登录社区云，与社区用户共同成长
邀请您加入社区
如果你要找一款文献真实、图表专业、能放心写进毕业论文的工具——宏智树AI是目前唯一的选择，微信公众号搜一搜“宏智树AI”）。其他工具各有长处，但“参考文献造假”这个坑，谁踩谁知道。如果你只需要降重，PaperRed够用；如果你理工科公式代码多，DeepSeek值得一试；如果你写英文论文，Grammarly必备；如果你急需初稿救急，鲲鹏智写能应急。但毕业论文不是课程作业，学术诚信是第一道红线。选工具
本并行渲染架构为镜像视界浙江普陀时空大数据应用技术联合研究院、国家十四五重点课题专项攻关成果，配套河南省电检院权威认证，深度适配SpaceOS™全套自研引擎，依托分布式并行解码池、视域分块渲染调度、动态算力均衡调度、异构码流统一转译四层技术体系，实现超广域上千路异构视频与轻量化三维网格同步虚实渲染，无同类广域算力均衡成套对标方案。并行渲染、算力均衡调度算子全栈自研，适配摩尔线程、鲲鹏国产异构算力，
：昇腾实战派。
随着小模型在特定任务上展现出接近甚至超越大模型的推理能力，“专而精”的小模型在资源受限场景下优势明显。与此同时，华为Ascend系列算力卡进入市场后，用户对算力资源隔离与整体利用率提升的需求日益迫切。通过资源虚拟化技术，将物理NPU切分为多个vNPU挂载到容器中，可实现统一资源分配与回收，满足多用户频繁申请/释放资源的操作需求。本文以静态虚拟化方式，在昇腾推理服务器裸机上提供小模型RECCE的切分
摘要 本文针对昇腾AI处理器视觉推理中的图像缩放（Resize）操作进行了深入分析。Resize作为目标检测、语义分割等视觉模型前处理的核心环节，其性能直接影响推理管线的整体效率。文章首先剖析了Resize在目标检测输入预处理和多尺度推理中的典型应用场景，指出了传统CPU预处理存在的同步阻塞、内存拷贝等性能瓶颈。随后重点介绍了CANN算子库ops-cv中的两种优化策略：通过AIPP硬件预处理单元实
某团队在昇腾NPU上跑多模态大模型（LLaVA、Qwen-VL等），发现FlashAttention的效果没有纯文本场景那么明显。他们分析了一下原因：多模态模型的文本部分不长（几百个token），但图像部分被tokenize之后有几百到几千个token，这些token之间的关系很复杂——局部token之间关系紧密（如同一图像patch内的token），远距离token之间关系稀疏（如不同图像pat
摘要 本文探讨了在昇腾NPU上实现FFT运算的关键技术要点和常见陷阱。ops-fft利用NPU的Vector单元实现高效FFT计算，支持Radix-2和Mixed-Radix两种策略以适应不同数据长度。文章重点分析了四个典型问题：频率分辨率与采样率的关系处理不当会导致频谱横轴错误；2D FFT维度顺序混淆会引发结果偏差；频域卷积遗漏归一化步骤会造成结果放大N倍；复数输出视图格式不统一可能导致数据处
华为Altas 200IDK A2开发板自身提供了YOLOV5的测试demo，但开发者如果想调用YOLOV8进行目标检测，需要将其pt文件转换为om文件，同时修改运行代码，以下为项目经历分享。本文主要是通过华为Altas 200DK A2开发板，运行转换好的om文件，实现针对摄像头的实时目标识别，是一次不错的实践经历，欢迎各位交流讨论。
