使用高性能网络RDMA运行应用
在大规模的AI计算应用中，需要考虑任务间的通信效率，以充分发挥GPU算力的性能。阿里云容器计算服务 ACS（Container Compute Service）提供了低延迟、大吞吐、高弹性的高性能RDMA（Remote Direct Memory Access）网络服务。本文为您介绍如何使用高性能网络RDMA运行应用。
使用高性能网络RDMA运行应用
在大规模的AI计算应用中，需要考虑任务间的通信效率，以充分发挥GPU算力的性能。ACK One注册集群接入ACS算力后，提供了低延迟、大吞吐、高弹性的高性能RDMA（Remote Direct Memory Access）网络服务。本文为您介绍如何使用高性能网络RDMA运行应用。
基于属性标签将应用调度到高性能网络GPU型虚拟节点上
在使用GPU-HPN预留资源运行应用时，可以基于虚拟节点中的GPU属性标签，将应用调度至目标节点。本文介绍GPU-HPN虚拟节点属性标签基本信息，以及如何将应用部署和运行在指定卡型上。
通过设置安全组提升云服务器ECS的安全性
为满足您在网站提供Web服务、管理远程连接访问等常见场景下的网络流量管理需求，本文介绍如何利用安全组的特性来配置相应的安全组规则，保障云资源网络流量的安全性和可靠性。
RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1，用于移动视觉应用的高效卷积神经网络
一、本文介绍 本文记录的是基于MobileNet V1的RT-DETR轻量化改进方法研究。MobileNet V1基于深度可分离卷积构建，其设计旨在满足移动和嵌入式视觉应用对小型、低延迟模型的需求，具有独特的模型收缩超参数来灵活调整模型大小与性能。本文将MobileNet V1应用到RT-DETR中，有望借助其高效的结构和特性，提升RT-DETR在计算资源有限环境下的性能表现，同时保持一定的精度....
YOLOv11改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1，用于移动视觉应用的高效卷积神经网络
一、本文介绍 本文记录的是基于MobileNet V1的YOLOv11轻量化改进方法研究。MobileNet V1基于深度可分离卷积构建，其设计旨在满足移动和嵌入式视觉应用对小型、低延迟模型的需求，具有独特的模型收缩超参数来灵活调整模型大小与性能。本文将MobileNet V1应用到YOLOv11中，有望借助其高效的结构和特性，提升YOLOv11在计算资源有限环境下的性能表现，同时保持一定的精度....
ShuffleNetV2:设计轻量化卷积神经网络的理论准则和应用实现
@toc 参考论文：ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 作者：Ningning Ma, Xiangyu Zhang, Hai-Tao Zheng, Jian Sun; 上一篇我们复现过ShuffleNetV1架构，今天来复现ShuffleNetV2架构 前置知识：Mobile....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
网络更多应用相关
域名解析DNS
关注DNS行业趋势、技术、标准、产品和最佳实践，连接国内外相关技术社群信息，追踪业内DNS产品动态，加强信息共享，欢迎大家关注、推荐和投稿。
+关注