陆奇“入驻” YC,开启新征程,TensorFlow 2.0 即将发布,所有 tf.contrib 将被弃用

李倩 发表于 2018-08-19 09:44:54 收藏 已收藏
赞(0) •  评论(0

陆奇“入驻” YC,开启新征程,TensorFlow 2.0 即将发布,所有 tf.contrib 将被弃用

李倩 发表于 2018-08-19 09:44:54

▌业界焦点

陆奇“入驻” YC,开启新征程

8 月 15 日,据 36 氪消息,Y Combinator(以下简称 YC)宣布中国作为美国市场外展开业务的首个国家,同时,宣布陆奇担任 YC 中国创始人及首席执行官,全权负责 YC 在华业务的发展,并担任 YC 全球研究院院长,领导 YC 全球研究院的前沿科学研究。

陆奇称自己对自然语言交互、计算机视觉等 AI 技术非常看好。“人工智能技术对科研领域有非常大的影响。我在 YC 做的事情,就是希望能够尽快推动这些愿景的落地,特别是在中国。”(via 36氪)

谷歌 DeepMind 的 AI 可以检测出超过 50 种威胁视力的眼疾

DeepMind 周一发布了一项研究,显示其在使用人工智能诊断眼部疾病方面取得的进展。该研究发表在自然科学杂志上,该研究报告称,DeepMind 与伦敦 Moorfields 眼科医院合作,已经训练其算法能够检测出超过 50 种威胁视力的病症,其准确度与专家临床医生相同。它还能够为患者正确推荐最合适的行动方案,并优先考虑那些最迫切需要护理的人。

DeepMind 的 AI 已经使用一种特殊类型的眼睛扫描仪进行了培训,但研究人员称它与任何型号都兼容。这不仅意味着它可以广泛使用而且没有硬件限制,即使更换和更新设备,它仍将在未来是有用的。但是,在 AI 用于临床诊疗之前,它必须通过临床试验并获得监管部门的批准。

英伟达十年力作:新一代光线追踪显卡 Quadro RTX 及核心架构 Turing,可支持 AI 运算

8 月 14 日清晨,英伟达(NVIDIA)CEO 黄仁勋在 SIGGRAPH 2018 计算机图形技术大会上推出外界纷传已久的新款显卡系列 Quadro RTX,并且发布了全新核心架构 Turing(“图灵”)。

前者是全球首批主打光线追踪技术的专业显卡,除了支持光线追踪外,还支持高级着色、仿真、AI 运算等任务;后者则是“自 2006 年 CUDA GPU 发布以来的最大进步”,其光线追踪能力比 Pascal 快25倍,现场他还特意演示了基于 Turing 架构的 RTX 前后对比图。

蔚来汽车向 SEC 提交 IPO 申请,计划最多融资 18 亿美元

据美国财经网站 CNBC 报道,中国电动汽车制造商蔚来汽车(Nio)向美国证券交易委员会(SEC)提交了 IPO(首次公开募股)招股书,希望通过 IPO 筹集至多 18 亿美元资金。 蔚来汽车计划在纽约证券交易所挂牌上市,股票代码为“NIO”。该公司此次 IPO 的承销商包括:摩根士丹利、高盛、美银美林、德银证券、花旗、瑞信证券、瑞银证券和 WR Securities。(via TechWeb)

小爱同学月活跃设备超 3000 万,累计唤醒超过 50 亿次

小米官方宣布,截止 7 月底,小爱同学月活跃设备超过 3000 万,今年 7 月小爱同学唤醒超过 10 亿次,累计唤醒已超过 50 亿次。

小爱同学是小米旗下的人工智能助手,内置在小米手机、小米 AI 音箱、小米小爱音箱 mini 等设备中,用户可以通过小爱同学语音操控小米生态链中的多款产品。除此以外,小爱同学还具备播放音乐、查天气、翻译、闲聊等日常应用;手机里的小爱同学还可以打电话、信息搜索、打开 App、导航、语音设置日程提醒等专属应用。(via.新浪科技)

▌技术焦点

TensorFlow 2.0 即将发布,所有 tf.contrib 将被弃用

谷歌开源战略师 Edd Wilder-James 最新公开的一封邮件显示,TensorFlow 2.0 预览版将在今年晚些时候正式发布,并称其是一个重大的里程碑。

据悉,未来 TensorFlow 将会把重点放在易用性上,而 Eager Execution 将会是 TensorFlow 2.0 的核心功能。

此外,TensorFlow 团队表示,未来所有的 tf.contrib 都会被弃用,对于每个 contrib 模块,要么 a)将项目集成到 TensorFlow 中;b)将其移至单独的存储库;c)完全将其移除。从今天将开始,TensorFlow 将停止添加新的 tf.contrib 项目。

GraphPipe:实用便捷的通用机器学习模型部署框架

GraphPipe 是一种协议和软件集合,旨在简化机器学习模型部署并将其与特定框架的模型实现分离。

特征:基于扁平缓冲区的极简主义机器学习传输规范;适用于 Tensorflow,Caffe2 和 ONNX 的简单,高效的参考模型服务器;在 Go,Python 和 Java 中进行有效的客户端实现。

Polygon-RNN++:分割数据集高效标记

使用对象掩码手动标记数据集非常耗时。而遵循 Polygon-RNN 的思想,他们对模型做了几个重要改进:1)设计了一个新的 CNN 编码器架构;展示了如何使用强化学习有效地训练模型;3)使用图形神经网络提高输出分辨率,允许模型准确地注释图像中的高分辨率对象。

https://github.com/fidler-lab/polyrnn-pp

TensorFlow模型分析工具更新至v0.9.0

https://github.com/tensorflow/model-analysis/releases/tag/v0.9.0

DL/ML/C/C++/Python/面试笔记

收藏

相关话题
文章来源栏目
+关注

评论(0)

加载更多评论

参与评论

分享到

QQ空间 QQ好友 微博
取消