回答:1.数据量太大，比如上亿，就用oracle，优点上亿数据对Oracle来说轻飘飘的，也不用太多优化配置，缺点安装比较麻烦，上手比较慢。2.数据量较大，比如千万级，用postgresql，它号称对标Oracle，处理千万级数据还是可以的，也是易学易用。3.数据量一般，比如百万级，用mysql，这个级别的数据量mysql处理还是比较快的。4.数据量较小，比如十万以下，sqlite、access都可以。...
yearsj
|
1369人阅读
回答:AI人工智能绝对会成为未来最大的变革之一，但是这能否成为一种趋势我持怀疑态度。因为AI技术需要的数据样本和硬件投入都是非常高规格的，只有那些渗透到生活场景中的大型科技公司才有能力去经营这一事业。放一组资料：2014年，Facebook的DeepFace人脸库包含了4030位样本人物的4400万张图，算法方面由多达8层网络、1.2亿训练参数的系统来支持。而谷歌的FaceNet数据库规模更大，容量为来...
chengtao1633
|
645人阅读
...类型的计算单元都可以执行自己最山擅长的任务。CPU虽然运算不行，但是擅长管理和调度，比如读取数据，管理文件，人机交互等，例程多，辅助工具也很多；GPU管理更弱，运算更强，但由于是多进程并发，更适合整块数据进行...
...量。从双精度浮点到单精度浮点，再到定点处理。而定点运算却是FPGA的传统优势，相比于GPU，FPGA内部配备了众多的定点处理单元，甚至整个FPGA芯片内部逻辑资源全部可以配置成定点处理单元，进而具备了超高的顶点运算能力。...
...架，如 TensorFlow、MXNet、Caffe 和 PyTorch，支持在有限类型的服务器级 GPU 设备上获得加速，这种支持依赖于高度特化、供应商特定的 GPU 库。然而，专用深度学习加速器的种类越来越多，这意味着现代编译器与框架越来越难以覆盖...
...并且能够支持在不同矩阵高速调度时形成一个流水线。在运算当前矩阵的时候调用下一个矩阵来片上运行，并且能保持每个权重就每个矩阵的权重在片上存储待的时间足够长。这样做既可节省整个带宽的需求，也可加快运算速度...
...力，更要具备强大的灵活性。但这两种需求都不是传统x86服务器所擅长的，因此就需要与x86异构的协处理器来完成对应的模型训练任务。在这一领域，最大的赢家无疑就是NVIDIA。面对这一市场的巨大需求和丰厚利润，NVIDIA不仅推...
...完整的硬件和软件相结合的解决方案，实现了高性能矩阵运算（矩阵乘、转置、求逆、QR分解）和超高速FFT（傅立叶变换）。为了方便客户使用高层语言开发，加速云提供基于FPGA完整的OpenCL异构开发环境，快速实现用户自定义的...
...LOCK）的驱动下工作，内部集成了+1.1V参考电压(+1.10V REF)、运算放大器、电流源（CURRENT SOURCE ARRAY）和锁存器（LATCHES）。两个电流输出端IOUTA和IOUTB为一对差分电流，当输入数据为0（DB9DB0=10’h000）时，IOUTA的输出电流为0，而IOUTB的...
...（高端），布局时间比较长，也开发出有自主的指令集，运算速率快，好像就是功耗比较大，有点烫，高性能产品散热设计不容忽视；湖南进芯（对标TI的28系列）。 Cortex-A系列国外厂家TI、瑞萨等，国内的就是全志、...
...宣布，推出国内首款高性能异构计算基础设施——FPGA云服务器，以云服务方式将大型公司才能长期支付使用的FPGA推广到更多企业。腾讯云官网现已开放FPGA使用申请通过FPGA云服务器，企业可以进行FPGA硬件编程，可将性能提升至...
ChatGPT和Sora等AI大模型应用，将AI大模型和算力需求的热度不断带上新的台阶。哪里可以获得...
大模型的训练用4090是不合适的，但推理（inference/serving）用4090不能说合适，...
图示为GPU性能排行榜，我们可以看到所有GPU的原始相关性能图表。同时根据训练、推理能力由高到低做了...
邹立鹏
李涛
zoomdong
Tony_Zby
