大数据早报:百度开源移动端深度学习框架 中国联通成立大数据公司(9.26)

数据早知道,上36dsj看早报!


来源36大数据,作者:奥兰多


『深度学习』百度开源移动端深度学习框架mobile-deep-learning



2017 年 9 月 25 日,百度在 GitHub 开源了移动端深度学习框架 mobile-deep-learning(MDL)的全部代码以及脚本,希望这个项目在社区的带动下能够更好地发展。


深度学习技术已经在互联网的诸多方向产生影响,每天科技新闻中关于深度学习和神经网络的讨论越来越多。深度学习技术在近两年飞速发展,各种互联网产品都争相应用深度学习技术,产品对深度学习的引入也将进一步影响人们的生活。随着移动设备的广泛使用,在移动互联网产品应用深度学习和神经网络技术已经成为必然趋势。


与深度学习紧密联系在一起的图像技术同样在业界广泛应用。传统计算机视觉和深度学习的结合使图像技术得以快速发展。


GitHub 地址:https://github.com/baidu/mobile-deep-learning


『融资』HTC 400万美元领投VR社交公司VRChat



据外媒 UploadVR 报道,VR 创业公司 VRChat 获得 400 万美元A轮融资,由 HTC 领投。在 2016 年,VRChat 就已经获得了 HTC 领投的 120 万美元天使轮融资。VRChat 的 CEO Graham Gaylor 说:“我们的目的是让每个人都能创造自己的 VR 社交体验,与 HTC 合作让我们离这个目标更近了,推动 VR 的社交体验的进步。”


VRChat 在博客中也提到,近来 HTC 头显从 6888 降至 5488,使得更多人有机会体验 VR,更多人从 HTC 的应用商店 Viveport 上下载 VRChat。雷锋网此前在报道 HTC 头显降价时曾分析过,降低头显价格,可以促进销量,并且带动 HTC 的应用商店 Viveport 中的内容的销量。HTC 继续投资 VRChat 也说明其大力发展软件和内容。


HTC 为什么选择 VRChat 呢?在 8 月时,雷锋网曾报道,VR 社交先驱 Altspace VR 资金链断裂,宣布关闭应用,这个时候 HTC 并没有站出来支援(虽然在关闭一周后,Altspace 宣布获得了新的资金来源,表示将会继续运行)。



『阿里』阿里市值距亚马逊仅80亿美元 月初差距还高达373亿美元



9 月 25 日消息,阿里巴巴股价在今年已经翻番,目前市值超过了 4500 亿美元,同另一大电商巨头亚马逊在市值方面的差距已缩小到了 80 亿美元。

在上周五美国股市收盘时,阿里巴巴股价为 178.14 美元,较前一交易日 177.39 美元的收盘价上涨了 0.75 美元,涨幅为 0.42%。


在股价小幅上涨之后,阿里巴巴市值也有所提升,按周五收盘时的股价计算,目前阿里巴巴的市值为 4506 亿美元。


而在同一时期,美国电商巨头亚马逊的股价却在下跌,在周五美国股市收盘时,亚马逊的股价为 954.63 美元,较前一交易日的收盘价是下跌了 10.02 美元,跌幅为 1.04%。


股价下跌,亚马逊的市值也随之下跌,按周五收盘时的价格计算,亚马逊的市值为 4586 亿美元。阿里巴巴 4506 美元的市值,距亚马逊仅 80 亿美元。


在本月初,也就是 9 月 1 日美国股市收盘时,阿里巴巴与亚马逊在市值方面的差距还高达 373 亿美元,9 月 13 日阿里巴巴市值首次超过 4500 亿美元时,市值差距就缩小到了 275 亿美元,上周二进一步缩小,当时双方在市值方面的差距仅 104 亿美元,周五则是缩小到了 100 亿美元以内,差距仅 80 亿美元。



『大数据公司』中国联通成立大数据公司 或与BAT合作更紧密



25日,中国联通对外宣布成立大数据有限公司,赵越担任中国联通大数据公司总经理。在此之前,她曾担任中国联通宽带在线有限公司副总经理。


据悉,中国联通大数据公司定位于中国联通大数据对外集中运营主体和大数据产业拓展的合资合作平台,全面对接国家和联通集团战略,建立专业化子公司开展市场化运营、建设全产业链大数据生态体系。

发布会上,中国联通介绍了大数据公司的战略和业务发展规划,并正式对外发布联通大数据的基础、标准应用和平台级行业解决方案共三层的八大对外统一运营产品及系列产品白皮书。


之后,中国联通还与中国银联签署了战略合作协议,双方决定建立长期稳定的合作伙伴关系,在数据资源、技术能力、产品研发等方面开展全方位合作。


随着混改政策的逐步落地,联通大数据公司与参与联通混改的战略投资者未来合作是必然的,在资源互补、业务协同、市场发展方面将探寻开展更广泛、深入的合作。


据了解,国家发改委、国家旅游局、中国人寿、国家开发投资公司、海尔、京东、IBM、阿里巴巴、腾讯、百度、北大、中国传媒大学等参加了此次发布会。



『比特币』比特币彻底“停摆”:停止注册、交易、现金兑换



继七部委联手重拳出击,将 ICO 明确定性为“涉嫌非法发售代币票券、非法发行证券以及非法集资、金融诈骗、传销等违法犯罪活动”后,禁止代币发行融资的一把火烧到比特币。


近日,比特币中国、火币网、OKcoin 相继发布公告称将停止数字资产交易平台上的所有交易,三大比特币交易平台的动作也意味着比特币在国内的场内交易之路被全部封死。



『谷歌』谷歌云平台Google Compute Engine新增Pascal架构GPU



谷歌云平台宣布 Google Compute Engine 虚拟云计算服务将引入英伟达的最新 Pascal 架构的 GPU,扩展其计算能力。目前支持英伟达 P100 GPU 的接口选项已经开展测试,英伟达 K80 GPU 的选项也正式面向公众启用。


云 GPU 能加速工作负载,包括机器学习中的训练和推理、地球物理学数据处理、模拟、地震分析、分子建模、基因组学和许多高性能计算用例。


英伟达 Tesla P100 基于 Pascal GPU 的体系,用户可在降低成本的同时用更少的实例提升吞吐量。与 K80 相比,P100 GPU 能以 K80 的 10 倍速加速工作负载。


与传统解决方案相比,云 GPU 提供了更好的灵活性、性能和更低的成本:


灵活性:谷歌的自定义 VM shape 和增加的云 GPU 决定了最终的灵活性。用户可自定义 CPU、内存、磁盘和 GPU 配置。


性能更快:在透传模式下云 GPU 可提供裸机性能。谷歌云在每个 VM 上安装了 4 个 P100 或 8 个 K80 GPU。对于想提高磁盘性能的用户,可选择将 3TB 的本地 SSD 附加到任何 GPU 的 VM 上。


低成本:有了云 GPU,用户可按分钟数计费,并有持续使用折扣。用多少,付多少。


云集成:用户可在所有级别的堆栈中使用云 GPU。对于基础架构来说,计算引擎和容器引擎让用户使用 VM 或容器(Container)运行 GPU 工作负载。对于机器学习项目,可视情况将云机器学习配置为用 GPU 减少用 TensorFlow 大规模训练模型的时间。


目前,P100 和 K80 GPU 在全球四个地区提供,它们分别为美国西部俄勒冈州、美国东部的南卡罗莱纳州、欧洲西部的比利时和亚洲东部的台湾。所有 GPU 都有持续使用折扣,可以降低使用成本。


谷歌的这两种芯片为进行计算密集型任务的团队提供了选择的灵活性,方便用户在平衡速度和价格的同时,优化运行工作量。

 End 

阅读排行榜/精华推荐
1
入门学习

如果有人质疑大数据?不妨把这两个视频转给他 

视频:大数据到底是什么 都说干大数据挣钱 1分钟告诉你都在干什么

人人都需要知道 关于大数据最常见的10个问题

2
进阶修炼

从底层到应用,那些数据人的必备技能

如何高效地学好 R?

一个程序员怎样才算精通Python?

3
数据源爬取/收集

排名前50的开源Web爬虫用于数据挖掘

33款可用来抓数据的开源爬虫软件工具

在中国我们如何收集数据?全球数据收集大教程

4
干货教程

PPT:数据可视化,到底该用什么软件来展示数据?

干货|电信运营商数据价值跨行业运营的现状与思考

大数据分析的集中化之路 建设银行大数据应用实践PPT

【实战PPT】看工商银行如何利用大数据洞察客户心声?              

六步,让你用Excel做出强大漂亮的数据地图

 数据商业的崛起 解密中国大数据第一股——国双

双11剁手幕后的阿里“黑科技” OceanBase/金融云架构/ODPS/dataV

金融行业大数据用户画像实践


讲述大数据在金融、电信、工业、商业、电子商务、网络游戏、移动互联网等多个领域的应用,以中立、客观、专业、可信赖的态度,多层次、多维度地影响着最广泛的大数据人群

36大数据

长按识别二维码,关注36大数据


搜索「36大数据」或输入36dsj.com查看更多内容。

投稿/商务/合作:dashuju36@qq.com


点击下方 “阅读原文”查看更多

↓↓↓

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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