AI如何赋能万物?GOTC 2023给出答案
AI 与数据、数据库的未来
训练框架、推理模型、算法量产
详解 PyTorch 2.0 体系结构
大模型与多模态技术、AI 应用落地实践
出品人:杨轩
议题:Welcome and Introduction
议题:Keynote
议题:AI & Data: painpoints and the future.
议题:大规模语言模型在智能文档问答的应用:基于 Langchain 和 Langchain-serve 的解决方案
议题:昇思大模型一站式易用实践
议题:AI 数据库 OpenMLDB 应用实践
议题:向量数据库:面向 AIGC 的海量记忆体
议题:PyTorch 2.0:将编译器技术引入 PyTorch 内核
议题:开源深度学习框架飞桨及其开源社区
议题:当联邦学习遇到大型语言模型
议题:模型推理优化,探索 AI 落地潜能
议题:Xtreme1 下一代多模态开源训练数据平台
议题:OPPO 移动端图形技术领域探索实践 ——O3DE Mobile WG 及 shaderNN
议题:英特尔的 PyTorch 之旅:AI 算力提升和开源软件优化
议题:DeepRec:面向推荐场景的高性能深度学习框架
议题:旷视算法量产与 MegEngine 生态建设
议题:Primus—— 通用的分布式训练调度框架
议题:透明后端图编译器无缝提升 ML 上游框架
议题:OpenGPT:LMM 多模态大模型推理框架
微信扫码关注该文公众号作者
戳这里提交新闻线索和高质量文章给我们。
来源: qq
点击查看作者最近其他文章