nvmath-python 中的通用稀疏張量
NVIDIA 將通用稀疏張量 (UST) 整合至 nvmath-python v0.9.0，讓開發者能將張量的稀疏性與記憶體配置分離，提升靈活性和效能。此更新加速稀疏科學運算與深度學習應用。部落格提供 UST 關鍵功能的逐步指南。
Search
Tag: #deep-learning17 results
Nomadic 籌得840萬美元處理自駕車數據
Nomadic 籌集了840萬美元，用以處理自駕車產生的大量數據。這家新創公司利用深度學習模型，將機器人拍攝的影像轉換成結構化、可搜尋的資料集。
CANGuard：CAN網路入侵檢測的CNN-GRU-注意力混合架構
CANGuard 提出一種時空深度學習模型，結合 CNN、GRU 和注意力機制，用於檢測車輛 CAN 網路中的 DoS 和偽造攻擊。在 CICIoV2024 資料集上訓練，於準確率、精確率、召回率和 F1 分數等關鍵指標超越現有最先進方法。消融研究和 SHAP 分析驗證其組件貢獻及特徵重要性。
Apple 在 ICLR 2026 發表研究
Apple 將在國際學習表徵會議 (ICLR) 2026 發表新研究，會議於 4 月 23 日至 27 日在巴西里約熱內盧舉行。公司自豪贊助此活動，匯聚專注深度學習的科學與產業研究社群。概述了 Apple 的參與情況。
⚙️
最佳機器學習效能優化書籍？
Reddit 討論比較 Chris Fregly 的《AI Systems Performance Engineering》與 Harvard 的《Machine Learning Systems》，用於學習高效能 ML/DL 優化。使用者尋求最佳資源推薦。提供 O'Reilly 與 MLSys 書籍連結。
使用 SageMaker LSTM 和 ESA STIX 資料建置太陽耀斑偵測系統
教學展示在 Amazon SageMaker 上建置深度學習模型，用於太陽耀斑偵測。使用歐洲太空總署 STIX 儀器資料訓練 LSTM 網路。部署模型進行即時預測。
🔬
經典機器學習在 LLM 時代仍然重要
Reddit 上的一場討論探討：在 LLM 與深度學習主導 AI 的今天，監督式與非監督式學習是否仍值得學習。討論認為，這些方法仍是支援現代模型開發與實務應用的重要基礎能力。