推荐场景GPU优化的探索与实践：CUDA Graph与多流并行的比较与分析
RTP 系统(即 Rank Service)，是一个面向搜索和推荐的 ranking 需求，支持多种模型的在线 inference 服务，是阿里智能引擎团队沉淀多年的技术产品。今年，团队在推荐场景的GPU性能优化上又做了新尝试——在RTP上集成了Multi Stream，改变了TensorFlow的单流机制，让多流的执行并行，作为增加GPU并行度的另一种选择。本文详细介绍与比较了CUDA Graph与多流并行这两个方案，以及团队的实践成果与心得。
AI学习
学习AI涉及编程语言（如Python）、数学基础、AI理论（包括机器学习、深度学习）、实践应用（如使用TensorFlow）、案例研究、伦理法律及持续跟进最新技术。从基础知识到项目实战，全面掌握AI需要扎实的理论与实践经验，关注领域发展，并具备跨学科协作能力。对于个人职业发展和适应未来社会，AI技能至关重要。
理解LSTM网络（整合）
LSTM 已经在科技领域有了多种应用。基于 LSTM 的系统可以学习翻译语言、控制机器人、图像分析、文档摘要、语音识别图像识别、手写识别、控制聊天机器人、预测疾病、点击率和股票、合成音乐等等任务。下面是自己学习过程中收集的LSTM资料
MobileNetV3架构解析与代码复现
MobileNet模型基于深度可分离卷积，这是一种分解卷积的形式，将标准卷积分解为深度卷积和`1*1`的点卷积。对于MobileNet，深度卷积将单个滤波器应用于每个输入通道，然后，逐点卷积应用`1*1`卷积将输出与深度卷积相结合。