一、前言:满足更专业需求 入门性价比录音笔再添新选择在过去一年,凭借自身在语音识别和AI云服务领域深耕多年的研究成果和实力,在智能录音笔市场增长迅猛。讯飞本身就有高端旗舰坐镇,这次又一举推出了智能录音笔A1、智能录音笔B1等多款入门级的智能录音产品,进一步在录音笔这一细分市场站稳了脚跟。其中,入门级产品线的表现颇为亮眼。虽然售价仅百元,硬件本身也设计简单,仅提供收音功能,高阶操作全需手机控制,但是高级云服务却一个不少,连接云端,就可以享受同规格无缩水的语音转写、外语/方言翻译、说话人识别等AI云服务,并且支持终身免费转写。可以说它们为科大讯飞领先的语音AI技术这一核心硬实力做了最好的推广和代言...... Last article READ

计算机领域:构建光电智能衍射计算处理器

文/陈根

在科幻小说《三体》里,有这么一段描述:“每秒500万亿次浮点运算的计算机,出现在“面壁计划”里。这是第二位面壁者雷迪亚兹看到的人类最强的计算力,用于顶尖的核爆模拟。”

这里的浮点运算可以理解成对小数进行计算,是非常精细的运算模式,现实生活中的科学计算往往难以实现。但现在,基于光计算高速、低功耗、高并行的优势,来自清华大学的研究团队提出并构建了光电智能衍射计算处理器(Diffractive Processing Unit, DPU)。

该处理器的构架采用了光学衍射的物理现象,其能够产生大规模的光学互联,从而助力构建高复杂度的光学神经网络。此外,DPU充分利用了光的波粒二象性,通过控制光波传播的波前分布来实现神经网络权重的调整,从而利用光电效应来实现人工神经元的功能。

DPU 的运行过程光计算部分则几乎承担所有的计算操作,其采用高通量可编程的光电器件并结合电子计算的灵活特性,以实现高速数据调控以及大规模网络结构和参数的编程。

值得一提的是,将其所构建的系统应用于分类和识别任务,并在深度学习的标准数据集上进行性能验证,包括手写数字图像数据集、时尚物品图像数据集,以及人类动作视频数据集,结果光电智能计算模型性能超越了 LeNet-4 电子神经网络模型。

除此以外,该系统还能实现高速、高精度的人类动作识别。在运行同样的神经网络条件下,光电计算系统与特斯拉 V100 图形处理器(GPU)相比,计算速度提高了8倍,系统能效提升超过一个数量级,核心模块计算能效则提升了四个数量级。

总的来说,该处理器有效地重构了包含百万神经元的多类新型光电神经网络,通过自适应的在线训练算法实现了高性能的视觉分类任务,有望让《三体》小说中的科幻场景成为现实。

并且,光电智能计算技术在使用超材料构建片上相控阵列方面,以及提升处理器的计算性能方面,都有很大发展空间。

当前,随着深度学习算法的持续发展,以及人工神经网络规模的不断增大,传统的电子计算方式越来越难以满足对处理器计算性能的需求。而未来,光电智能计算技术将有助于推动类脑光电子芯片的研发,从而为大规模数据的实时智能处理,以及从十亿像素到百亿像素光场的成像添砖加瓦。

一、前言二、数组的各种操作1. 错误方式2. 利用结构体来复制数组3. 其他复制方式三、语言标准和编译器1. 数组和指针的关系2. 为什么不能对数组赋值3. 函数形参是数组的情况4. 为什么结构体中的数组可以复制5. 参数传递和返回值五、总结一、前言在 C/C++ 语言中,数组类型的变量是不可以直接赋值的。但是如果把数组放在结构体中,然后对结构体变量进行赋值,就可以实现把其中的数组内容进行复制过去。很多朋友对这个不是特别理解,只是强制记忆,下面我尝试用自己的理解来描述一下,希望对你有所帮助!二、数组的各种操作 1. 错误代码int a[5] = {1, 2, 3, 4, 5};int......Next article READ