一周焦点 | 讯飞发布公告,称公司不存在“造假”情形;TensorFlow 1.11.0发布

640?wx_fmt=jpeg



业界焦点


Google 证实面向中国推出搜索工具的「蜻蜓计划」真的存在


上个月,据外媒 Intercept 报道,Google 将针对中国市场推出一款以 Android 系统为应用平台的新搜索引擎,该搜索引擎将符合中国网络法律法规。该项目计划代号被称之为「蜻蜓计划」(Project Dragonfly) ,且于 2017 年春季就已启动,并于同年 12 月 Google CEO Sundar Pichai 受邀参加第四届世界互联网大会乌镇峰会时得到了推进。


不过报道归报道,「蜻蜓计划」一直扑朔迷离,不知真假?而就在国内外业界从业者为之热议时,Google 官方再丢一枚重磅炸弹,在一场面对美国立法者有关在线隐私的听证会上,Google 首席隐私官 Keith Enright 在回答参议员 Ted Cruz 的问题时表示:「蜻蜓计划」是存在的。(via. CSDN)


比特大陆递交招股书,募资用于 AI 芯片研发


9 月 26 日晚,比特大陆于香港联交所上载 A1 招股书,启动上市计划。中金为独家保荐人,搜狗创始人王小川担任其独立非执行董事。在招股书中,比特大陆称自身为中国第二大无晶圆厂芯片设计公司,全球第一大加密货币矿机公司。据悉,本次集资所得将部份用于高科技 AI 芯片、 AI 应用的研发及扩大生产。


目前,以比特大陆为代表的矿机公司均转战 AI 业务。但面对币圈熊市,此番转型是无奈之举还是主营业务的技术补充还仍未可知。踏上 AI 赛道后,是参与到与 AI 赛道技术巨头上的竞争,还是仍加持“区块链概念”,也尚不清晰。但吴忌寒曾公开预测,未来 5 年 AI 相关收入将占比特大陆收入的 40% 以上。(via 搜狐IT)


特斯拉“国王”王权不保


9 月 28 日外媒报道称,美国证券交易委员会(SEC)在纽约对马斯克本人提起的一项诉讼中称,马斯克在私有化特斯拉过程中,以错误的声明误导了投资者为此次交易筹集资金。


SEC 表示正在寻求对马斯克做出惩罚,他们甚至会要求法官禁止马斯克担任上市公司的高管或董事。一旦失去通过罚款等措施和解的可能,这将意味着,马斯克会失去对特斯拉的控制权,更糟糕的是,SpaceX、Boring 和  NeuraLink 等公司都不能再马斯克的管理下上市。

针对这一指控,马斯克回应道:“这一不公正的指控让我既难过又失望,我总是本着诚实、透明的心,为投资人的利益考虑。正直是我人生最珍视的价值,我会用事实证明我从未在这一品格上妥协。”


知名数学家称证明黎曼猜想,对错有待同行评议


现年 89 岁的英国著名数学家、阿贝尔奖和菲尔兹奖得主迈克尔·阿提亚 25 日(北京时间)在德国海德堡提出了证明黎曼猜想的“简单思路”,并称沿着该思路可以证明黎曼猜想。这一说法震动了数学界和社交媒体,但他的证明思路仍有待同行评议。


在当天举行的第 6 届海德堡国际数学与计算机科学获奖者论坛上,阿提亚发表了约 40 分钟的演讲,其中有 10 多分钟简单介绍他的新思路。阿提亚认为人们应“认真倾听”的新思路,基于对物理学中一个重要的无量纲数——精细结构常数的推演,推演过程结合了冯·诺依曼等科学家的早前理论,还引入了一个新的所谓 TODD 函数,该函数被视作证明黎曼猜想的核心。但有同行表示,这个新函数定义并不明确。(via 新华网)


科大讯飞发布澄清公告:公司不存在“造假”情形


9月29日消息,针对科大讯飞AI同传被曝造假一事,科大讯飞日前发布澄清公告称,目前,安徽天禾律师事务所和国元证券股份有限公司已完成对事件过程的核查取证,包括与会议举办方进行了正式访谈并且留存了证据,出具了科大讯飞不存在造假行为的核查意见。相关核查报告已正式提交给主管部门。(via. TechWeb)


640?wx_fmt=jpeg


技术焦点


TensorFlow 1.11.0 已正式发布


主要特点和改进:


Nvidia GPU:

  • 现在(根据 TensorFlow 1.11)预构建的二进制文件是针对 cuDNN 7.2 和 TensorRT 4 构建的。


Google Cloud TPU:

  • 针对 Google Cloud TPU 上的 Keras 的实验性 tf.data 集成

  • 在 Google Cloud TPU 上对 Eager Execution 进行试验性/预览支持


分布式策略:

  • 为 tf.keras 添加 multi-GPU 分布式策略支持。fit,evaluate,predict 开始支持分布式

  • 在 Estimator 中添加 multi-worker 的分布式策略支持和独立客户端支持。 


添加 C, C++, 和 Python 函数来查询内核


Keras:

  • tf.keras 的 RandomUniform,RandomNormal 和 TruncatedNormal 初始化程序的默认值已更改,以保证与外部 Keras 中的默认值相匹配

  • 重大改变:运行 Sequential 模型的 model.get_config() 方法,现在返回 config dictionary(与其他模型实例保持一致),不再返回基础层的配置列表

(via. TensorFlow)


Facebook 发布大规模语料库 XNLI:囊括15种语言


近日,Facebook AI Research 发布了一个大规模的跨语言自然语言推理语料库 XNLI。XNLI 包含 5000 个经人工注释的测试实例,2500 个开发实例,一共 112500 个句子对,而且囊括 15 种语言:英语、法语、西班牙语、德语、希腊语、保加利亚语、俄语、土耳其语、阿拉伯语、越南语、泰语、中文、印地语、斯瓦希里语和乌尔都语。

       640?wx_fmt=png

下载地址:

http://www.nyu.edu/projects/bowman/xnli/XNLI-1.0.zip


Uber 开源深度学习分布训练库 Petastorm


Uber 近日宣布开源 Petastorm,这是由 Uber ATG 开发的数据访问库,可直接基于数 TB 的 Apache Parquet 格式数据集进行单机或分布式训练和深度学习模型评估。Petastorm支持流行的基于Python的机器学习(ML)框架,如 Tensorflow、Pytorch 和 PySpark ,也可以直接用在 Python 代码中。 Petastorm 结合了各种特性以支持自动驾驶算法的训练,包括行过滤、数据分片、shuffle、对字段子集的访问,以及对时间序列数据(n-gram)的支持。(via. 开源中国)


项目地址:

https://eng.uber.com/petastorm/


Java 11 正式发布


北京时间 9 月 26 日,Oracle 官方宣布 Java 11  (18.9 LTS) 正式发布,可供生产环境中使用,此次版本的更新,不仅提高了工作效率,也提供了 HTTP/2 Client API。


同时,这也是自 Oracle 宣布以六个月为周期更新后发布的第一个长期支持版本。


下载地址如下:

https://www.oracle.com/technetwork/java/javase/downloads/jdk11-downloads-5066655.html


ICLR 2019 论文投稿近 1600 篇,强化学习最热门


ICLR 2019 的论文提交已经截止。根据官方消息,本届大会共收到近 1600 篇投稿,相比 ICLR 2018 的 935 篇,以及 ICLR 2017 的 490 篇,几乎每年都在翻番。


据初步统计,本届 ICLR 论文投稿中最热门的关键词当属强化学习,是 GAN(生成对抗式网络)两倍。




2018 AI开发者大会

拒绝空谈,技术争鸣


2018 AI开发者大会(AI NEXTCon)由中国IT社区CSDN与硅谷AI社区AICamp联合出品的AI技术与产业年度盛会。多年经验淬炼,如今蓄势待发:将有近百位中美顶尖AI专家、知名企业代表以及千余名AI开发者齐聚北京,进行技术解读和产业论证。我们只讲技术,拒绝空谈,诚挚邀请AI业内人士一起共铸人工智能新篇章!


2018 AI开发者大会首轮重磅嘉宾及深度议题现已火热出炉,扫码抢“鲜”看。国庆特惠,购票立享 折优惠!


640?wx_fmt=jpeg

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值