企业级云服务商青云QingCloud日前正式发布Deep Learning on QingCloud深度学习平台,覆盖主流的深度学习框架,集成丰富的数据科学工具包,通过QingCloud AppCenter实现一键部署交付,帮助算法工程师和数据科学家快速搭建深度学习开发环境,使他们更加专注于模型及算法调优等业务领域。在深度学习平台上,用户可以使用GPU或CPU进行单机或分布式的深度学习模型训练与推断,同时享受云计算的灵活与弹性,实现按需横向、纵向扩展。
目前,大部分的人工智能应用都基于监督学习的范式开发,即将模型在线下进行训练,然后部署到服务器上进行线上测试与应用。整个过程中算法工程师和数据科学家需要花费大量时间在环境配置、深度学习底层工程繁琐的细节管理以及深度学习框架的部署上。
随着该领域的不断成熟,人工智能应用需要更多地在动态环境下运行,快速响应环境中的变化,满足业务需求。此时,传统的应用开发模式已然不再适用,企业、开发者对整个系统环境提出了灵活性、高性能以及易用性等需求。
青云QingCloud深度学习平台通过QingCloud AppCenter交付,可一键完成云端部署,并提供应用全生命周期管理能力(创建、扩容、监控、健康监测等),助力企业及开发者极速搭建深度学习开发环境。除集成Caffe、TensorFlow、PyTorch和Keras等主流深度学习开发框架及数据科学工具包之外,QingCloud还通过AppCenter联合多家人工智能领域合作伙伴,提供图像识别、人脸识别、文本分析、人机对话等丰富AI服务及AI应用。
针对模型训练对计算性能的要求,青云QingCloud深度学习平台采用专为人工智能计算设计的NVIDIA Tesla P100 GPU,并以直通的方式与平台内的节点对接,使得节点可以独占整个GPU,避免了虚拟化带来的损耗,全面释放GPU的计算能力,为用户提供极致计算性能,全力加速深度学习领域人工智能产品的开发。
目前,青云QingCloud GPU主机已结束内测,正式提供商用服务。同时,GPU主机在按需付费的基础上推出包月、包年计费模式,价格更优惠。
青云QingCloud运营副总裁林源表示,Deep Learning on QingCloud深度学习平台的推出进一步完善了青云QingCloud人工智能平台。结合QingStor对象存储,以及Kafka、Storm、Spark等QingCloud大数据平台组件,用户能够更便捷地进行模型训练与验证。未来,QingCloud还将提供更多的开发框架与工具包,帮助企业及开发者在下一波技术浪潮中占领先机。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。