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！

l 特斯拉開發Dojo神經網絡訓練計算機 後者是性能野獸

l 高通驍龍芯片存在 400 多個漏洞，影響全球超 40% 機型

l 戰略合做：攜程核心供應連接入京東

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

l 英偉達收購Arm交易最快夏末完成 後者價值約440億美圓

l 幾行代碼便可高效建立數據集，谷歌開源 TFRecorder

l CMU 研究人員探索聲音以幫助改善機器人知覺

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

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

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

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

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

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

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

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

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

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

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

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*