国产精品久久久aaaa,日日干夜夜操天天插,亚洲乱熟女香蕉一区二区三区少妇,99精品国产高清一区二区三区,国产成人精品一区二区色戒,久久久国产精品成人免费,亚洲精品毛片久久久久,99久久婷婷国产综合精品电影,国产一区二区三区任你鲁

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

A11神經(jīng)網(wǎng)絡(luò)引擎成蘋果新發(fā)布手機(jī)最大亮點(diǎn)

dKBf_eetop_1 ? 來源:互聯(lián)網(wǎng) ? 作者:佚名 ? 2017-09-25 15:27 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群


伴隨著蘋果全新一代 iPhone 智能手機(jī) iPhone 8、iPhone 8 Plus 和 iPhone X 的發(fā)布,所有最初我們想了解的任何信息現(xiàn)在幾乎都已一清二楚,包括零售價(jià)格、全新命名、機(jī)型數(shù)量,還有諸多最新功能等等,其實(shí)大多數(shù)信息在發(fā)布會(huì)之前就已經(jīng)被爆料出來了。盡管如此,iPhone X、面部識(shí)別技術(shù),以及 AR 現(xiàn)實(shí)增強(qiáng)技術(shù)這些新特性,依然十分引人注目。不過,有一項(xiàng)可能蘋果在發(fā)布會(huì)上或宣傳中沒有著重提及的特征,可能很多人忽視了它的存在,那就是強(qiáng)大的 AI 人工智能特性。蘋果新發(fā)布的三款機(jī)型均搭載了全新的移動(dòng)芯片 A11 仿生,蘋果表示 A11 仿生是 iPhone 上有史以來最強(qiáng)大、最智能的芯片。關(guān)于“最強(qiáng)大”這一點(diǎn),通過昨天的 Geekbench 4 官方提供的基準(zhǔn)測(cè)試數(shù)據(jù)我們已經(jīng)了解到, A11 定制的 6 核心 CPU 性能在移動(dòng)領(lǐng)域已無(wú)敵手,全面領(lǐng)先市面上一切 Android 旗艦智能手機(jī),與驍龍 835 比單核領(lǐng)先超過 110%,多核也有 55% 左右的領(lǐng)先。其實(shí) A11 性能領(lǐng)先早已經(jīng)是可以預(yù)料到的事情,不過“最智能”又在哪里呢?其實(shí)這與 A11 集成的神經(jīng)網(wǎng)絡(luò)引擎有非常大的關(guān)系。雖然蘋果發(fā)布會(huì)這部分基本一筆帶過,而且宣傳低調(diào),但不可否認(rèn)的是,A11 仿生成為了蘋果第一枚神經(jīng)網(wǎng)絡(luò)引擎的 SoC 移動(dòng)芯片,其神經(jīng)網(wǎng)絡(luò)引擎就是專門用于運(yùn)行 AI 人工智能的處理單元,為此蘋果在 A11 的命名上通過“仿生”特別突出了 AI 技術(shù)特征。

與 AI 人工智能發(fā)展相沖突的隱私保護(hù)在討論神經(jīng)網(wǎng)絡(luò)引擎之前,我們先來說說蘋果 AI 人工智能的進(jìn)程。眾所周知,蘋果是一家極其注重隱私的公司,之前很多例子已經(jīng)足夠證明這點(diǎn)。庫(kù)克甚至一直對(duì)外宣稱,蘋果的保密性比美國(guó) CIA 還要高。因此大量分析認(rèn)為,正是隱私保護(hù)情節(jié)的阻礙讓蘋果失去了對(duì) AI 人工智能的主動(dòng)權(quán),最終導(dǎo)致今天在 AI 人工智能競(jìng)賽中的落伍。蘋果不僅在讓設(shè)備更具人性化這方面落后于其他的科技巨頭,而且在人工智能云計(jì)算方面的地位也很低,長(zhǎng)期處于邊緣化。為何這么說呢?深度學(xué)習(xí)是 AI 人工智能的一個(gè)分支學(xué)科,通常需要收集大量數(shù)據(jù),并將這些數(shù)據(jù)聚合在云端,以便于深度了解,獲得洞察力,但這些做法與蘋果在數(shù)據(jù)保護(hù)上的嚴(yán)格立場(chǎng)不一致。蘋果在 iOS 系統(tǒng)的 FaceTime 和 iMessage 應(yīng)用中,使用的是端到端加密技術(shù),并沒有對(duì)用戶的任何個(gè)人資料或信息進(jìn)行維護(hù)或管理,這也與蘋果對(duì)消費(fèi)者數(shù)據(jù)保護(hù)的堅(jiān)定觀點(diǎn)保持一致。雖然蘋果的立場(chǎng)值得稱贊,但是卻讓自身的 AI 發(fā)展難以前行,因?yàn)樘O果自己也收集不到推進(jìn)其 AI 人工智能發(fā)展所需的大數(shù)據(jù),直到現(xiàn)在依然如此。AI 的全新開始,并非重新開始

在今天移動(dòng)互聯(lián)網(wǎng)時(shí)代數(shù)據(jù)爆炸,大數(shù)據(jù)的出現(xiàn)讓 AI 人工智能變得越來越好用。雖然很多移動(dòng)設(shè)備的數(shù)據(jù)可以在云計(jì)算中得到更深入的分析,因?yàn)橛欣?Google TPU,NVIDIA Volta 這種強(qiáng)大的 AI 運(yùn)算解決方案。但問題是,數(shù)據(jù)需要花費(fèi)一定時(shí)間才能到達(dá)云端,而蘋果考慮隱私不會(huì)將數(shù)據(jù)傳到云端,因此讓一款移動(dòng)設(shè)備提供略微接近云硬件的計(jì)算性能相當(dāng)用必要。蘋果在發(fā)布會(huì)上解釋稱,有一種 AI 人工智能叫作機(jī)器學(xué)習(xí),即讓設(shè)備通過觀察的方式進(jìn)行學(xué)習(xí)。因此,一枚移動(dòng) SoC 芯片中,應(yīng)該有專門負(fù)責(zé)虛擬神經(jīng)元和深度學(xué)習(xí)的 AI 處理單元,而神經(jīng)網(wǎng)絡(luò)引擎就是專為機(jī)器學(xué)習(xí)而開發(fā)的硬件,它不僅能執(zhí)行神經(jīng)網(wǎng)絡(luò)所需的高速運(yùn)算,而且具有杰出的能效。

簡(jiǎn)而言之,通過神經(jīng)網(wǎng)絡(luò)引擎能夠擔(dān) CPU 和 GPU 的任務(wù),大幅提升芯片的運(yùn)算效率,以更少的能耗更快的完成更多任務(wù)。在 A11 仿生中,蘋果自家的神經(jīng)網(wǎng)絡(luò)引擎采用雙核設(shè)計(jì),兩個(gè)核心專為 AI 人工智能特定的機(jī)器學(xué)習(xí)算法而設(shè)計(jì)的,實(shí)時(shí)處理過程中,每秒運(yùn)算次數(shù)最高可達(dá) 6000 億次。蘋果表示,神經(jīng)網(wǎng)絡(luò)可以在 CPU 主處理單元或 GPU 圖形處理單元上運(yùn)行,但對(duì)于這種神經(jīng)網(wǎng)絡(luò)類型的編程模型,利用針對(duì)這些應(yīng)用的定制芯片,在執(zhí)行相同任務(wù)時(shí),它將比使用圖形引擎更加節(jié)能。神經(jīng)網(wǎng)絡(luò)引擎的神秘之處在于,它能夠處理矩陣乘法和浮點(diǎn)處理的能力,分擔(dān) CPU 和 GPU 之外的特定任務(wù),實(shí)現(xiàn)了硬件性能大幅改善。

其實(shí)蘋果很早就十分清楚移動(dòng) AI 處理單元的趨勢(shì)。幾天前,蘋果硬件技術(shù)高級(jí)副總裁斯強(qiáng)尼·斯洛基接受采訪時(shí)表示,3 年前發(fā)布搭載 A8 芯片的 iPhone 6 時(shí),蘋果就已經(jīng)在開發(fā) A11 仿生芯片了,然而三年前移動(dòng)行業(yè)關(guān)于 AI 和機(jī)器學(xué)習(xí)的話題還不多。斯強(qiáng)尼·斯洛基特別強(qiáng)調(diào),“內(nèi)置神經(jīng)網(wǎng)絡(luò)引擎是蘋果在 3 年打的一個(gè)賭。”神經(jīng)網(wǎng)絡(luò)引擎服務(wù)于現(xiàn)在和未來蘋果稱,有了“神經(jīng)網(wǎng)絡(luò)引擎服”的 A11 變得十分智能,因?yàn)槟軌虬言贫嘶诖髷?shù)據(jù)深度學(xué)習(xí)訓(xùn)練成型的神經(jīng)網(wǎng)絡(luò)傳輸?shù)?a target="_blank">手機(jī)中,與本地的神經(jīng)網(wǎng)絡(luò)引擎結(jié)合提供完整的 AI 知識(shí)和能力。而對(duì)于本地的 AI 人工智能處理,目前神經(jīng)網(wǎng)絡(luò)引擎已勝任諸多任務(wù),包括更智能的夠識(shí)別人物、地點(diǎn)和物體,為“面容 ID”和“動(dòng)話表情”等創(chuàng)新的功能提供強(qiáng)大的性能等等。

其中對(duì)于 iPhone X 的“面容 ID”就運(yùn)用到了智能面部識(shí)別和機(jī)器學(xué)習(xí)這些 AI 人工智能技術(shù)。其原深感攝像頭系統(tǒng),通過泛光感應(yīng)元件會(huì)借助不可見的紅外光線,來“照亮”識(shí)別人的臉,然后點(diǎn)陣投影器將 30000 多個(gè)肉眼不可見的光點(diǎn)投影在人臉部,繪制出精確細(xì)致、獨(dú)一無(wú)二的深度面譜,而紅外攝像頭會(huì)探測(cè)點(diǎn)陣反射的細(xì)微變化,讀取點(diǎn)陣圖案,捕捉它的紅外圖像數(shù)據(jù)。關(guān)鍵是,被捕捉到的這些非常精確的紅外圖像和點(diǎn)陣圖案的深度數(shù)據(jù),將會(huì)被發(fā)送至 A11 仿生這枚芯片中的神經(jīng)網(wǎng)絡(luò),創(chuàng)建臉部的數(shù)學(xué)模型,再將這些精準(zhǔn)繪制面譜的數(shù)據(jù)發(fā)送至安全隔區(qū),以確認(rèn)數(shù)據(jù)是否匹配。蘋果從來不會(huì)將生物識(shí)別的數(shù)據(jù)傳輸?shù)骄W(wǎng)絡(luò)上,面容 ID 功能的面譜數(shù)據(jù)同樣如此。與此同時(shí),面容 ID 功能在神經(jīng)網(wǎng)絡(luò)引擎的 AI 人工智能技術(shù)下,就算人臉的樣貌隨著時(shí)間而改變,也能隨之進(jìn)行調(diào)整適應(yīng),哪怕是化妝、卸妝、戴上眼鏡、帽子或留起胡須時(shí)也能一眼認(rèn)出。一般使用照片或面具這種欺騙性手段來破解面容 ID,在 AI 技術(shù)下基本是不可能的事情。AI 技術(shù)除了服務(wù)于面容 ID 之外,新一代 iPhone 的相機(jī)系統(tǒng)也受益于此。例如人像模式自拍現(xiàn)在有了神經(jīng)網(wǎng)絡(luò)引擎的 AI 技術(shù)加持,景深虛化效果更加突出,而且所延伸出的“人像光效”這一特性,也利用到了 AI 復(fù)雜的算法,計(jì)算出容貌特征會(huì)怎樣受到光線影響,利用數(shù)據(jù)創(chuàng)造出色的光效。至于“動(dòng)話表情”,AI 技術(shù)能夠讓捕捉到的運(yùn)動(dòng)更準(zhǔn)確的分析肌肉運(yùn)動(dòng),以便于重現(xiàn)神態(tài)。當(dāng)然了,A11 的神經(jīng)網(wǎng)絡(luò)引擎是是蘋果 AR 增強(qiáng)現(xiàn)實(shí)體驗(yàn)和 Siri 私人助理的核心,而且未來還將運(yùn)用到更多方面,并擴(kuò)展到更多蘋果生態(tài)的領(lǐng)域當(dāng)中,包括醫(yī)療健康相關(guān)應(yīng)用、無(wú)人駕駛汽車系統(tǒng)、Apple Watch、Apple TV 和 HomePod 音箱等,讓更多原本生硬的設(shè)備也能采用與人類同樣的方式進(jìn)行交互,變得真正會(huì)思考。注重隱私的情況下,蘋果 AI 將持續(xù)進(jìn)步蘋果是手機(jī)行業(yè)最早踏入 AI 人工智能領(lǐng)域廠商之一,早在 2011 年就已經(jīng)在 iPhone 當(dāng)中首度集成 Siri 智能助理,為其提供相應(yīng)的語(yǔ)音識(shí)別支持。A11 仿生芯片的亮相是蘋果在 AI 人工智能領(lǐng)域的又一大動(dòng)作,其神經(jīng)網(wǎng)絡(luò)引擎標(biāo)志著全新的開始。盡管蘋果 AI 人工智能目前仍落后于其他競(jìng)爭(zhēng)對(duì)手,但利用神經(jīng)網(wǎng)絡(luò)引擎這種新的方式,蘋果可以做到不侵犯用戶隱私的情況下加速發(fā)展。A11 仿生芯片集成的神經(jīng)網(wǎng)絡(luò)引擎,主要針對(duì)本地大量的數(shù)據(jù)處理,配合芯片本身強(qiáng)勁的處理能力,大幅提升認(rèn)知能力,為用戶本地提供最直達(dá)的服務(wù),隱私數(shù)據(jù)本地處理的安全性毋庸置疑。而在本地 AI 處理能力強(qiáng)勁的情況下,還能配合發(fā)展多年的云端 AI 數(shù)據(jù)協(xié)同展開,進(jìn)一步為設(shè)備提供完整的、高效的體驗(yàn)。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 蘋果
    +關(guān)注

    關(guān)注

    61

    文章

    24600

    瀏覽量

    208407

原文標(biāo)題:A11神經(jīng)網(wǎng)絡(luò)引擎 成就蘋果AI的巨大飛躍

文章出處:【微信號(hào):eetop-1,微信公眾號(hào):EETOP】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    內(nèi)置USB聲卡AI神經(jīng)網(wǎng)絡(luò)算法降噪消回音模組A-59U#AI神經(jīng)網(wǎng)絡(luò)#回聲消除#智能降噪

    神經(jīng)網(wǎng)絡(luò)
    深圳市聲訊電子有限公司
    發(fā)布于 :2025年12月24日 17:09:37

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)

    日常生活中的智能應(yīng)用都離不開深度學(xué)習(xí),而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu),特別是大腦中神經(jīng)
    的頭像 發(fā)表于 12-17 15:05 ?338次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

    自動(dòng)駕駛中常提的卷積神經(jīng)網(wǎng)絡(luò)是個(gè)啥?

    在自動(dòng)駕駛領(lǐng)域,經(jīng)常會(huì)聽到卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。卷積神經(jīng)網(wǎng)絡(luò),簡(jiǎn)稱為CNN,是一種專門用來處理網(wǎng)格狀數(shù)據(jù)(比如圖像)的深度學(xué)習(xí)模型。CNN在圖像處理中尤其常見,因?yàn)閳D像本身就可以看作是由像素排列成的二維網(wǎng)格。
    的頭像 發(fā)表于 11-19 18:15 ?2086次閱讀
    自動(dòng)駕駛中常提的卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>是個(gè)啥?

    CNN卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)原理及在MCU200T上仿真測(cè)試

    數(shù)的提出很大程度的解決了BP算法在優(yōu)化深層神經(jīng)網(wǎng)絡(luò)時(shí)的梯度耗散問題。當(dāng)x&gt;0 時(shí),梯度恒為1,無(wú)梯度耗散問題,收斂快;當(dāng)x&lt;0 時(shí),該層的輸出為0。 CNN
    發(fā)表于 10-29 07:49

    NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹

    NMSIS NN 軟件庫(kù)是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核,旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。 該庫(kù)分為多個(gè)功能,每個(gè)功能涵蓋特定類別
    發(fā)表于 10-29 06:08

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)

    本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開發(fā)IDE,以TensorFlow2為訓(xùn)練框架,目標(biāo)是訓(xùn)練一個(gè)手寫數(shù)字識(shí)別的神經(jīng)網(wǎng)絡(luò)
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    在完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)器內(nèi)。 在仿真環(huán)境下,可將其存于一個(gè)文件,并在 Verilog 代碼中通過 readmemh 函數(shù)
    發(fā)表于 10-20 08:00

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    1.算法簡(jiǎn)介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計(jì)理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲的神經(jīng)結(jié)構(gòu),盡管這種微生物的
    的頭像 發(fā)表于 09-28 10:03 ?1244次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而,神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加,這使得傳統(tǒng)的串行計(jì)算方式面臨著巨大的挑戰(zhàn),如計(jì)算速度慢、訓(xùn)練時(shí)間長(zhǎng)等
    的頭像 發(fā)表于 09-17 13:31 ?1142次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與加速技術(shù)

    基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真模型解決方案

    在基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真(DPD)模型中,使用不同的激活函數(shù)對(duì)整個(gè)系統(tǒng)性能和能效有何影響?
    的頭像 發(fā)表于 08-29 14:01 ?3478次閱讀

    無(wú)刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究

    摘要:論文通過對(duì)無(wú)刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用

    摘要:針對(duì)傳統(tǒng)專家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點(diǎn),很大程度上降低了對(duì)電機(jī)
    發(fā)表于 06-16 22:09

    神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究

    眾多方法中,由于其結(jié)構(gòu)簡(jiǎn)單,穩(wěn)定性好廣泛受到人們的重視,且已被用于產(chǎn)品開發(fā)。但是MRAS仍存在在低速區(qū)速度估計(jì)精度下降和對(duì)電動(dòng)機(jī)參數(shù)變化非常敏感的問題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn),使估計(jì)更為簡(jiǎn)單、快速
    發(fā)表于 06-16 21:54

    基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析

    本文的目的是在一個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型,將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出,然后通過python程序?qū)xt文件轉(zhuǎn)化為coe文件,(coe
    的頭像 發(fā)表于 06-03 15:51 ?1239次閱讀
    基于FPGA搭建<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的步驟解析

    NVIDIA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能

    近日,NVIDIA 宣布了 NVIDIA RTX 神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能。NVIDIA 與微軟合作,將在 4 月的 Microsoft DirectX 預(yù)覽版中增加神經(jīng)網(wǎng)絡(luò)著色技術(shù),讓開
    的頭像 發(fā)表于 04-07 11:33 ?1201次閱讀