你看見的世界其實是媒體資訊建構的論文書籍站
isca評價的問題，透過圖書和論文來找解法和答案更準確安心。 我們挖掘到下列精選懶人包
isca評價的問題，我們搜遍了碩博士論文和台灣出版的書籍，推薦梁曉嶢寫的 昇騰AI處理器架構與編程：深入理解CANN技術原理及應用 可以從中找到所需的評價。
長庚大學 資訊工程學系 呂仁園所指導 劉祈宏的 以生成式深度學習達成多語者跨語言之語音轉換 （2021），提出isca評價關鍵因素是什麼，來自於語音轉換、語音辨識、台語、文化保留、多目標轉換、跨語言轉換、樂聲分離。
而第二篇論文國立臺灣師範大學 大眾傳播研究所 林慧斐所指導 鍾守沂的 Youtube之品牌熟悉度、自我揭露程度、訂閱數對消費者行為之影響 （2020），提出因為有 網路紅人、Youtube、Youtuber、業配、擬社會互動、品牌熟悉度、自我揭露、訂閱數、廣告效果、品牌態度、購買意願的重點而找出了 isca評價的解答。
昇騰AI處理器架構與編程：深入理解CANN技術原理及應用
為了解決isca評價 的問題，作者梁曉嶢 這樣論述：
本書系統論述了基本達芬奇架構的昇騰（Asccnd）AI處理器的原理、架構與開發技術。全書共分6章，內容涵蓋了神經網路理論基礎、計算晶片與開源框架、昇騰AI處理器軟硬體架構、程式設計理論與方法，以及典型案例等。為便於讀者學習，書中還給出了基本昇騰AI處理器的豐富的技術文檔、開發實例等線上資源。 本書可以作為普通高等學校人工智慧、智慧科學與技術、電腦科學與技術、電子資訊工程、自動化等專業的本科生及研究生教材，也適合作為從事人工智慧系統設計的科研和工程技術人員的參考用書。 梁曉嶢，上海交通大學電腦科學與工程系教授、博士生導師、學科帶頭人。畢業於美國哈佛大學，獲得博士學位。研究方
向包括電腦體系結構、積體電路設計、通用圖形處理器和人工智慧晶片架構等。發表論文80餘篇（包括國際d級學術會議（ISCA、HPCA、MICRO、ISSCC、DAC、ICCAD等）論文），其中2篇入選電腦體系結構年度z佳論文（IEEE MICRO TOP PICKS）。 第1章基礎理論00 1.1人工智慧簡史00 1.2深度學習概論00 1.3神經網路理論0 1.3.1神經元模型0 1.3.2感知機0 1.3.3多層感知機0 1.3.4卷積神經網路0 1.3.5應用示例0 第2章行業背景0 2.1神經網路晶片現狀0 2.1.1CPU0
2.1.2GPU0 2.1.3TPU0 2.1.4FPGA0 2.1.5昇騰AI處理器0 2.2神經網路晶片加速理論0 2.2.1GPU加速理論0 2.2.2TPU加速理論0 2.3深度學習框架0 2.3.1MindSpore0 2.3.2Caffe0 2.3.3TensorFlow0 2.3.4PyTorch0 2.4深度學習編譯框架——TVM0 第3章硬體架構0 3.1昇騰AI處理器總覽0 3.2達芬奇架構0 3.2.1計算單元0 3.2.2存儲系統0 3.2.3控制單元0 3.2.4指令集設計0 3.
3卷積加速原理0 3.3.1卷積加速0 3.3.2架構對比0 第4章軟體架構0 4.1昇騰AI軟體棧總覽0 4.2神經網路軟體流 4.2.1流程編排器 4.2.2數位視覺預處理模組 4.2.3張量加速引擎(TBE) 4.2.4運行管理器 4.2.5任務調度器 4.2.6框架管理器 4.2.7神經網路軟體流應用 4.3開發工具鏈 4.3.1功能簡介 4.3.2功能框架 4.3.3工具功能 第5章程式設計方法 5.1深度學習開發基礎 5.1.1深度學習程式設計理論 5.1.2深度學習推理優化原理 5.1.3深度學
習推理引擎 5.2昇騰AI軟體棧中的技術 5.2.1模型生成階段 5.2.2應用編譯與部署階段 5.3自訂運算元開發 5.3.1開發步驟 5.3.2AI CPU運算元開發 5.3.3AI Core運算元開發 5.4自訂應用開發 第6章實戰案例 6.1評價標準 6.1.1精度 6.1.2交並比 6.1.3均值平均精度 6.1.4輸送量和時延 6.1.5能效比 6.2圖像識別 6.2.1資料集：ImageNet 6.2.2演算法：ResNet 6.2.3模型遷移實踐 6.3目標檢測 6.3.1資料集：COCO
6.3.2演算法：YoloV3 6.3.3自訂運算元實踐 附錄A縮略詞列表 附錄BAscend開發者社區及資料下載 附錄C智慧開發平臺ModelArts簡介
以生成式深度學習達成多語者跨語言之語音轉換
為了解決isca評價 的問題，作者劉祈宏 這樣論述：
本論文透過延伸前人研究[1]，使用文字不相關的非平行語料將語音轉換應用至多目標上，可將語音分離出文字內容與語者資訊。並藉由生成對抗式訓練，使得轉換之聲音更加自然。藉由本實驗室收集的台語語料，並結合公開語料集VCTK Corpus[2]同時混合訓練，以達成單一模型多語言跨語者之語音轉換。透過此技術收集知名人士的聲音，其可能在公開場合上鮮少或不曾公開發表過台語演說，藉由本研究的成果，我們可以將一般人的台語演講，轉換成此【目標語者】的聲音。藉由大家熟悉的聲音，增加台灣的年輕人對使用臺語的意願。在實驗設計與評估上，也分別從不同面向探討。在實驗的部分，我們從不同人數的訓練，資料片段長度的選擇以及單一性
別進行探討，在評估方面，我們分別使用主觀評估與客觀評估，分別採用平均評價計分(Mean Opinion Score, MOS)，以及梅爾倒譜失真度(Mel-cepstral distortion, MCD)作為衡量標準，兩者皆顯示藉由生成對抗式訓練之模型有較好的結果。同時我們也使用Spleeter[3]，將歌唱類聲音進行樂音分離，進行樂音分離後使用本文之模型進行語音轉換，並可取得初步之效果。此外，我們也時實現一個基於卷積神經網路之台語關鍵詞辨識，能夠辨識約30字詞。
Youtube之品牌熟悉度、自我揭露程度、訂閱數對消費者行為之影響
為了解決isca評價 的問題，作者鍾守沂 這樣論述：
隨著社群平台以及Youtube的影音內容興起，使用者原創內容成為各社群平台重要的元素，而許多廠商看準這種現象，紛紛與利用網路產生影響力的網紅合作，試圖透過與網紅合作的業配，使產品在觀看者面前大量曝光，並加上網紅分享使用心得等，吸引消費者的目光。本研究以Youtube平台為背景，結合社會回應理論與符號互動論，研究採2品牌熟悉度(品牌熟悉度高 vs. 品牌熟悉度低) x 2自我揭露程度(自我揭露程度高 vs. 自我揭露程度低)x 2訂閱數(訂閱數高 vs. 訂閱數低)之三因子組間實驗設計，探討Youtube網紅所拍攝業配影片的廣告 效果，以及擬社會互動在自變項(品牌熟悉度、自我揭露程度、訂閱數)
與依變 項(品牌態度、購買意願)之間的中介效果。本研究結果證實:(1)「品牌熟悉度高」相較於「品牌熟悉度低」有較佳 的消費者行為、(2)「自我揭露程度高」相較於「自我揭露程度低」有較佳的 消費者行為、(3)「品牌熟悉度高、訂閱數高時」，相較於「自我揭露度低」， 「自我揭露度高」能產生較佳的消費者行為、(4)擬社會互動在品牌熟悉度、 訂閱數、自我揭露程度與消費者行為間無中介效果影響。