特斯拉開發 Dojo 神經網路訓練計算機;CMU 新實驗改善機器人知覺
開發者社群行業週刊 又和大家見面了,快來看看這周有哪些值得我們開發者關注的重要新聞吧。
特斯拉開發 Dojo 神經網路訓練計算機 後者是效能野獸
高通驍龍晶片存在 400 多個漏洞,影響全球超 40% 機型
戰略合作:攜程核心供應連結入京東
英特爾 11 代酷睿實現 “跨代式”提升:低電壓下可達更高頻率
英偉達收購Arm交易最快夏末完成 後者價值約 440 億美元
幾行程式碼即可高效建立資料集,谷歌開源 TFRecorder
CMU 研究人員探索聲音以幫助改善機器人知覺
谷歌開源 chromeOS.dev,在 Chrome OS 上構建應用更輕鬆
ACL 2020 丨基於不同硬體搜尋更好的Transformer結構
ECCV 2020 Spotlight 丨影像定位上的細粒化區域相似性自監督
ECCV2020丨顯著改善分割預測,ETH 開源基於情景圖儲存網路的影片目標分割
行 業 要 聞
8 月 16 日訊息,特斯拉 CEO 馬斯克日前在社交網路上表示,公司正在開發一種稱為 Dojo 的神經網路訓練計算機,以處理大量的影片資料。馬斯克稱,Dojo 就像是一頭真正的效能野獸。在去年的自動駕駛開放日(“Autonomy Day”)上,馬斯克曾表示, Dojo 目標是能夠接收大量資料並在影片級別進行培訓,並使用 Dojo 程式或 Dojo 計算機對大量影片進行無監督的大規模訓練(unsupervised massive training)。
網路安全供應商 Check Point 表示,該公司在一項代號為“Achilles”研究中,對高通驍龍的數字訊號處理( Digital Signal Processing,DSP)晶片進行了廣泛的安全性評估。結果發現, 該晶片中存在 400 多個易受攻擊的程式碼段。 這意味著,全球市場上有超過 40% 的裝置(涉及谷歌、三星、LG、小米、一加等安卓手機)將受到該漏洞影響,面臨被駭客入侵的風險。DSP 晶片是手機中的一種輔助晶片,主要負責處理音訊、影片和影像資料;出現在大多數現代手機中,並隨高通的驍龍處理器一起提供。
8 月 16 日,京東集團、攜程集團正式簽署戰略合作協議。根據合作協議, 攜程的核心產品供應鏈將接入京東平臺,同時雙方將在使用者流量、渠道資源、跨界營銷、商旅擴充、電商合作等方面開展全方位的合作。達成合作後,攜程將為京東提供實時產品庫存,以及極具市場競爭力的產品價格,京東則將接入攜程的核心產品供應鏈,並將京東平臺的使用者流量開放給攜程,在日常運營、精準營銷方面為攜程旅行產品供應鏈提供全方位的支援。
英特爾正式公佈了 Tiger Lake SoC,採用了 Willow Cove 架構, 官方稱將提供超越代間 CPU 效能的提高。根據英特爾的官方檔案, Willow Cove 架構下,處理器可在更低的電壓下達到更高的頻率。
知情人士稱,英偉達和 Arm 雙方已進入排他性談判階段,有望在夏末之前達成交易。 外媒稱,今年 4 月,Arm 首次被其母公司軟銀掛牌出售,當時美國投行高盛受聘物色潛在買家。高盛 4 月份曾聯絡蘋果,但蘋果並不打算參與競購,因為 Arm 的授權業務與蘋果軟體和硬體結合的商業模式並不十分相符。並且,如果蘋果收購這家為眾多競爭對手供貨的晶片技術授權商,還有可能引發監管方面的擔憂。
谷歌近期開源了 TensorFlow Recorder(即 TFRecorder)專案,旨在簡化 TFRecord 的建立流程。TFRecord是一種二進位制檔案格式,處理資料相對高效,但要將其他資料轉為 TFRecord 較為麻煩,通常需要編寫一個資料管道來解析結構化資料,從儲存中載入影像,然後再將結果序列化為 TFRecord 格式。而此次開源的 TFRecorder 能夠直接從 Pandas dataframe 或 CSV 等格式寫入 TFRecords,無需再編寫複雜的程式碼。
卡內基梅隆大學的研究團隊的一項新實驗提出了 使用 Rethink Robotics 的 Sawyer 在金屬託盤中移動物體的方法,以使它們感覺到它們在周圍滾動,滑動並撞向側面時發出的聲音。總共有 60 個物件-包括工具、木塊、網球和一個蘋果-記錄和分類了 15,000 個「互動」。該團隊將機器人命名為「Tilt-Bot」,能夠識別物體,成功率高達 76%,甚至可以確定金屬螺絲刀和扳手之間相對較小的材料差異。透過使用聲音資料,該機器人通常能夠正確確定物件的材料構成。
谷歌近日推出了 Chrome OS 開發者中心(chromeOS.dev),網站內包含許多技術資源、教程、程式碼示例和新鮮資訊等,其目的是 “幫助開發者更大限度地利用平臺上的功能”,瞭解 Chrome OS,並更輕鬆地構建 Chrome OS 應用程式。chromeOS.dev 的主要目標人群是 Web、Android 以及 Linux 開發者,也包括設計師、產品經理,還有業務負責人。目前該網站僅提供英文和西班牙語,之後會陸續支援更多語種。
學 術 前 沿
Academic News
過去有大量針對 Transformer 結構進行簡化的工作,但是它們都沒有考慮到不同硬體對模型結構的影響。本文首次提出使用網路結構搜尋(NAS)的方法,針對不同的硬體,搜尋適合該硬體的最佳的 Transformer 結構。實驗表明, 在不同硬體下,得到的Transformer結構相比其他模型更小、更快,且不損效果。
*論文連結:
本文介紹一篇發表於 ECCV 2020 的論文,該論文被收錄為 spotlight presentation。針對大規模影像定位中的弱監督問題提出有效的解決方法,旨在透過自監督學習的方法充分挖掘表徵學習中的難樣本,並進一步將影像級監督細粒化為區域級監督,以更好地建模影像與區域間的複雜關係。 利用該演算法訓練的模型具有較強的魯棒性和泛化性,在多個影像定位資料集上進行了驗證,Recall@1 準確度大幅超越最先進技術高達 5.7%,程式碼和模型均已公開。
*論文連結:
本文著力於解決影片目標分割領域的一個基本問題:使分割模型有效適應特定影片以及線上目標的外觀變化。提出了一 種簡潔快速的新圖儲存機制,顯著改善了分割預測。此外,圖儲存網路產生的框架還可以推廣到one-shot和zero-shot影片目標分割任務。
*論文連結:
*以上資訊來源於網路,由“京東智聯雲開發者”公眾號編輯整理,
不代表京東智聯雲立場*
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69912185/viewspace-2721896/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 計算機網路實驗計算機網路
- 3.3 神經網路的訓練神經網路
- 計算機網路實驗三 綜合性訓練(搭建中小企業園區網)計算機網路
- 計算機網路實驗二計算機網路
- 計算機網路實驗三計算機網路
- 【python實現卷積神經網路】開始訓練Python卷積神經網路
- 計算機潛意識- 單層神經網路(感知器)計算機神經網路
- 計算機網路驗證性實驗計算機網路
- 從零開始:教你如何訓練神經網路神經網路
- ImageNet冠軍帶你入門計算機視覺:卷積神經網路計算機視覺卷積神經網路
- 計算機網路實驗總結計算機網路
- 用神經網路訓練一個文字分類器神經網路文字分類
- 《計算機網路實驗課程》——Wireshark實驗計算機網路
- 計算機網路實驗報告:【Wirshark 實驗】計算機網路
- 計算機網路實驗ns2實驗計算機網路
- 機器學習之訓練神經網路:最佳做法機器學習神經網路
- 計算機網路實驗12:FTP伺服器部署計算機網路FTP伺服器
- 祕籍在手,訓練不愁!特斯拉AI負責人Karpathy的超全神經網路訓練套路AI神經網路
- 【Python教程】計算機視覺的基石——讀懂 CNN卷積神經網路Python計算機視覺CNN卷積神經網路
- 計算機網路實驗8&9計算機網路
- 加入視覺:將計算機改造為機器人視覺計算機機器人
- 計算機網路實驗:【Cisco Packet Tracer 實驗】計算機網路
- 使用tf.estimator.Estimator訓練神經網路神經網路
- 深度神經網路為何很難訓練?神經網路
- 計算機網路知識點計算機網路
- 計算機網路知識解析計算機網路
- 模仿脊椎動物的機器人:運動神經網路觸發行走、游泳機器人神經網路
- 【計算機網路知識掃盲】03、計算機網路的功能(轉)計算機網路
- 【計算機網路知識掃盲】02、計算機網路的概念(轉)計算機網路
- 【計算機網路知識掃盲】04、計算機網路分類(轉)計算機網路
- 關於計算機網路的 Wireshark 實驗計算機網路
- 計算機網路實驗六:無線接入計算機網路
- 計算機網路實驗三—— Cisco Packet Tracer 實驗計算機網路
- 計算機網路實驗3:網路裝置基本配置計算機網路
- 計算機視覺崗實習面經計算機視覺
- 神經網路(二):感知機神經網路
- 特斯拉起訴前工程師:涉嫌竊取“Dojo 專案”超級計算機機密工程師計算機
- 如何應對訓練的神經網路不工作?神經網路