El hito de AlexNet en 2012 se apoyó en ingeniería de GPU de bajo nivel (cuda-convnet), una arquitectura dividida entre dos GPU, y desencadenó directamente una rápida carrera hacia modelos de visión por computadora más pr
Entre 2015 y la actualidad, el aprendizaje profundo evolucionó desde código C++ para GPU ajustado a mano y redes convolucionales hasta motores matriciales acelerados por hardware y arquitecturas Transformer. Estos tres h
Los Transformers modernos se apoyan en el cálculo matricial de autoatención, compiladores de GPU de alto nivel como Triton y kernels CUDA que tienen en cuenta la memoria, como FlashAttention, para procesar enormes secuen
CUDA (Compute Unified Device Architecture) es la plataforma de computación paralela y el modelo de programación de NVIDIA que permite a los frameworks de deep learning ejecutar cálculos matemáticos pesados en GPU. Al dis
Los investigadores de IA empezaron a reconocer la enorme ventaja de rendimiento de CUDA para las redes neuronales entre 2006 y 2009, y el avance decisivo hacia el uso masivo llegó en 2012. Antes de este cambio, las redes
En 2012, el avance de AlexNet demostró que las redes neuronales profundas combinadas con GPU compatibles con CUDA podían superar décadas de ingeniería tradicional en visión por computador. En el ImageNet Large Scale Visu
Life360 ha abierto su plataforma Family Intelligence a asistentes de inteligencia artificial de terceros, lo que permite a los agentes conectados cons