪、3D 面部网格跟踪和 3D 身体姿势跟踪功能。1.2. Creating a

文章图片
#ar#深度学习#计算机视觉 +2
16.CUDA编程手册中文版---附录L CUDA底层驱动API

附录L CUDA底层驱动API本附录假定您了解 CUDA 运行时中描述的概念。驱动程序 API 在 cuda 动态库(cuda.dll 或 cuda.so)中实现,该库在安装设备驱动程序期间复制到系统上。 它的所有入口点都以 cu 为前缀。它是一个基于句柄的命令式 API:大多数对象都由不透明的句柄引用,这些句柄可以指定给函数来操作对象。驱动程序 API 中可用的对象汇总在下表中。Tab

文章图片
#人工智能#c++#开发语言 +1
提高 Kubernetes 中的 GPU 利用率

对于可扩展的数据中心性能,NVIDIA GPU 已成为必备品。由数千个计算内核支持的 NVIDIA GPU 并行处理能力对于加速不同行业的各种应用程序至关重要。如今,各行各业的计算密集型应用程序都在使用 GPU:在这个范围内的不同应用程序可能有不同的计算要求。训练巨型 AI 模型,其中 GPU 并行批处理数百个数据样本,使 GPU 在训练过程中得到充分利用。然而,许多其他应用程序类型可能只需要一小

文章图片
#kubernetes#容器#云原生 +1
暂无文章信息