Cột mốc AlexNet năm 2012 dựa vào kỹ thuật GPU cấp thấp (cuda-convnet), kiến trúc phân chia trên hai GPU, và trực tiếp châm ngòi cho cuộc đua nhanh chóng hướng tới các mô hình thị giác máy tính sâu hơn, hiệu quả hơn.
Từ năm 2015 đến nay, học sâu đã phát triển từ mã GPU C++ được tinh chỉnh thủ công và các mạng tích chập thành các bộ máy ma trận được tăng tốc bằng phần cứng và kiến trúc Transformer. Ba cột mốc này định hình cách các mô
Các Transformer hiện đại dựa vào phép toán ma trận tự chú ý, các trình biên dịch GPU cấp cao như Triton và các kernel CUDA có tính đến bộ nhớ như FlashAttention để xử lý những chuỗi token khổng lồ ở tốc độ phần cứng tối
CUDA (Compute Unified Device Architecture) là nền tảng điện toán song song và mô hình lập trình của NVIDIA, cho phép các framework deep learning chạy những phép tính toán học nặng trên GPU. Bằng cách phân phối hàng triệu
Các nhà nghiên cứu AI bắt đầu nhận ra lợi thế hiệu năng to lớn của CUDA đối với mạng nơ-ron trong giai đoạn 2006 đến 2009, với đột phá đại chúng mang tính quyết định diễn ra năm 2012. Trước bước chuyển này, mạng nơ-ron b
Năm 2012, đột phá AlexNet đã chứng minh rằng mạng nơ-ron sâu kết hợp với GPU hỗ trợ CUDA có thể vượt qua hàng thập kỷ kỹ thuật thị giác máy tính truyền thống. Tại ImageNet Large Scale Visual Recognition Challenge (ILSVRC
Life360 đã mở nền tảng Family Intelligence cho các trợ lý AI bên thứ ba, cho phép các tác nhân AI được kết nối truy vấn thông tin từ dịch vụ định vị g