跳转到主要内容
Toggle navigation
产品
所有产品
图形处理器(GPU)
人工智能(AI)
光线追踪
功能安全
软件解决方案
IMG E系列
IMG D系列
IMG DXTP GPU
IMG DXS GPU
IMG DXD GPU
IMG CXM GPU
IMG DXT GPU
IMG B Series GPU
应用市场
所有市场
汽车
消费电子
移动设备
数据中心和桌面级应用
技术
技术
博客
动态
活动
开发者
下载
视频
大学计划
公司
关于我们
为什么选择 Imagination
联系我们
Imagination Tech 官网
登录
注册
产品
应用市场
技术
博客
动态
活动
开发者
下载
视频
大学计划
公司
博客
90% 新手都会陷入的 5 个渲染参数误区
本文为大家详细剖析 90% 新手都会陷入的 5 个渲染参数误区,助你绕开弯路,轻松提升渲染质量。
2025-09-30 |
3D渲染
,
3D设计
CISO调查:AI时代网络安全六大关键趋势
随着数字供应链持续扩张、生成式AI(GenAI)深入关键业务系统,安全领导者们正重构其安全优先级与治理路径。
2025-09-30 |
网络安全
,
AI安全
高密度人工智能计算对数据中心意味着什么?
随着AI应用的扩展,数据中心必须应对前所未有的计算需求、能耗压力和运营复杂性。
2025-09-30 |
人工智能
,
AI计算
,
数据中心
常见渲染问题排查方法汇总
优化故障排除方法,以快速缩小问题场景的范围显得尤为重要,本文是常见的检查场景排除故障的策略和方法。
2025-09-29 |
渲染
,
渲染引擎
中国信通院发布2025人工智能产业十大关键词
中国信息通信研究院正式发布“2025人工智能产业十大关键词”,中国信通院人工智能研究所所长魏凯针对十大关键词反映出的新热点、新趋势进行了深入解读。
2025-09-29 |
人工智能
一维卷积神经网络(1D-CNN)
一维卷积神经网络(1D Convolutional Neural Network, 1D CNN)是卷积神经网络的一种变体,专门用于处理序列数据,如时间序列、文本等。
2025-09-29 |
卷积神经网络
,
CNN
,
神经网络
从建模到渲染:9大CGI神器,让你的设计效率翻倍
本文将详细解析当前市面上最出色的9款CGI工具。从强大的渲染软件到多功能的建模程序,你一定能找到最适合的工具,将创意想法变为现实,并让工作流程更加顺畅。
2025-09-28 |
着色器
,
GPU渲染
,
数字设计
,
游戏建模
RISC-V,紧盯万亿市场
作为一个开放且高度灵活的生态系统,RISC-V 既提供标准化,又提供定制化,它为硬件开发者提供了构建高度针对性的 AI 原生芯片所需的芯片自由度。
2025-09-28 |
RISC-V
卷积神经网络中的权重(weights)和偏置项(bias)
在卷积神经网络(CNN)中,权重(weights)和偏置项(bias)是两个至关重要的参数,它们在网络的学习和推断过程中起着关键作用。
2025-09-28 |
卷积
,
神经网络
,
CNN
2025年重塑企业IT的七大云计算趋势
云计算技术已从单纯的成本效益型存储工具,演变为推动企业数字化转型的核心力量。
2025-09-28 |
云计算
,
人工智能
,
边缘计算
,
云安全
3D景深效果掌握指南:3D叙事的关键性技巧
随着渲染技术与硬件显示能力的飞速发展,景深已从一种物理光学现象,演变为数字创作中兼具技术与艺术性的表达语言。
2025-09-26 |
3D景深
,
3D渲染
一分钟带你全面了解GPU参数指标
本篇文章将全面分析GPU核心参数体系:算力、显存大小、显存带宽、热门架构特性等关键指标,旨在帮您理解不同应用场景下,如何选择最合适的GPU算力解决方案。
2025-09-26 |
GPU算力
,
GPU架构
互联:高性能计算的必经之路
高性能计算互联的演变中,目前有三大趋势。集群间,互联方式从TCP/ IP向RDMA架构转变; Die间,多种芯粒互联技术正在加速崛起;片间,由PCIe向多节点无损网络演进。
2025-09-26 |
高性能计算
,
Chiplet
,
GPU计算
中国信通院标准所联合发布《量子计算发展态势研究报告(2025年)》
量子计算以量子比特为基本单位,基于量子叠加和量子纠缠等特性实现高效并行运算,有望为解决复杂计算难题提供指数级加速,成为推动未来算力跨域式发展重要方向,兼具重要科学价值和战略意义。
2025-09-26 |
量子计算
,
中国信通院
大型语言模型(LLM)与小型语言模型(SLM):有何区别?
尽管两者在基本原理上类似,但在架构、功能、成本及应用场景方面存在显著差异。了解这些差异对于企业和个人在选择适合的模型时具有重要意义。
2025-09-25 |
LLM
,
大模型
,
SLM
434 中的第 1
››