Doge 资讯 - 聚焦狗狗币动态，掌握加密货币前沿信息 - 第62页 - Dogely Crypto

DeepSeek V3的18大技术亮点！（附技术报告万字精读中文版）

DeepSeek V3发布以来受到了极大关注。器在分布式推理和训练优化上的创新为行业树立了新的标杆。 DeepSeek V3的训练成本仅为557万美元，远低于行业平均水平，成为开源模型中的“性价比之王”！本文根据《DeepSeek V3 Technical Report》总结了其18大技术亮点，并附上了技术报告中文精读版（全文约14000字）。 18大核心亮点模型架构方面 1.

Doge资讯 2025-02-21 49 阅读
【深度分析】DeepSeek大模型技术解析：从架构到应用的全面探索

深度与创新：AI领域的革新者 DeepSeek，这个由幻方量化创立的人工智能公司推出的一系列AI模型，不仅在技术架构上展现出了前所未有的突破，更在应用领域中开启了无限可能的大门。从其混合专家架构（MoE）到多头潜在注意力（MLA）机制，每一项技术都如同定向的灯火，照亮了AI未来发展的某一条道路。然而，在这片光与影交织的技术森林中，DeepSeek的出现不仅仅是一场技术革命

Doge资讯 2025-02-21 46 阅读
2025年DeepSeek核心十问十答

2025年具身智能机器人发展大会如需咨询企业合作相关事宜，欢迎联系下方负责人进行对接：张老师：13305713232（微信同号）谷老师：18355423366（微信同号）详细会议介绍参看往期文章：（点击蓝字跳转） DeepSeek-R1模型发布，具有高性能、低算力需求的特性，带动小模型推理能力的提升，引发全球开发者及用户关注。R1作为开源模型性能接近头部闭源模型o1

Doge资讯 2025-02-21 51 阅读
MLA实现及其推理上的十倍提速——逐行解读DeepSeek V2中多头潜在注意力MLA的源码(图

前言想来也是巧，最近deepseek实在是太火了，就连BAT这类大厂全部宣布接入deepseek，更不用说一系列国企、车企等各行各业的传统行业、企业都纷纷接入deepseek 与此同时，也有很多公司、开发者对本地部署deepseek的诉求居高不下，我们也服务了一些B端客户，此文《一文速览DeepSeek-R1的本地部署——可联网、可实现本地知识库问答

Doge资讯 2025-02-21 38 阅读
deepseek里使用的多头潜在注意力MLA技术浅解

多头潜在注意力（Multi-head Latent Attention, MLA）是一种改进的注意力机制，旨在解决传统多头注意力（Multi-head Attention）在计算效率和内存占用上的瓶颈。MLA通过引入潜在变量（Latent Variables）对Key-Value（KV）缓存进行压缩和优化，显著提升模型训练和推理的效率，同时保持甚至增强模型性能。 deepseek 中分别对kv

Doge资讯 2025-02-21 44 阅读
资讯 | Deepseek

资讯 | Deepseek-V2多头潜在注意力（Multi-head Latent Attention）原理及PyTorch实现 GS Lab 图科学实验室Graph Science Lab 2025年01月23日 22:48 广东探索 DeepSeekV2 中的 GPU 利用率瓶颈和多头潜在注意力实现。在本文中，我们将探讨两个关键主题。首先，我们将讨论和了解 Transformer

Doge资讯 2025-02-21 47 阅读
DeepSeek中的多头潜在注意力（MLA）浅尝

MLA是MHA的变体，因此先来看看MHA。 MHA（多头注意力） MHA通过将输入向量分割成多个并行的注意力“头”，每个头独立地计算注意力权重并产生输出，然后将这些输出通过拼接和线性变换进行合并以生成最终的注意力表示。将 Q Q Q分成了多个部分，每个部分进行注意力。比如 Q Q Q的形状 [ s e q , d i ] [seq,d_i] [seq,di]、

Doge资讯 2025-02-21 46 阅读
DeepSeek的崛起，其实并不意外

颠覆理论预测了DeepSeek及其同类产品的出现和发展。事实上，未来几个月内其他颠覆者的出现并不会令人意外。特别是小型语言模型（SLM），它们使用的数据更少、资源更少，可能会在未来几个月内成为挑战美国和中国LLM的另一种技术。中国人工智能初创公司DeepSeek近期引发了广泛关注。1月20日，该公司发布的新模型在性能上足以与美国领先人工智能公司（如OpenAI和Meta）的模型竞争，其规模更小

Doge资讯 2025-02-21 38 阅读
DeepSeek创新点：多头潜在注意力

深度求索（DeepSeek）提出的多头潜在注意力（Multi-Head Latent Attention, MLA）是一种改进的注意力机制，旨在提升传统 Transformer 中多头注意力（MHA）的效率与表达能力。其核心思想是通过引入潜在空间和分组机制，在减少计算复杂度的同时，捕捉更丰富的语义关系。 MLA 的核心设计潜在空间映射：与传统 MHA 直接计算所有 token 的交互不同

Doge资讯 2025-02-21 43 阅读
一文通透DeepSeek V2——通俗理解多头潜在注意力MLA：改进MHA，从而压缩KV缓存，提高推理速度

前言成就本文有以下三个因素 24年5.17日，我在我司一课程「大模型与多模态论文100篇」里问道：大家希望我们还讲哪些论文一学员朋友小栗说：幻方旗下公司深度求索于24年5.7日发布的deepseek-v2 24年5.24日，我司一课程「大模型项目开发线上营1」里的一学员朋友问我：校长最近开始搞deepseek了吗？刚看了论文，没搞懂MLA那块的cache是怎么算的

Doge资讯 2025-02-21 57 阅读

第一页上一页 1 ... 61 62 63 ... 72 下一页尾页

推荐服务

Telegram粉丝购买

Tiktok涨粉平台

文章分类

热门文章