gpu

要给 OCR 装个脑子吗？DeepSeek-OCR 2 让文档不再只是扫描如何形容现在市面上普遍的 OCR 呢？可能你已经习惯了它的「固执」——无论文档布局多复杂，它总是老老实实从左到右、从上到下扫一遍。遇到双栏论文还好，碰上跨页表格或者公式脚注混排，输出结果往往乱得让人头疼。这不是识别不准，而是理解方式出了问题。

Ovis-Image：卓越的图像生成模型你是否还在为无法得到自己心中想要的画面发愁？直到现在 ai 生成的图片也会有很多槽点，比如文字乱码想在 T 恤上印「LOVE」，结果出来的是 ℒℴ𝒱 外星文，放大一看全是伪笔画，又或者是常识错误，猫耳朵长到头顶正中间，汽车轮子比车身还大，咖啡杯没有底，物理老师沉默，生物老师落泪，除了这些还有风格漂移，乱打光影甚至多写几句，它又自动忽略后半截，像跟健忘症患者对话。

云平台一键部署【rednote-hilab/dots.ocr】多语言文档布局解析模型dots.ocr 是一个强大的多语言文档解析器，它在一个单一的视觉-语言模型中统一了布局检测和内容识别，同时保持良好的阅读顺序。尽管其基础是紧凑的1.7B参数的大规模语言模型，但它达到了最先进的（SOTA）性能。

如何评价趋动科技推出永久免费的OrionX社区版？一句话总结：OrionX社区版是一款专为中小企业、开发者及科研团队打造的GPU池化工具，以“零成本接入，企业级体验”为核心优势，打破算力资源管理壁垒，让轻量化团队也能高效掌控GPU算力。

云平台一键部署【Tencent-YouTu-Research/Youtu-LLM-2B】具备原生智能体能力Youtu-LLM 是一款全新、小巧但功能强大的大语言模型（LLM），仅包含 19.6 亿参数，支持 128k 长上下文，并具备原生的智能体（agentic）能力。在通用评估中，Youtu-LLM 在常识推理、STEM、编程和长上下文处理等方面显著优于同规模的当前最先进（SOTA）LLM；在智能体相关测试中，Youtu-LLM 甚至超越了更大规模的领先模型，真正能够完成多种端到端的智能体任务。

hahahahanhanhan

Tensorflow使用GPU（cuda和cudnn和tensorflow下载）提供一个比较简单的方法安装：不需要去那些网站下载cuda和cudnn，当然如果要升级系统cuda版本，还是需要重新安装的，升级可以看之前的文章

虚拟GPU MIG原理与实践详解本文作者：kaiyuan虚拟GPU MIG原理与实践详解MIG（Multi-Instance GPU）作为Ampere架构开始支持的特性，解决了GPU在集群服务应用时一类需求：GPU切分与虚拟化。本文主要是介绍MIG相关的概念与使用方法，通过实际操作带读者了解该特性的基本情况。

智驾芯片算力比较 Horizon J6 VS Nvidia orinSummary Table: Journey 6 (Flagship/P) vs. Orin-XOEM / Tier 1

精粤X99-TI D4 PLUS大板使用多显卡BIOS设置

【CUDA手册002】CUDA 基础执行模型：写出第一个正确的 Kernel在医学图像处理场景中（例如 CT / MRI 切片），输入数据通常以二维矩阵形式存在。将这类数据映射到 GPU 上并行处理时，真正需要解决的问题并不复杂：

【CUDA手册004】一个典型算子的 CUDA 化完整流程在本篇中，我们将以医学图像处理中最基础的“二值化阈值算子（Thresholding）”为例，演示如何将一个 C++ 算子完整地迁移到 CUDA。

抠头专注python环境配置

2026终极诊断指南：解决Windows PyTorch GPU安装失败，从迷茫到确定目录免责声明：这不是一篇传统教程 (熟手请全部跳过)第一部分：5分钟自我诊断系统（90%的问题可在此定位）

使用星图AI算力平台训练PETRV2-BEV模型想象一下，当自动驾驶汽车行驶在路上时，它需要通过摄像头、雷达等传感器感知周围环境。这些传感器数据通常是2D图像，而BEV（Bird’s Eye View，鸟瞰图）模型的神奇之处在于，它能将这些不同视角的数据“翻译”成一个从上往下看的统一视图。

云平台一键部署【Step-1X-3D】3D生成界的FluxStep1X-3D 是由 StepFun 联合 LightIllusions 推出的新一代高精度、高可控性 3D资产生成框架。基于严格的数据清洗与标准化流程，从 500万+ 3D资产中筛选出 200万高质量数据，构建了标准化的几何与纹理属性数据集，为3D生成提供更可靠的训练基础。

Blackwell架构学习最近学习了一下Blackwell相关的架构，本文整理一下，最大的感受是看到GPU越来越NPU。首先约定一下后续的符号，假设TensorCore处理的D = A x B + D，A和B为bf16，D为fp32。

Nvidia英伟达显卡型号发布史与架构演进详解英伟达显卡的发展史，核心主线是 GPU架构的迭代与 GeForce产品线的演进。以下将按时间顺序，为您梳理两大主线的关键节点。

英雄各有见

Chapter 5.1.1: 编写你的第一个GPU kernel——Cuda Basics本文介绍GPU编程的基础，包括一些基本术语以及如何编写一个kernel实现两个矩阵的加法kernel是GPU跑的的一个特殊的函数，GPU有很多同时工作的线程，而kernel就像发给他们的指令。我们通常用__global__ 关键字来标识一个kernel，其返回值只能为空

WebGPU 开发者福音！在 VS Code 中实时预览你的WGSL着色器作品WebGPU 是下一代 Web 图形标准，而 WGSL（WebGPU Shading Language）是其着色器语言。但在开发 WGSL 时，由于WebGPU API的复杂性，哪怕是一个最简单的着色器效果，也需要写大量的js代码才能在浏览器中看到效果，而着色器的热更新也非常麻烦，往往得手动刷新浏览器才能看到修改后的效果，另外调试起来也很不友好，着色器错误往往不会直接报错，而是在控制台显示警告，开发体验不好。

NVIDIA GPU内部结构：高性能矩阵乘法内核剖析在这篇文章中，我们将逐步介绍支撑最先进的 NVIDIA GPU 矩阵乘法 (matmul) 内核的所有核心硬件概念和编程技术。

Unreal Engine MobileFSR插件实现机制分析Engine/Plugins/Runtime/MobileFSR/Source/MobileFSR/Private/MobileFSRViewExtension.cpp