Intel

精选阅读

通过 Intel® 端到端 AI 优化套件加速人工智能

作者：Jian_Zhang

通过 Intel 优化的软件普及人工智能

使用 Intel® Extension for PyTorch 加速 PyTorch

作者：Intel

一个开源扩展，可提升 PyTorch 性能

AI 推理软件基础：光学字符识别入门

作者：Raymond_Lo

在这篇文章中，我将向您展示如何使用机器学习平台 TensorFlow 和 Intel® OpenVINO™ 工具包的 Intel 发行版开始 OCR。

All-in-One PC: What are the developer possibilities?

by Wendy Boswell

The All-in-One PC provides great benefits for consumers, since they are streamlined systems with high performance inside that provide instant readiness.

所有文章

顶部

Intel

通过 Intel® 端到端 AI 优化套件加速人工智能

作者：Jian_Zhang

通过 Intel 优化的软件普及人工智能

使用 Intel® Extension for PyTorch 加速 PyTorch

作者：Intel

一个开源扩展，可提升 PyTorch 性能

AI 推理软件基础：光学字符识别入门

作者：Raymond_Lo

在这篇文章中，我将向您展示如何使用机器学习平台 TensorFlow 和 Intel® OpenVINO™ 工具包的 Intel 发行版开始 OCR。

All-in-One PC: What are the developer possibilities?

by Wendy Boswell

The All-in-One PC provides great benefits for consumers, since they are streamlined systems with high performance inside that provide instant readiness.

对 Intel 的 Henry Gabb 的一次采访。

作者：Chris Maunder, Henry Gabb

一段关于并行化、向量化、 Intel® Parallel Studio XE 的闲聊，以及有时你真的需要信任你使用的工具。

加速器和并行编程入门

作者：Intel

这是系列文章的第一篇，我将在其中讨论并行编程以及在现代加速器上实现并行化的各种方法。

基准测试 Intel® Extension for Scikit-learn：速度提升了多少？

作者：Intel

本文将探讨和比较 Intel Extension for Scikit-learn 的性能，并将其与标准的 Scikit-learn 库进行基准测试。

超越直接内存访问：使用 Intel Data Streaming Accelerator 降低数据中心开销

作者：Intel

利用第四代 Intel® Xeon® 可扩展处理器上的片上加速实现数据转换

打破跨架构障碍，使用 oneAPI：用于轻松异构计算的库

作者：Robert Mueller-Albrecht

在本文中，我们将探讨如何使用 oneAPI 改变软件开发范例，以及如何更容易地实现针对给定工作负载的多个执行环境的定位和维护

使用 OpenVINO™ 工具包，携带您自己的数据集并重新训练 TensorFlow 模型

作者：Ragesh_Hajela

在本文中，我们研究了如何修改 GitHub 上的 OpenVINO™ Notebooks 仓库，重新训练相同的模型，但使用不同的数据集。

使用 Intel 和 Anaconda 在 Python 中构建深度学习环境

作者：Intel

在本文中，我们将探索如何创建包含优化 Intel 软件包的 DL 环境。

创建你自己的自定义聊天机器人

作者：Intel

在 Intel® 处理器上快速轻松地训练大型语言模型

跨架构编译：在 Intel oneAPI 编译器中使用 SYCL 代码

作者：Sergiu Oprea

本文将深入探讨使用 Intel oneAPI DPC++/C++ Compiler 为跨架构部署编译 SYCL 代码。

使用 OpenVINO™ 和 Kubernetes 部署 AI 推理

作者：Dariusz Trawinski

在本文中，您将学习如何使用 Kubernetes 的 OpenVINO™ Operator 的关键功能。

开发者指南：使用 OpenVINO™ 工具包进行模型优化

作者：Ragesh_Hajela

OpenVINO 提供了多种工具来提高模型运行速度并减少内存使用。在本文中，我们探讨：每个工具的作用、何时应使用 Model Optimizer、POT 和 NNCF，以及常见问题解答。

使用 SYCL 进行设备发现

作者：Henry A Gabb, John Pennycook

了解系统中的加速器

与MasterCard的OpenAPI平台业务领导者Dave Butler对话

作者：CodeProject

MasterCard副总裁兼高级业务领导者Dave Butler向开发者介绍了公司全球OpenAPI平台。

通过 8 位量化轻松优化深度学习

作者：Stephanie_Maluso

在本文中，我们将探讨如何使用 OpenVINOTM 工具包的神经网络压缩框架在 PyTorch 中进行 8 位量化。

通过包装器轻松实现 SIMD

作者：Android on Intel

本文旨在改变您对 SIMD 编程如何应用于代码的看法。

使用 OpenMP 高效异构并行编程

作者：Elmira Volkova, Alexander Bobyr, Igor Ermolaev

在本文中，我们将计算分配给主机 CPU 和独立 Intel® GPU，使两个处理器都能保持忙碌。

使用 oneDAL 增强数据分析

作者：Intel

在本文中，我们将探讨 oneDAL。 oneDAL 包含针对各种架构优化的机器学习算法，但具有相同的 API，这意味着您可以为项目所需的任何类型的系统使用相同的应用程序代码。

启动 AI 开发项目的必备工具

作者：Intel

本文探讨了 oneAPI，并介绍了一些基于 oneAPI 的 Intel 工具，以了解 oneAPI 如何使 AI 开发更直接、更易于管理。

作者：Benjamin Consolvo

本文探讨了 Stable Diffusion 模型的使用，重点是图像到图像生成，使用了 Intel 最新发布的 Intel 数据中心 GPU Max 系列 1100。

作者：Benjamin Consolvo

本文探讨了大型语言模型（LLM）在各种应用中的使用，例如聊天机器人、代码生成和调试。

作者：Benjamin Consolvo

本文讨论了稳定扩散模型在生成式 AI 中的应用，重点关注从文本提示生成图像。

借助 Intel® Distribution of OpenVINO™ toolkit Execution Provider 和 Intel® DevCloud，为深度学习模型实现更快的性能

作者：Devang Aggarwal, Maajid Khan

Intel® OpenVINO™ 工具包发行版是一个全面的工具包，可用于快速开发解决各种任务的应用程序和解决方案，包括人眼视觉模拟、自动语音识别、自然语言处理、推荐系统，以及许多其他任务。

了解 LLVM

作者：Bridget Mwikali

本文概述了 LLVM 及其在 oneAPI 及其编译器中的应用。

使用 Intel 优化 XGBoost 进行梯度提升

作者：Intel

XGBoost 算法及其与 Python 中 Intel 的 xgboost 包装器的比较。

Intel如何致力于让新的年轻程序员进入Android开发

作者：Christopher Coey

一位教育者的视角，看向Beacon Mountain。

如何转换 PyTorch 模型并使用 OpenVINO™ 工具包运行它

作者：Adrian Boguszewski

一个非常简单的指南，适用于所有希望提高推理性能的 PyTorch 开发人员。

如何确定是否充分利用了您的跨架构实现

作者：Dhruv__Patel

在本文中，我们将研究开发人员如何使用 Intel® Advisor 和 Intel® VTune™ Profiler 来有效地卸载到 GPU 并优化其跨架构应用程序。

如何使用 Intel C++ 编译器和 OpenMP 4.5 库实现并行“稳定”三向快速排序

作者：Arthur V. Ratz

如何交付现代代码，使用 Intel C++ 编译器和 OpenMP 4.5 库，实现并行“稳定”三向快速排序，该排序基于上一篇文章中已讨论的并行代码。

如何从 CUDA 数学库调用迁移到 oneMKL

作者：Robert Mueller-Albrecht

使用 Intel® oneAPI 数学核心库 SYCL API

使用 OpenVINO™ 工具包进行人类动作识别

作者：Paula_Ramos

在本文中，您将学习如何在同步计划中使用 OpenVINO™ AI 工具包进行实时人类动作识别。

通过自动设备插件改进 AI 应用程序的性能和可移植性

作者：Ragesh_Hajela

Intel® OpenVINO™ 工具包中的新功能使您可以轻松地针对吞吐量或延迟进行优化，并帮助您“一次编写，随处部署”。

整数数学：超越极限

作者：Victor Soldatov

操作大整数的粗略方法。

Intel Multi-OS Engine

作者：Ilya Aleshkov

本文清晰地阐述了您如何仅凭 Java 技能就能开发跨平台的原生 iOS 和 Android 应用。

2019 年的 Intel Performance Primitives

作者：Jeffrey T. Fritz

在本视频中， Jeff 将向您展示两个演示如何使用这些库处理图像的示例。

Intel® Distribution of Modin 用法和性能调优指南

作者：Intel

本文档旨在为用户提供有关使用 Intel® Distribution of Modin 的最佳实践和建议的指南。

与 HopeLab 的 Richard Tate 访谈：开发基于游戏的医疗保健应用程序

作者：CodeProject

HopeLab 的 Richard Tate 谈论开发成功的医疗保健应用程序。

隆重推出 OpenVINO™ 与 TensorFlow 的集成

作者：Stephanie_Maluso

本文档提供了对 OpenVINO 与 TensorFlow 集成的好处的更深入理解：它是如何工作的、部署环境，以及 OpenVINO 与 TensorFlow 的集成与使用原生 OpenVINO API 有何不同。

Katana 的高性能图分析库

作者：Gurbinder Gill

本文将介绍库的内容、如何访问库、使用示例以及突出性能的基准数据。

让我们制作一块智能手表

作者：Pooja Baraskar

Intel Edison 小巧到可以作为可穿戴设备使用，为什么不制作一块带 Edison 的智能手表呢？

将 x86 DLL 加载到 x64 可执行文件中。。。可能完成的任务？

作者：Michael Chourdakis

尝试深度 CPU 功能

维护生产环境中高效的 AI

作者：Intel

使用 Intel® AI Analytics Toolkit、MLflow 和 AWS 构建 MLOps 环境。

将 Jacobi 迭代方法从 CUDA 迁移到 SYCL

作者：Intel

本文演示了如何将用 CUDA* 编写的线性代数 Jacobi 迭代方法迁移到 SYCL* 异构编程语言。

使用 OpenVINO™ 工具包进行命名实体识别

作者：Ragesh_Hajela

NER 系统可以从称为知识库的非结构化自然语言文档集合中提取实体。在本文中，我们将展示如何使用 OpenVINO™ 工具包从简单文本中进行实体识别，您将看到如何创建以下管道来执行实体提取。

并非一日建成 - 《全面战争：罗马 II》中吸取的教训

作者：Paul Lindberg

本案例研究详细介绍了游戏如何充分利用低功耗系统，同时仍能在更强大的系统上扩展以提供出色的视觉效果和运行性能。

oneMD：现代 C++ 和 SYCL 中的分子动力学模拟器

作者：Allister Beharry

oneMD 是一个用 C++ 17 编写的分子动力学模拟器，旨在利用 Intel 的 oneAPI 框架和 SYCL（ OpenCL 并行处理标准的继承者）在各种设备和架构上的硬件数据并行性。

oneMKL：支持 SYCL 的 C++ API 用于数据拟合

作者：Intel

Intel® oneAPI 数学核心库 (oneMKL) 现在包括对 C++ 和 GPU 的支持，充分利用了 SYCL 跨平台抽象层。

OpenVINO™ 与 TensorFlow 集成，现已支持 Docker

作者：Intel

在这篇文章中，我们将首先使用 DockerHub 上提供的预构建镜像。然后我们将详细介绍通过 Docker 访问对象检测笔记本所需的精确命令。

OpenVINO™ 工具包 ONNX Runtime 执行提供商 — 安装现已简化

作者：Devang Aggarwal

在本文中，我们将解释在 Linux 或 Windows 计算机上安装 OpenVINO 执行提供商 for ONNX Runtime 的便捷性，并为您的 ONNX 深度学习模型获得更快的推理速度。

使用 Intel® oneAPI 工具包优化分布式 AI 训练

作者：Abhay_Rawat, Dr. Amarpal S Kapoor

本文侧重于在计算节点集群上对基于深度学习的算法进行调优和扩展。

优化 Cyberlink PowerDVD 10* 提高了电池续航能力

作者：Gael Holmes Hofemeier

Cyberlink 和 Intel 利用了多种工具来分析和优化 PowerDVD* 的功耗。以下是添加流媒体内容功能到 PowerDVD 时遇到的技术挑战以及用于改进应用程序功耗配置文件的技术。

使用高带宽内存优化 Intel® 处理器上的性能

作者：Intel

深入了解 Intel® Xeon® CPU Max 系列的性能调优

使用 oneAPI 图像处理库进行可移植、加速的图像处理

作者：Valentin Kubarev

在本文中，我们讨论了如何使用 SYCL 和 oneIPL 将高斯图像滤波卸载到加速器。

使用 Intel® DevCloud for the Edge 运行对象检测模型

作者：Monique Jones

如何使用 Intel® DevCloud for the Edge 运行对象检测模型

使用 Modin 扩展你的 Pandas 工作流

作者：Vasilij Litvinov

本文介绍了 Intel Distribution of Modin，它是 Intel oneAPI AI Analytics Toolkit (AI Kit) 的一部分，该工具包现已可通过 Anaconda 的“defaults”通道（以及 conda-forge）获取。

软件 AI 加速器：免费提升 AI 性能

作者：Wei_Li

本文展示了 Intel Xeon 上软件 AI 加速器的性能数据。

使用 Fortran 和 OpenMP 解决异构编程挑战

作者：Shiquan Su PhD, Ron_Green, Barbara Perz, Pamela Harrison

使用 Open、标准编程语言表达异构并行性

加速 Databricks Runtime 以进行机器学习

作者：Intel

Intel 投资于优化 Python 本身的性能，通过 Intel® Python 发行版，并优化了与 scikit-learn 一起使用的关键数据科学库，例如 XGBoost、 NumPy 和 SciPy。本文提供了有关安装和使用这些扩展的更多信息。

关注 Intel® Galileo 和 Intel® Edison 开发板

作者：Intel

您的物联网 (IoT) 项目有许多开发板可供选择。选择正确的开发板取决于您想完成的任务。您需要考虑成本、功耗、上市时间、设备在市场上的生命周期，以及您想使用的软件工具。

通过 Torch-ORT 与 Intel OpenVINO™ 集成来优化 PyTorch

作者：Intel

OpenVINO 与 Torch-ORT 的集成使 PyTorch 开发人员能够在他们选择的框架内工作，同时通过用于加速 PyTorch 应用程序的内联优化获得 OpenVINO™ 工具包的速度和推理能力。

在 Intel® 硬件上部署深度学习模型的无代码方法

作者：MaryT_Intel

本文将介绍 Intel® 深度学习推理工具及其基本工作原理。

桌面应用程序中的超极本传感器

作者: Anup Kumar Verma

在桌面应用程序中使用所有超极本传感器

在 Intel® Edison 板上使用通用属性配置文件 (GATT) 和蓝牙* 低功耗技术

作者：Intel

本指南将教您如何通过蓝牙* 低功耗与德州仪器 SensorTag 进行接口，来使用 GATT 配置文件。

跨架构编程对 IoT 意味着什么？

作者：Ahmed Hashesh

本文探讨了 Intel 如何提供标准化规范来简化这一环境。

什么是 Intel® Processor Graphics？

作者：Stephen Junkins

新发布 – Intel® 处理器图形 Gen8 的详细计算架构，包含 Intel® 高清显卡 5300 的信息。同时发布的还有第四代 Intel® 酷睿™ 处理器图形的 Intel® 处理器图形开发人员指南。

什么使一个成功的教育应用程序？与 Tribal Nova 的 Pierre Le Lann 聊天

作者：CodeProject

Tribal Nova 的 Pierre Le Lann 谈论“什么使一个成功的教育应用程序”

聚焦 Level Zero

作者：Robert Mueller-Albrecht

一种开放的、后端式的方法，实现随处计算

Intel

精选阅读

最新文章

所有文章

Intel