這是一本與眾不同的關(guān)于生成式AI的書。首先，它對AI產(chǎn)業(yè)和AI技術(shù)過去多年的發(fā)展脈絡(luò)做了一個總結(jié)，以高屋建瓴的視角分析事物的全貌。其次，它深入淺出地討論了AI尤其是生成式AI的關(guān)鍵技術(shù)問題，但沒有“沉溺”于這些問題。再次，它既涉及歐美最先進(jìn)的生成式AI產(chǎn)業(yè)，也涉及中國在追趕中的生成式AI產(chǎn)業(yè)。最后，它脫離了資本市場的短

本書介紹了超級計算機(jī)算力和AI算力的異同，從CPU流水線開始，描述主要的眾核處理器架構(gòu)和功能部件設(shè)計。在GPU和NPU等加速器部分，介紹了GPU為何能從單純的圖形任務(wù)處理器變成通用處理器。GPU在設(shè)計邏輯、存儲體系、線程管理，以及面向AI的張量處理器方面成為最近幾年全世界科技行業(yè)最矚目的明星。本書對華為等廠商推出的NP

本書為普通高等教育“十一五”國家級規(guī)劃教材。本書內(nèi)容分為3部分：算法和算法分析、算法設(shè)計策略及求解困難問題。第1部分介紹算法問題求解基礎(chǔ)和算法分析基礎(chǔ)，以及兩種新的數(shù)據(jù)結(jié)構(gòu)：伸展樹與跳表；第2部分討論常用的算法設(shè)計策略，包括基本搜索和遍歷方法、分治法、貪心法、動態(tài)規(guī)劃法、回溯法和分枝限界法；第3部分介紹NP完全問題、隨

本書是一本兼具深度和廣度的跨專業(yè)領(lǐng)域的科普讀物，全書以案例形式，用輕松有趣的筆觸向讀者傳遞了科技的魅力。全書內(nèi)容分三部分：虛擬人在現(xiàn)代社會的市場前景、虛擬人的關(guān)鍵技術(shù)解讀，以及虛擬人產(chǎn)業(yè)的相關(guān)法律法規(guī)。對于市場前景部分，本書詳細(xì)描述了虛擬人的多元化種類、投資領(lǐng)域的火爆趨勢，以及元宇宙與虛擬人產(chǎn)業(yè)鏈的構(gòu)建；對于關(guān)鍵技術(shù)解

本書以問題求解為核心，通過對問題的分析、求解過程的講解及演示，全面介紹C99語言及程序設(shè)計的思想與方法。體系上以問題為先導(dǎo)，通過對問題的分析求解，引入必要的語言和編程知識，并以文字、”黑板式”課堂講解視頻及編程全過程示范視頻等多種教學(xué)方式，演示其恰如其分的應(yīng)用。之后立即安排相關(guān)的練習(xí)，通過在線評測(OnlineJudg

本書介紹虛幻引擎的基本理論知識，以及面向虛擬現(xiàn)實(shí)、數(shù)字人、元宇宙數(shù)字新技術(shù)領(lǐng)域的前沿產(chǎn)業(yè)，內(nèi)容涵蓋虛幻引擎理論基礎(chǔ)、核心功能模塊、可視化藍(lán)圖腳本編輯和行業(yè)應(yīng)用案例，采用知識點(diǎn)和案例化教學(xué)應(yīng)用相結(jié)合的方式構(gòu)建完整的虛幻引擎知識與應(yīng)用體系。

本書總計9章，涵蓋了Kubernetesv1.29及之前版本的主要特性。圍繞Kubernetes認(rèn)證機(jī)制和安全機(jī)制進(jìn)行深入講解，既有實(shí)例，又有深入分析，可以讓讀者更容易理解Kubernetes中的認(rèn)證機(jī)制、授權(quán)模式、準(zhǔn)入控制機(jī)制，以及Pod的安全管理機(jī)制。圍繞Kubernetes存儲進(jìn)行深入講解，涉及持久卷相關(guān)的PV、

在過去幾年中，容器技術(shù)的廣泛應(yīng)用推動了容器編排技術(shù)的迅猛發(fā)展，尤其是Kubernetes的興起。作為當(dāng)前非常受歡迎的容器編排系統(tǒng)，Kubernetes能夠有效應(yīng)對生產(chǎn)環(huán)境中復(fù)雜的編排需求，幫助企業(yè)實(shí)現(xiàn)大規(guī)模多容器集群的高效管理。本書將Kubernetes1.25.0版本源碼作為剖析對象，深入探討其核心組件和實(shí)現(xiàn)原理。通

本書是一本應(yīng)用爬蟲技術(shù)進(jìn)行數(shù)據(jù)采集、整理和數(shù)據(jù)可視化的實(shí)戰(zhàn)讀物。本書以高效開源的python語言編寫，python擁有多重開源的網(wǎng)絡(luò)爬蟲工具、數(shù)據(jù)分析工具和數(shù)據(jù)可視化的工具，代碼簡潔，便于學(xué)習(xí)。本書集中于常用的python第三方工具，從工具的安裝、引入到方法和屬性做了詳細(xì)的介紹，同時對各種方法和屬性通過大量案例講解幫助

近些年來，在深度學(xué)習(xí)的推動下，人工智能步入新的發(fā)展階段。然而，隨著深度學(xué)習(xí)模型性能的提升，其計算復(fù)雜度也在不斷增加，深度學(xué)習(xí)模型的運(yùn)行效率面臨巨大挑戰(zhàn)。在這種情況下，深度學(xué)習(xí)高效計算成為在更大范圍內(nèi)應(yīng)用人工智能的重要環(huán)節(jié)。本書圍繞深度學(xué)習(xí)模型計算，重點(diǎn)從深度學(xué)習(xí)模型優(yōu)化、算法軟件加速、硬件架構(gòu)設(shè)計等方面展開介紹深度學(xué)習(xí)