热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

资讯2018年11月

2018年11月1)AI的寒冬将至。  深度学习技术没有突破进展;深度学习无法扩大规模;自动驾驶濒临崩溃。结合这些事实,Pi
2018年11月

  1)AI的寒冬将至。
  深度学习技术没有突破进展;深度学习无法扩大规模;自动驾驶濒临崩溃。结合这些事实,Piekniewski得出了这样的一个结论:
  更多的媒体已经开始注意到,我们已经处于一个巨大的人工智能泡沫之中了,这让人工智能行业已经没有了多少“新鲜空气”。但我认为,这个泡沫的最终破灭还需要一段时间,接下来的6个月很可能会非常有趣。

  2)看来明年的趋势是各大框架全线支持Int8的inference了
  对于移动终端深度学习的应用发展是看好的,毕竟硬件厂商ARM已经推出了具备dot int8指令集的Cortex-A55/A76,再不支持就太对不住ARM厂挤出来的这坨大牙膏(SVE遥遥无期…)。
  沿用了TensorFlow Lite的量化算法,指令集使用很保守(vmlal.s16 int32x4, int16x4, int16x4),没有像ncnn采用疯狂的overflow的乘加方式(vmlal.s8 int16x8, int8x8, int8x8)。溢出问题其实并没有想象的那么严重,甚至可以避免,不然怎么实现的端到端int8呢,对了int4有什么好办法吗?英伟达的新卡都有int4单元了。

  3)AI与安全领域
  由于AI狂飙突进,数据和计算规模都前所未见,所以背后的安全问题,也值得更多关注。有需求,自然也就有机会,所以Patterson教授也表示,安全领域,也有很大机会可言。

  4)百度联合软协发起深度学习工程师认证考试,19年1月启动报名

  5)英特尔的「神经元计算棒」让你把 AI 带着走
  这根不比 U 盘大多少的棒子要价 US$100。
  英特尔将于北京举办的第一届 AI 开发者会议前夕,该公司发布了第二代的神经元计算棒「Neural Compute Stick 2」。顾名思义地,它是将神经元运算所需的元件做到了像 U 盘一样的外型中,可以直接插在电脑上,提供 AI 相关运算的辅助。不过它要求电脑必须要是 Linux 环境,并且有 USB 3.0 接口就是了。
  Intel 设想中这设备最适合的应用场合,就是在户外进行无人机监控、或是自驾车的测试之类的情境。这些使用者可能无法取得强力电脑或云端服务的支持,因此本地端设备就要有足够强大的计算能力。这当中最常见的需求就是影像资料的分析,因此它也内建了 Movidius Myriad X 视觉处理器,来加强这方面的的能力。和前代相比,它的运算速度足足快了有八倍之多呢。

  6)安博会上,还有人向雷锋网评价说,AI公司的出路,要么做芯片、要么做集成商、要么被“海大宇”(海康威视、大华和宇视科技)收购。有意思的是,这位业内人士正是来自依图。

  7)德勤2018年中国人工智能白皮书
  人工智能在金融领域的应用最为深入, 应用场景逐步由以交易安全为主向变革金融经营全过程扩展。传统金融机构与科技企业进行合作推进人工智能在金融行业的应用, 改变了金融服务行业的规则, 提升金融机构商业效能, 在向长尾客户提供定制化产品的同时降低金融风险。
  京津冀、 珠三角、 长三角以及西部川渝地区成为人工智能企业聚集地区。 北京、 上海、 深圳牢牢占据人工智能城市实力第一梯队的位置, 广州的大型企业与初创企业数量较少, 杭州主要依靠阿里巴巴,因而属于第二梯队, 重庆则受到技术与人才基础限制处于第三梯队。
  综合而言,C端用户重视体验和产品,且需求相对多样复杂,然而目前技术还不够支撑体验很好的产品和应用(如服务机器人);B端和G端更注重效率提升且需求明确,因此目前大部分人工智能企业选择以此为突破。
  在过去三年,企业服务、大健康、金融、机器人、汽车和行业解决方案的人工智能是最热门的投资领域。从二级行业来看,企业服务中的智能营销,金融中的智能风控,大健康中的智能影像诊疗,汽车中的ADAS系统和机器人中的服务机器人都是人工智能细分领域的热门投资对象。
在这里插入图片描述

在这里插入图片描述

  8)TensorFlow2.0的改动,全都是keras
  合并tf.train和tf.keras.optimizers。吐槽:以后应该是这样:import tensorflow.keras as tf。

  9)OpenCV 4.0 正式版发布
  dnn 模块包括实验用 Vulkan 后端,且支持 ONNX 格式的网络。
  OpenCV 4.0 支持 Mask-RCNN 模型,性能也有所提升,图像处理操作可实现 15%-30% 的速度提升。
  其实自从 OpenCV 3.1 以来,它就包含了能实现深度网络前向传播的 DNN 模块,这些深度网络一般都由 Caffe 等深度学习框架预训练而成。在 OpenCV 3.3 中,DNN 模块从 opencv_contrib 移到了核心代码库,并取得了显著的加速。


推荐阅读
  • 自动驾驶中的9种传感器融合算法
    来源丨AI修炼之路在自动驾驶汽车中,传感器融合是融合来自多个传感器数据的过程。该步骤在机器人技术中是强制性的,因为它提供了更高的可靠性、冗余性以及最终的 ... [详细]
  • 本文详细介绍了 Java 网站开发的相关资源和步骤,包括常用网站、开发环境和框架选择。 ... [详细]
  • 英特尔推出第三代至强可扩展处理器及傲腾持久内存,AI性能显著提升
    英特尔在数据创新峰会上发布了第三代至强可扩展处理器和第二代傲腾持久内存,全面增强AI能力和系统性能。 ... [详细]
  • 龙蜥社区开发者访谈:技术生涯的三次蜕变 | 第3期
    龙蜥社区的开发者们通过自己的实践和经验,推动着开源技术的发展。本期「龙蜥开发者说」聚焦于一位资深开发者的三次技术转型,分享他在龙蜥社区的成长故事。 ... [详细]
  • 非计算机专业的朋友如何拿下多个Offer
    大家好,我是归辰。秋招结束后,我已顺利入职,并应公子龙的邀请,分享一些秋招面试的心得体会,希望能帮助到学弟学妹们,让他们在未来的面试中更加顺利。 ... [详细]
  • 本文介绍如何使用OpenCV和线性支持向量机(SVM)模型来开发一个简单的人脸识别系统,特别关注在只有一个用户数据集时的处理方法。 ... [详细]
  • Python 数据可视化实战指南
    本文详细介绍如何使用 Python 进行数据可视化,涵盖从环境搭建到具体实例的全过程。 ... [详细]
  • 视觉Transformer综述
    本文综述了视觉Transformer在计算机视觉领域的应用,从原始Transformer出发,详细介绍了其在图像分类、目标检测和图像分割等任务中的最新进展。文章不仅涵盖了基础的Transformer架构,还深入探讨了各类增强版Transformer模型的设计思路和技术细节。 ... [详细]
  • Hibernate全自动全映射ORM框架,旨在消除sql,是一个持久层的ORM框架1)、基础概念DAO(DataAccessorOb ... [详细]
  • H5技术实现经典游戏《贪吃蛇》
    本文将分享一个使用HTML5技术实现的经典小游戏——《贪吃蛇》。通过H5技术,我们将探讨如何构建这款游戏的两种主要玩法:积分闯关和无尽模式。 ... [详细]
  • 软件测试行业深度解析:迈向高薪的必经之路
    本文深入探讨了软件测试行业的发展现状及未来趋势,旨在帮助有志于在该领域取得高薪的技术人员明确职业方向和发展路径。 ... [详细]
  • 本周三大青年学术分享会即将开启
    由雷锋网旗下的AI研习社主办,旨在促进AI领域的知识共享和技术交流。通过邀请来自学术界和工业界的专家进行在线分享,活动致力于搭建一个连接理论与实践的平台。 ... [详细]
  • 问题描述现在,不管开发一个多大的系统(至少我现在的部门是这样的),都会带一个日志功能;在实际开发过程中 ... [详细]
  • 知识图谱与图神经网络在金融科技中的应用探讨
    本文详细介绍了融慧金科AI Lab负责人张凯博士在2020爱分析·中国人工智能高峰论坛上的演讲,探讨了知识图谱与图神经网络模型如何在金融科技领域发挥重要作用。 ... [详细]
  • 在2019中国国际智能产业博览会上,百度董事长兼CEO李彦宏强调,人工智能应务实推进其在各行业的应用。随后,在“ABC SUMMIT 2019百度云智峰会”上,百度展示了通过“云+AI”推动AI工业化和产业智能化的最新成果。 ... [详细]
author-avatar
宋安武_375
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有