特斯拉開發Dojo神經網絡訓練計算機;CMU 新實驗改善機器人知覺

一分鐘速覽git

l 特斯拉開發Dojo神經網絡訓練計算機 後者是性能野獸算法

l 高通驍龍芯片存在 400 多個漏洞,影響全球超 40% 機型chrome

l 戰略合做:攜程核心供應連接入京東安全

l 英特爾 11 代酷睿實現 「跨代式」提高:低電壓下可達更高頻率網絡

l 英偉達收購Arm交易最快夏末完成 後者價值約440億美圓架構

l 幾行代碼便可高效建立數據集,谷歌開源 TFRecorder框架

l CMU 研究人員探索聲音以幫助改善機器人知覺工具

l 谷歌開源 chromeOS.dev,在 Chrome OS 上構建應用更輕鬆性能

l ACL 2020 | 基於不一樣硬件搜索更好的Transformer結構學習

l ECCV 2020 Spotlight | 圖像定位上的細粒化區域類似性自監督

l ECCV2020|顯著改善分割預測,ETH開源基於情景圖儲存網絡的視頻目標分割

【行業要聞】

1特斯拉開發Dojo神經網絡訓練計算機 後者是性能野獸

image.png

8月16日消息,特斯拉CEO馬斯克日前在社交網絡上表示,公司正在開發一種稱爲Dojo的神經網絡訓練計算機,以處理大量的視頻數據。馬斯克稱,Dojo就像是一頭真正的性能野獸。在去年的自動駕駛開放日(「Autonomy Day」)上,馬斯克曾表示,Dojo目標是可以接收大量數據並在視頻級別進行培訓,並使用Dojo程序或Dojo計算機對大量視頻進行無監督的大規模訓練(unsupervised massive training)。

二、高通驍龍芯片存在 400 多個漏洞,影響全球超 40% 機型

image.png

網絡安全供應商 Check Point 表示,該公司在一項代號爲「Achilles」研究中,對高通驍龍的數字信號處理( Digital Signal Processing,DSP)芯片進行了普遍的安全性評估。結果發現,該芯片中存在 400 多個易受攻擊的代碼段。 這意味着,全球市場上有超過 40% 的設備(涉及谷歌、三星、LG、小米、一加等安卓手機)將受到該漏洞影響,面臨被黑客入侵的風險。DSP 芯片是手機中的一種輔助芯片,主要負責處理音頻、視頻和圖像數據;出如今大多數現代手機中,並隨高通的驍龍處理器一塊兒提供。

三、戰略合做:攜程核心供應連接入京東

image.png

8月16日,京東集團、攜程集團正式簽署戰略合做協議。根據合做協議,攜程的核心產品供應鏈將接入京東平臺,同時雙方將在用戶流量、渠道資源、跨界營銷、商旅拓展、電商合做等方面開展全方位的合做。達成合做後,攜程將爲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,並將京東平臺的用戶流量開放給攜程,在平常運營、精準營銷方面爲攜程旅行產品供應鏈提供全方位的支持。

四、英特爾 11 代酷睿實現 「跨代式」提高:低電壓下可達更高頻率

image.png

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 性能的提升。根據英特爾的官方文件, Willow Cove 架構下,處理器可在更低的電壓下達到更高的頻率。

5英偉達收購Arm交易最快夏末完成 後者價值約440億美圓

image.png

知情人士稱,英偉達和Arm雙方已進入排他性談判階段,有望在夏末以前達成交易。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月份曾聯繫蘋果,但蘋果並不打算參與競購,由於Arm的受權業務與蘋果軟件和硬件結合的商業模式並不十分相符。而且,若是蘋果收購這家爲衆多競爭對手供貨的芯片技術受權商,還有可能引起監管方面的擔心。

6幾行代碼便可高效建立數據集,谷歌開源 TFRecorder

谷歌近期開源了 TensorFlow Recorder(即 TFRecorder)項目,旨在簡化 TFRecord 的建立流程。TFRecord是一種二進制文件格式,處理數據相對高效,但要將其餘數據轉爲 TFRecord 較爲麻煩,一般須要編寫一個數據管道來解析結構化數據,從存儲中加載圖像,而後再將結果序列化爲 TFRecord 格式。而這次開源的 TFRecorder 可以直接從 Pandas dataframe 或 CSV 等格式寫入 TFRecords,無需再編寫複雜的代碼。

七、CMU 研究人員探索聲音以幫助改善機器人知覺

image.png

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,以使它們感受到它們在周圍滾動,滑動並撞向側面時發出的聲音。總共有 60 個對象-包括工具,木塊,網球和一個蘋果-記錄和分類了 15,000 個「交互」。該團隊將機器人命名爲「Tilt-Bot」,可以識別物體,成功率高達 76%,甚至能夠肯定金屬螺絲刀和扳手之間相對較小的材料差別。經過使用聲音數據,該機器人一般可以正確肯定對象的材料構成。

八、谷歌開源 chromeOS.dev,在 Chrome OS 上構建應用更輕鬆

image.png

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、代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 應用程序。 chromeOS.dev 的主要目標人羣是 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,以後會陸續支持更多語種。

【學術前沿】

一、 ACL 2020 | 基於不一樣硬件搜索更好的Transformer結構

圖片3.png

過去有大量針對Transformer結構進行簡化的工做,可是它們都沒有考慮到不一樣硬件對模型結構的影響。本文首次提出使用網絡結構搜索(NAS)的方法,針對不一樣的硬件,搜索適合該硬件的最佳的Transformer結構。實驗代表,在不一樣硬件下,獲得的Transformer結構相比其餘模型更小、更快,且不損效果。

論文連接:https://arxiv.org/abs/2005.14187

二、 ECCV 2020 Spotlight | 圖像定位上的細粒化區域類似性自監督

image.png

本文介紹一篇咱們發表於 ECCV 2020 的論文,很榮幸該論文被收錄爲 spotlight presentation。咱們針對大規模圖像定位中的弱監督問題提出有效的解決方法,旨在經過自監督學習的方法充分挖掘表徵學習中的難樣本,並進一步將圖像級監督細粒化爲區域級監督,以更好地建模圖像與區域間的複雜關係。 利用該算法訓練的模型具備較強的魯棒性和泛化性,在多個圖像定位數據集上進行了驗證,Recall@1 準確度大幅超越最早進技術高達 5.7%,代碼和模型均已公開。

論文連接:https://arxiv.org/abs/2006.03926

三、ECCV2020|顯著改善分割預測,ETH開源基於情景圖儲存網絡的視頻目標分割

本文着力於解決視頻目標分割領域的一個基本問題:使分割模型有效適應特定視頻以及在線目標的外觀變化。提出了一種簡潔快速的新圖存儲機制,顯著改善了分割預測。此外,圖存儲網絡產生的框架還能夠推廣到one-shot和zero-shot視頻目標分割任務。

論文連接:https://arxiv.org/pdf/2007.07...

*以上信息來源於網絡,由京東智聯雲開發者公衆號編輯整理,不表明京東智聯雲立場*

相關文章
相關標籤/搜索