告别服务器繁忙，云上部署DeepSeek
本文以 DeepSeek-R1-Distill-Qwen-32B-FP8 为例，向您介绍如何在GPU实例上使用容器来部署量化的 DeepSeek-R1 蒸馏模型。
《探秘小批量梯度下降：批量大小如何左右算法性能》
小批量梯度下降（MBGD）在机器学习中广泛应用，其批量大小选择至关重要。合适的批量大小能平衡计算效率与收敛稳定性：较大批量提高硬件利用率、加速训练，但占用更多内存；较小小批量引入噪声，增强泛化能力，避免过拟合。批量大小影响梯度估计准确性、学习率调整及跳出局部最优的能力。实际应用需综合考虑数据集规模、硬件资源和模型复杂度，通过实验找到最优值。
方案测评 ｜ 零基础5分钟拥有自己的DeepSeek-R1 满血版
阿里云推出的DeepSeek解决方案，帮助用户轻松拥有满血版DeepSeek-R1。无需编程知识，最快10分钟完成部署，支持API调用、PAI平台、函数计算和GPU服务器等多种方式。方案具备低门槛、高弹性、成本优化等优势，尤其适合零基础用户。解决方案链接：https://www.aliyun.com/solution/tech-solution/deepseek-r1-for-platforms?utm_content=g_1000401616
DeepSeek模型部署全过程实践，轻松上手就在阿里云
随着人工智能技术的不断发展，越来越多的企业和个人开始探索如何利用深度学习模型来提升业务效率和用户体验。阿里云推出的【零门槛、轻松部署您的专属 DeepSeek 模型】解决方案为用户提供了多种便捷的部署方式，包括**基于百炼 API 调用满血版、基于人工智能平台 PAl 部署、基于函数计算部署以及基于 GPU 云服务器部署**。本文将从多个维度对这些部署方式进行详细评测，并分享个人的实际体验和观点。
《解锁AI芯片新境界：提升专用人工智能芯片通用性与灵活性的热点技术》
在人工智能快速发展的背景下，专用AI芯片虽在特定任务上表现出色，但提升其通用性和灵活性成为关键。热点技术包括：可重构架构（如FPGA），支持动态调整硬件结构；混合精度计算，根据任务需求调整计算精度；多模态处理，融合视觉、语音等数据；软件定义硬件，通过编程实现功能灵活配置；硬件虚拟化，将物理资源虚拟化为多个独立逻辑单元；异构集成，结合CPU、GPU、NPU等单元协同工作。这些技术共同推动AI芯片的广泛应用和性能提升。
阿里云与麒麟软件签署全面合作协议
近日，麒麟软件与阿里云签署全面合作协议。双方明确建立长期、稳定的战略合作伙伴关系，在操作系统+人工智能领域展开深度合作，共同推动信息产业技术高速发展。