Le jalon posé par AlexNet en 2012 reposait sur une ingénierie GPU de bas niveau (cuda-convnet) et une architecture répartie sur deux GPU. Il a directement déclenché une course rapide vers des modèles de vision par ordina
Entre 2015 et aujourd'hui, l'apprentissage profond est passé du code GPU C++ réglé à la main et des réseaux convolutifs aux moteurs matriciels accélérés matériellement et aux architectures Transformer. Ces trois jalons d
Les Transformers modernes reposent sur le calcul matriciel de l'auto-attention, des compilateurs GPU de haut niveau comme Triton et des noyaux CUDA tenant compte de la mémoire comme FlashAttention pour traiter d'immenses
CUDA (Compute Unified Device Architecture) est la plateforme de calcul parallèle et le modèle de programmation de NVIDIA qui permettent aux frameworks de deep learning d'exécuter de lourds calculs mathématiques sur des G
Les chercheurs en IA ont commencé à reconnaître l'énorme avantage de performance de CUDA pour les réseaux de neurones entre 2006 et 2009, la percée décisive auprès du grand public ayant eu lieu en 2012. Avant ce basculem
En 2012, la percée d'AlexNet a prouvé que des réseaux de neurones profonds associés à des GPU compatibles CUDA pouvaient surpasser des décennies d'ingénierie traditionnelle en vision par ordinateur. Lors de l'ImageNet La
Life360 a ouvert sa plateforme Family Intelligence aux assistants IA tiers, permettant aux agents connectés d'interroger des informations auprès de so