AI前线

AI前线

面向AI爱好者、开发者和科学家,提供最新最全AI领域技术资讯、一线业界实践案例、搜罗整理业界技术分享干货、最新AI论文解读。每周一节技术分享公开课,助力你全面拥抱人工智能技术。

他的全部讨论
Kaldi之父Daniel Povey领衔,智能语音前沿技术分享 | AICon

作者 | 臧秀涛 Daniel Povey 是著名的语音识别开源工具 Kaldi 的主要开发者和维护者,被称为 Kaldi 之父。Kaldi 集成了多种语音识别模型,包括隐马尔可夫和最新的深度学习神经网络,公认是业界语音识别框架的基石。 2019 年 10 月,Daniel 正式加入小米公司,担任小米集团语音首席科学家,开发下...查看全文

大数据的下一站是什么?服务/分析一体化(HSAP)

作者 | 蒋晓伟(量仔),阿里巴巴研究员 编辑 | 蔡芳芳 既然 HTAP 有了分析的能力,它是不是将取代大数据系统呢?大数据的下一站是什么? 因为侧重点的不同,传统的数据库可以分为交易型的 OLTP 系统和分析型的 OLAP 系统。随着互联网的发展,数据量出现了指数型的增长,单机的数据库已经不能满足...查看全文

轻松调用TensorFlow、PyTorch等多框架,Uber开源深度学习推理引擎Neuropod

作者 | Vivek Panyam 译者 | Sambodhi 编辑 | 蔡芳芳 本文最初发表在Uber官方博客,经官方博客授权,InfoQ中文站翻译并分享。 近日,Uber ATG 开源了深度学习推理引擎 Neuropod,对外只提供一个通用接口用于运行深度学习模型,而底层可以调用不同的深度学习框架,如 TensorFlow、PyTorch、Caffe2...查看全文

TensorRT如何加速人脸识别

为了提高人脸识别的实时性,我们团队将传统的利用神经网络框架推理升级至统一的 TensorRT 加速推理。经实验对比,经 TensorRT FP16 模式推理加速后的人脸识别不仅几乎无损精度,甚至于在部分场景精度有提升,识别速度提升为原来的 2.3 倍。统一加速推理的人脸识别不仅能为客户提供优质高响应的服...查看全文

AI 实战项目,拿下 TensorFlow 2.0 | 极客时间

如今,没人再质疑机器学习和深度学习的重要性了。而在众多的深度学习框架中,TensorFlow 凭借其强劲的运算性能、高效的超大集群并行能力、生产环境部署的稳定性、丰富的语言接口以及支持灵活的模型设计等特点,成为目前最流行的深度学习框架。 TensorFlow 2.0 发布已有一年多时间,不过,仍然有大...查看全文

一款高性能跨平台的深度学习推理框架宣布开源,真正实现“人人可用” | 直播推荐

作者 | 徐瑛 随着国家支持“新基建”相关政策出台,人工智能在社会中的作用越来越大,在这其中,开源理念的发展对于人工智能技术的普及起到了至关重要的作用。同样,在人工智能领域得到快速发展后,为了能够实现人才、智慧的聚合,促进 AI 技术的落地,许多 AI 企业也纷纷选择开源自身的能力,这...查看全文

我们将迎来另一个 VR 寒冬吗?

作者 | Benedict Evans 译者 | 王坤祥 编辑 | 蔡芳芳 VR/AR 目前最成功的应用场景是游戏,与 PC/ 手机相比,规模尚小,未成气候。VR/AR 还有待发展,在未来会有一席之地,只是我们还不知道是在什么样的地方。 本文最初发布于Benedict Evans的个人博客,经原作者授权由InfoQ中文站翻译并分享。 “...查看全文

加州大学伯克利分校研究人员开源RAD来改进强化学习算法

作者 | Michael Laskin、Kimin Lee、Adam Stooke、Lerrel Pinto、Pieter Abbeel、 Aravind Srinivas 译者 | 许学文 在第一次将图像增强应用在强化学习(RL)领域时,研究人员就得到了令人惊讶的结果,在 DeepMind 控制套件和基于 OpenAI ProcGen 环境的测试泛化能力上,对简单的 RL 算法仅数据增...查看全文

哈佛大学联合MIT研究人员发布了Clevrer数据集,以推进视觉推理和神经符号AI的发展

作者 | KHARI JOHNSON 译者 | 张兰月 哈佛大学和麻省理工学院沃森 AI 实验室的研究人员发布了 Clevrer 数据集,用于评估 AI 模型识别因果关系和进行推理的视频诊断数据集。麻省理工学院 IBM 沃森实验室负责人大卫·考克斯 (David Cox) 称, Clevrer 数据集可以在创造混合 AI 方面取得进展,混合 A...查看全文

联邦学习与推荐系统是什么关系? | 文末赠书

引 言 购物是我们日常生活的一部分,我们过去常在实体店购买商品,并咨询我们信任的人,如朋友、家人或店员。互联网彻底改变了我们的购物方式,线上购物如今变得稀松平常。只需点击搜索按钮,数以千计的相关商品便会立即弹出来。在这个过程中,无论我们是否意识到,我们都正在使用推荐系统(Recom...查看全文

台积电最新回应:如无法向华为出售芯片,将尽快填补订单缺口

作者 | 钰莹 针对近期系列事件,台积电的最新回应来了! 在美建厂符合利益,将尽快填补华为订单缺口 6 月 9 日,台积电召开股东大会,一经发布就引发了媒体高度关注。在美国商务部最新的禁令发布之后,台积电赴美建厂以及是否可以继续为国内厂商进行芯片代工引发了巨大讨论,而这也被认为是台积电...查看全文

C语言太复杂?CUDA Python也能实现并行计算加速!| Q推荐

得益于过去数十年间计算能力的提升,深度学习,计算机视觉,生物医疗等众多领域都得到了飞速发展,但与此同时,各行业对计算能力的要求也越来越高,单一的串行计算已经难以满足计算需求,而并行计算无疑是当下提升计算能力的最佳方案。 作为当前最主流的并行化程序编程方法之一,CUDA 能实现在 CP...查看全文

机器学习工程师岗位将在十年后消失?

作者 | Luke Posey 译者 | Sambodhi 策划 | 刘燕 近年来,机器学习工程师屡次荣登全球 IT 高薪榜单。但这局面会一直保持下去吗?作者 Luke Posey 给我们带来了一个不一样的观点,他认为,机器学习工程师(岗位)将在十年后消失!为什么他会做出这样的判断?读完这篇文章,或许你就找到答案了。 机...查看全文

中芯国际太难了!三年花了128亿,却是最不赚钱的造芯者

作者 | 罗燕珊 编辑 | 蔡芳芳 目前,中芯国际闯关科创板的进程已经“闪电”进入首轮问询环节。 上周,中芯国际提交首发申请并获受理,到首轮问询环节中间仅相隔 3 天。紧接着在进入问询的第四天,即 6 月 7 日晚,中芯国际便针对首轮问询函做出回复。 外界指出,这次中芯国际仅用 4 天便交出问询...查看全文

深度解读 Flink 1.11:流批一体 Hive 数仓

作者 | 李劲松(之信),李锐(天离) 编辑 | 蔡芳芳 Flink 1.11 features 已经冻结,流批一体在新版中是浓墨重彩的一笔,在此提前对 Flink 1.11 中流批一体方面的改善进行深度解读,大家可期待正式版本的发布。 Flink 1.11 中流计算结合 Hive 批处理数仓,给离线数仓带来 Flink 流处理实时且 Exa...查看全文

腾讯是京东最大股东;NASA承包商被入侵;AMD中国:没对拼多多授权 | AI一周资讯

作者 | 李冬梅 网络攻击软件入侵了 NASA 一家承包商;马斯克:是时候拆分亚马逊了,垄断是错误的;字节跳动回应关闭海外版今日头条:正常业务调整...... 资 讯 京东港股招股书显示:腾讯是最大股东 6 月 5 日消息,在 5 月 28 日通过港交所聆讯后,6 月 5 日,京东集团在联交所网站上载了 PHIP 版...查看全文

中国开源世界中的重要玩家

作者 | Kevin Xu 编辑 | 刘燕 开源技术已经成为主流,被各种类型和规模的公司和组织采用。这种做法并不局限于美国,虽然起源活动多从美国开始,但它是全球性的。就国家而言,中国是最大的开源技术“消费国”之一,并且越来越成为最大的贡献者之一。本文是“中国的开源世界”专栏第一篇,主要介绍...查看全文

白天写代码,晚上摆地摊!9年前摆地摊学会了这些道理...

作者 | 王磊 来源 | Java 中文社群(ID:javacn666) 两会期间,李克强总理说了一番话,温暖了无数个像我一样的底层人民,他说:一味追求整洁,不让开小店,是懒政。政府必须要提高规划、管理的能力,决不能光图省事,一禁了之。保留地摊经济,给底层人们一点温暖! 之后,随着李克强总理在山东烟...查看全文

为什么数据科学不值得?

作者 | Dario Radečić 译者 | 陈思 本应是 21 世纪最热门的工作,实际上却可能没有那么火爆。数据科学已经陪伴我们一段时间了,它已经不再只是一个热门词汇。人们和公司都利用它创造了价值和金钱,但它真的是未来的职业吗? 作者注:这是一篇观点文章,所以可能有一定程度的偏见。在你的国家和...查看全文

工程之道,深度学习推理性能业界最佳优化实践

作者 | 旷视研究院 编辑 | Linda MegEngine「训练推理一体化」的独特范式,通过静态图优化保证模型精度与训练时一致,无缝导入推理侧,再借助工业验证的高效卷积优化技术,打造深度学习推理侧极致加速方案,实现当前业界最快运行速度。本文从推理侧的数据排布(Inference Layout)讲起,接着介绍 ...查看全文

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99