pytorch开源项目_Mapzen的重生，新项目增强了PyTorch，更快的AI对象检测以及其他开源新闻...-CSDN博客

pytorch开源项目

在本期开放源代码新闻摘要中，我们介绍了Mapzen的重生，两个支持PyTorch的新项目，新的开放源代码对象检测软件等等！

Mapzen卷土重来

尽管OpenStreetMap等开源项目和Foursquare等公司都使用了其技术，但开源地图公司Mapzen无法维持自身的业务。 Mapzen最初于2018年关闭，但在Linux基金会的支持下有了新的生命。

作为城市计算基金会（UCF）之下的一个项目，Mapzen“包含六个独立的项目和社区，它们参与开发一个真正的开放式平台，用于绘制，搜索，导航和运输数据。” 在UCF的保护下，Mapzen的开发人员可以“协作并构建一套通用的开源工具，以连接城市，自动驾驶汽车和智能基础设施”。他们还可以利用UCF成员（例如Google，IBM和加利福尼亚大学圣地亚哥分校）获得支持。 Mapzen项目在其GitHub组织下可用。

新的开源项目将支持PyTorch

PyTorch是起源于Facebook的开源机器学习框架，近来一直受到其创建者和AWS的热爱。两家公司已经发布了开源项目来支持PyTorch 。

Facebook正在共享TorchServe，“ PyTorch的模型服务框架将使开发人员更轻松地将模型投入生产。” AWS的贡献是TorchElastic，“一个使开发人员更容易在Kubernetes集群上构建容错培训工作的库”。 PyTorch的产品经理Joe Spisak 告诉VentureBeat ，通过使用这两个项目，开发人员可以“在多个节点上进行训练，而培训工作并未真正失败；它将继续正常进行，并且一旦这些节点重新联机，它就可以基本上重新开始培训”。

您可以在GitHub上找到TorchServe和TorchElastic的代码。

微软和华中大学发布对象检测AI

人工智能系统面临的最困难的任务之一是准确地检测和识别照片和视频中的对象。微软和中国华中大学的研究人员已经发布了一种开源工具，可以快速有效地完成这项工作。

这种称为“公平多对象跟踪”（简称“ FairMOT”）的工具“以每秒30帧的速度优于公共数据集上的最新模型”（几乎是正常的视频速度）。研究花费了大约30个小时来使用MOT挑战赛的数据来训练软件，该挑战赛是“验证人员追踪算法的框架”。 FairMOT背后的团队认为，该工具可用于“从老年护理到安全性的各种行业，并且可能用于跟踪像COVID-19这样的疾病的传播。”

您可以在此GitHub存储库中查看FairMOT的源代码和培训模型。