如下图，我用的python是3.8版本，想要下载pytorch的cuda=11.7版本的GPU环境，但是输入以下命令之后总是显示下载cpu版本的安装包。 解决办法：先把cpu版本的工具包下载下来，然后通过本地安装用GPU版本替换cpu版本。在Proceed([y]/n)?后面输入y敲击回车下载安装cpu版本。 done说明下载完成，然后进入python环境，输入以下命令，如果不报错说明cpu版本安装成功。importtorch输入exit()，退回到原来的环境。在清华源https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/win-64/，找到以下
近日，清华大学自动化系戴琼海院士、吴嘉敏助理教授与电子工程系方璐副教授、乔飞副研究员联合攻关，提出了一种“挣脱”摩尔定律的全新计算架构：光电模拟芯片，算力达到目前高性能商用芯片的3000余倍。如果用交通工具的运行时间来类比芯片中信息流计算的时间，那么这枚芯片的出现，相当于将京广高铁8小时的运行时间缩短到8秒钟。据介绍，在这枚小小的芯片中，清华大学攻关团队创造性地提出了光电深度融合的计算框架。从最本质的物理原理出发，结合了基于电磁波空间传播的光计算，与基于基尔霍夫定律的纯模拟电子计算，“挣脱”传统芯片架构中数据转换速度、精度与功耗相互制约的物理瓶颈，在一枚芯片上突破大规模计算单元集成、高效非线性
【YOLOv5改进系列】前期回顾：YOLOv5改进系列（0）——重要性能指标与训练结果评价及分析YOLOv5改进系列（1）——添加SE注意力机制YOLOv5改进系列（2
随着各类大模型和深度神经网络的涌现，如何制造出满足人工智能发展、兼具大算力和高能效的下一代AI芯片，已成为国际前沿热点。中国科协发布的2023重大科学问题中「如何实现低能耗人工智能」被排在首位。近日，清华大学团队在超高性能计算芯片领域取得新突破。相关成果以《面向高速视觉任务的纯模拟光电计算芯片》（All-analogphoto-electronicchipforhigh-speedvisiontasks）为题发表在Nature上。这枚芯片基于纯模拟光电融合计算架构，在包括ImageNet等智能视觉任务实测中，相同准确率下，比现有高性能GPU算力提升三千倍，能效提升四百万倍。图1相关论文（来源：
新一代信息与智能技术的迅猛发展推动着人类逐步迈入智能社会。在数字技术和智能推荐算法的加持下，媒体和平台越来越贴心，总是能最快最准的地契合人们的个性化偏好和需求。然而，与此同时，智能精准推荐致使「信息茧房」现象不断发酵，观点相似的人群在网络空间组成团体，特定价值偏好在群体中汇集放大，逐渐形成极端的观点。针对名人或社会事件的每一种极端观点都能够被利用成为意识形态加入和影响的工具，在网络空间和现实世界中推波助澜，掀起「汹汹民意」。然而，即便如此，我们对于信息茧房仍所知甚少：真实线上系统中的信息茧房究竟有多严重？缺乏大规模实证研究；信息茧房的形成机理是什么？缺乏基础理论支撑；如何解决信息茧房问题？缺乏
清华大学朱文武教授团队自2020年发布智图库（AutoGL）以来，在图自动机器学习的可解释性和可泛化能力等方面取得新进展，特别关注于图Transformer、图分布外泛化（OOD）、图自监督学习等方面，发表图神经架构搜索评测基准，并在中国新一代开源创新服务平台GitLink上发布首个轻量智图库（AutoGL-light）。智图库回顾图（graph）是描述数据间关系的一般抽象，广泛存在于不同的研究领域中并有许多重要应用，例如社交网络分析、推荐系统、交通预测等互联网应用，新药物发现、新材料制备等科学应用（AIforScience），覆盖诸多不同领域。图机器学习在近年来取得了广泛关注。由于不同图数据
清华开源通用智能体XAgent，登上GitHub热榜，狂揽1400+🌟各种任务都能做，让它使用python来分析给定的数据，分分钟搞定：数学题也难不倒它：编制最有影响力的心理学读书清单，并对每本书做简要总结这种操作就更不在话下：（上图中的翻译均为机器翻译）通过展示可以看到，XAgent在回答问题时会分条缕析，逐步给出回答，这是开发专门为其设计的双循环机制。这种设计下，XAgent的自主性非常高，处理复杂任务也“得心应手”，关键安全性也很高。在各项基准测试下，XAgent表现都完全优于AutoGPT、GPT-4。更多细节我们接着往下看。各种任务都能做将一个数据包上传到XAgent，让它分析数据并
近日，国内领先的人工智能大模型公司面壁智能又放大招，联合清华大学NLP实验室共同研发并推出大模型「超级英雄」——XAgent。通过任务测试，XAgent在真实复杂任务的处理能力已全面超越AutoGPT。XAgent在真实复杂任务处理中全面超越AutoGPT现已在GitHub正式开源，地址https://github.com/OpenBMB/XAgent案例展示地址：https://x-agent.net/博客地址：https://blog.x-agent.netXAgent何许「人」也？XAgent是一个可以实现自主解决复杂任务的全新AI智能体，以LLM为核心，能够理解人类指令、制定复杂计划并
GPT-4近日开放了视觉模态（GPT-4V）。以GPT-4V、谷歌Bard为代表的多模态大语言模型(MultimodalLargeLanguageModels,MLLMs)将文本和视觉等模态相结合，在图像描述、视觉推理等各种多模态任务中展现出了优异的性能。然而，视觉模型长久以来存在对抗鲁棒性差的问题，而引入视觉模态的MLLMs在实际应用中仍然存在这一安全风险。最近一些针对开源MLLMs的研究已经证明了该漏洞的存在，但更具挑战性的非开源商用MLLMs的对抗鲁棒性还少有人探索。为了更好地理解商用MLLMs的漏洞，清华朱军教授领衔的人工智能基础理论创新团队围绕商用MLLM的对抗鲁棒性展开了研究。尽管
10月10日消息，近期，清华大学集成电路学院吴华强教授、高滨副教授基于存算一体计算范式，在支持片上学习的忆阻器存算一体芯片领域取得重大突破，研究成果发表在《科学》（Science）上。据清华大学介绍，记忆电阻器（Memristor），是继电阻、电容、电感之后的第四种电路基本元件。它可以在断电之后，仍能“记忆”通过的电荷，被当做新型纳米电子突触器件。2012年，钱鹤、吴华强团队开始研究用忆阻器来做存储，但由于忆阻器的材料器件优化和集成工艺不成熟，团队只能靠自己在实验室里摸索，在一次又一次失败的实验中探索提高器件的一致性和良率。两年后，清华大学与中科院微电子所、北京大学等单位合作，优化忆阻器的器件
