Article

面向英特尔® 架构优化的 Caffe*:使用现代代码技巧

This paper demonstrates a special version of Caffe* — a deep learning framework originally developed by the Berkeley Vision and Learning Center (BVLC) — that is optimized for Intel® architecture.
作者: 最后更新时间: 2019/07/06 - 16:40
Article

安装英特尔® Theano*软件优化包和支持工具

Theano* is a Python* library developed at the LISA lab to define, optimize, and evaluate mathematical expressions, including the ones with multi-dimensional arrays. Theano can be installed and used with several combinations of development tools and libraries on a variety of platforms. This tutorial provides one such recipe describing steps to build and install Intel-optimized Theano with Intel®...
作者: Sunny G. (Intel) 最后更新时间: 2018/05/08 - 10:50
Article

借助针对英特尔® 架构优化的 Caffe* 管理深度学习网络

如何面向英特尔® 架构优化 Caffe*,训练深度网络模型及部署网络。
作者: Andres Rodriguez (Intel) 最后更新时间: 2019/03/11 - 13:17
Article

如何安装 Python* 版英特尔® 数据分析加速库(英特尔® DAAL)

Intel® Data Analytics Acceleration Library (Intel® DAAL) is a software solution that offers building blocks covering all the stages of data analytics, from preprocessing to decision making. The beta version of Intel DAAL 2017 provides support for the Python* language.
作者: Gennady F. (Blackbelt) 最后更新时间: 2018/07/13 - 14:32
Article

在英特尔® 数学核心函数库中引入 DNN 基元

    深度神经网络 (DNN) 处于机器学习领域的前沿。这些算法在 20 世纪 90 年代后期得到了行业的广泛采用,最初应用于诸如银行支票手写识别等任务。深度神经网络在这一任务领域已得到广泛运用,达到甚至超过了人类能力。如今,DNN 已用于图像识别、视频和自然语言处理以及解决复杂的视觉理解问题,如自主驾驶等。DNN 在计算资源及其必须处理的数据量方面要求非常苛刻。

作者: Vadim Pirogov (Intel) 最后更新时间: 2019/03/21 - 12:08
Article

在容器化环境中提升大数据的性能与灵活性

作者: Michael G. (Intel) 最后更新时间: 2019/07/04 - 11:02
Article

最大限度提升 CPU 上的 TensorFlow* 性能:推理工作负载的注意事项和建议

本文将介绍使用面向 TensorFlow 的英特尔® 优化* 进行 CPU 推理的性能注意事项
作者: Nathan Greeneltch (Intel) 最后更新时间: 2019/08/09 - 02:02
博客

英特尔® 数据分析加速库

The Intel® Data Analytics Acceleration Library (Intel® DAAL) helps speed big data analytics by providing highly optimized algorithmic building blocks for all data analysis stages (Pre-processing, Transformation, Analysis, Modeling, Validation, and Decision Making) for offline, streaming and distributed analytics usages. It’s designed for use with popular data platforms including Hadoop*, Spark*,...
作者: James R. (Blackbelt) 最后更新时间: 2019/08/27 - 13:50