pytorch

NGC 容器是为深度学习应用程序构建的 Docker 容器，这些容器中包含了经过优化的深度学习框架和库，以及各种 AI 工具和预训练模型。在 PyTorch Release 22.11 中，英伟达宣布不再在 NGC 容器中默认安装 conda。本文提供了在新版 NGC 容器中安装 conda 包的方法

最近在都 Deep Learning with Pytorch 这本书，目前为止感觉还是不错。尤其是它里面的手绘风插图，真的是印象深刻，好感顿生。 第三章介绍了 tensor 的数据结构，感觉讲的挺好的，做一个笔记，加深下印象

LaTeX-OCR 是一个知名、开源、免费的 OCR 识别工具，作为 Mathpix 的替代品十分流行。 但是，因为 pytorch qt 等模块跨平台的兼容性问题，在 arm64 的宿主机上安装该工具需要一一定的操作。 但是，因为 pytorch qt 等模块跨平台的兼容性问题，在 arm64 的宿主机上安装该工具需要一一定的操作

Apple Silicon已经发展到M2芯片了，软件支持越来越丰富，现在除了个别老牌且和设备驱动有关的软件还得转译，我电脑上的应用基本都是原生支持M1。Homebrew上不少开发工具也专门有ARM64版。2022年内，tensorflow和pyTorch也分别支持了Apple Silicon，其中pyTorch是开发方直接支持，可以说从安装到使用都比较完善，但tensorflow是Apple参与做适配，其实还有点坑，这几天折腾了一下，记录点心得

职位要求：微电子及相关专业硕士。有相关课程背景:集成电路设计或数字电路设计。有以下知识：器件模型，制造工艺，芯片设计

1.负责深度学习算法的设计、开发、测试与部署。主要是图像识别领域，涉及目标检测、分割与分类。主要用于工业领域的缺陷检测

理论上，如果你拥有足够的计算资源和技术实力，你可以通过复现或者重新训练一个类似于ChatGPT的模型来实现本地搭建ChatGPT的目的。不过需要注意的是，ChatGPT是由OpenAI团队研发，使用了大量的计算资源和专业的深度学习算法和模型优化技巧，在模型设计和训练的过程中也经历了漫长的时间和大量的实验和调试，因此想要在本地搭建一个类似于ChatGPT的模型是非常具有挑战性的。 目前，OpenAI已经发布了一些开源的语言模型，比如GPT-2、GPT-3等，这些模型可以作为实现本地搭建ChatGPT的基础

机器翻译是非常古老的人工智能问题，然而这个问题一度作为人工智能发展的瓶颈，一直不能达到理想的状态。 早期机器翻译采用“基于语言句法”的翻译方法，但是语言的变数是无限的，“基于语言句法”的方案一直无法达到理想的效果。 基于深度学习的“端到端”的模型在很大程度上解决了机器翻译的瓶颈

智能系统与工程研究中心是中国科学院自动化研究所立足智能学科优势和技术积累，面向国家未来重大战略需求而建立的核心部门。 根据学科方向发展与科研任务的实际需要，本着“按需设岗、按岗招聘、择优录取”的原则，中心现招聘深度强化学习算法研究实习生2名，欢迎有意向的本科生与硕士研究生应聘。 1. 深度强化学习算法研发，包括常见的深度学习算法的设计与实现、强化学习算法模型评估算法的研发与实现

深度学习与传统的机器学习最主要的区别在于随着数据规模的增加其性能也不断增长。当数据很少时，深度学习算法的性能并不好。这是因为深度学习算法需要大量的数据来完美地理解它