01
前端
中國開源項目wuhan2020登上Github熱榜，開發者加入支援大軍！git
近日，Github上一個名叫「wuhan2020」的項目登上了熱榜，這是一個武漢新型冠狀病毒防疫信息收集平臺。項目前端網頁：https://wuhan2020.github.io/github
地址：https://github.com/wuhan2020/wuhan2020網絡
針對 2020 年初在武漢爆發的新型冠狀病毒疫情，該項目旨在收集各醫院、酒店、工廠、物流、捐贈、捐款、預防、治療、動態等信息，統一收集，統一發布，以便各方之間進行信息互通，有效調配社會資源。框架
例如醫院信息的石墨文檔，若是咱們加入志願者，就可能須要將不一樣官方數據源中的信息填入下表。機器學習
固然做爲開發者，咱們也能夠構建更好的使用體驗，例如優化 Web 前端、可視化展現數據、爬蟲自動化採集數據等等。若是讀者想要加入志願開發者，也能夠查閱 GitHub 項目。目前志願開發者能夠從 ISSUE 中挑選任務，並將其分配給本身。ide
信息來源：機器之心學習
02
測試
五分之一參會者將缺席AAAI 2020，中國做者可遠程演講優化
在疫情影響下，你們不只開始在線辦公、在線上課，甚至連學術會議也要在線參與了。
在疫情肆虐的時候，美國禁止中國人入境，受此影響，原本今天要在紐約舉辦的AAAI 2020會議，很多中國做者沒法出席。原本，楊強教授要在AAAI 2020上介紹他的一篇論文，但鑑於疫情四散的緊張情況，他決定放棄去美國。而國內AI大廠百度，也被AAAI 2020接收了28篇論文，百度的做者們也無赴美介紹論文了。
根據預估，中國大陸大約有800名參會者沒法線下出席AAAI 2020。而正常會議原本有4000人左右參會，至關於五分之一的參會者都被迫缺席。面臨這樣嚴重的狀況，AAAI也被動加入了「線上辦公」的行列。
AAAI 2020程序主席、杜克大學教授Vincent Conitzer宣佈，受疫情影響的中國參會者能夠遠程參會，遠程參會的具體事項會有中國的同事幫忙。對於因新冠病毒而沒法線下參會的全部論文做者，AAAI官方說，最好能找個能夠參會的同事來介紹論文，在找不到的狀況下，AAAI能夠提供如下幫助：
提交演講PPT，AAAI會給到演講者會議主席的郵箱，以方便演講者進行提交。
須要進行演講的做者，會議期間會接入電話會議來遠程演講。
須要展現Poster的做者，能夠找方便到會場的同事來打印張貼，實在找不到人的話AAAI能夠安排在紐約印刷張貼，不過要收96美圓（669人民幣）的服務費。
03
英偉達DALI加速技巧：讓數據預處理速度比原生PyTorch快4倍
深度學習的加速上，除了對訓練和推理過程的加速以外，還有對數據加載和預處理階段的加速。這一階段也尤其關鍵，由於數據處理 pipeline 的處理速度也影響着總體的流程效率。英偉達數據加載庫 DALI 是一個便捷式開源庫，用於圖像或視頻的解碼及加強，從而加速深度學習應用。經過並行訓練和預處理過程，減小了延遲及訓練時間，併爲當下流行的深度學習框架中的內置數據加載器及數據迭代器提供了一個嵌入式替代器，便於集成或重定向至不一樣框架。
近日，有開發者介紹瞭如何使用 NVIDIA Data Loading Library（DALI），以及使用這個庫進行數據預處理加速的方法。DALI 和 TensorFlow 自帶的 DataLoader 相似，是一個專門用於加速數據預處理過程的庫。
在一篇博客中，開發者表示，該庫不只能夠進行 GPU 加速，也能夠在 CPU 上構建一個完整的數據預處理流程。若是在 Tesla V100 上作測試，PyTorch+DALI 的處理速度能達到 4000 images/s，比原版 PyTorch 要快近 4 倍。開發人員能夠在 GPU 上運行他們的數據處理通道，從而減小訓練神經網絡的時間。
DALI 設計之初就是用來幫助用戶突破數據預處理的瓶頸，使得模型的訓練和推理可以達到最高的效率。其主要設計是用於在 GPU 上的預處理，但大多數操做也可在 CPU 上實現。
DALI主要特徵
易於使用的 Python API
在多個 GPU 之間顯式地縮放
加快圖像分類（ResNet-50）和目標檢測分類（SSD）工做流
靈活的計算圖使得開發人員可建立自定義的數據處理 pipeline
支持多種格式 - LMDB、RecordIO、TFRecord、COCO、JPEG、H.264 以及 HEVC
開發人員可添加自定義的圖像或視頻處理 operator
信息來源：機器之心
04
李飛飛、鄧中翰當選美國國家工程院院士
美國國家工程院院長約翰·安德森今天宣佈，美國國家工程院（NAE）選舉出了87名新院士和18名國際院士。這樣一來，美國的總院士數達到了2309，國際院士數達到了281。
入選美國國家工程院院士是授予工程師的最高專業榮譽之一。其目的是表彰那些對「工程研究、實踐或教育，包括在適當的狀況下對工程文獻的重大貢獻」和「開拓新的和發展中的技術領域，在傳統工程領域取得重大進步，或開發/實施工程教育的創新方法」作出突出貢獻的人。
在10月4日於華盛頓舉行的NAE年度會議上，新當選的院士將正式入職。
今年入選的共有6名華人院士，和一名中國籍的國際院士。知名華人學者李飛飛和中星微電子董事鄧中翰入選。
李飛飛：斯坦福大學計算機科學教授。爲創建大型機器學習和視覺理解知識庫作出了貢獻。
鄧中翰：中星微電子有限公司中星微電子集團首席執行官/董事長，中國北京。開發世界上第一臺CMOS單芯片網絡攝像頭和中國的監視視頻和音頻編碼（SVAC）國家視頻標準。
05
本週論文推薦
A guide to deep learning in healthcare（醫療深度學習技術指南）
做者：Andre Esteva, Alexandre Robicquet, Bharath Ramsundar, Volodymyr Kuleshov, Mark DePristo, Katherine Chou, Claire Cui, Greg Corrado, Sebastian Thrun & Jeff Dean
論文概要：咱們介紹了醫療保健的深度學習技術，重點討論了計算機視覺、天然語言處理、強化學習和廣義方法的深度學習。咱們將描述這些計算技術如何影響醫學的幾個關鍵領域，並探討如何構建端到端系統。咱們對計算機視覺的討論主要集中在醫學成像上，咱們描述了天然語言處理在電子健康記錄數據等領域的應用。一樣，在機器人輔助手術的背景下討論了強化學習，並綜述了基因組學的廣義深度學習方法。
論文地址：
https://www.nature.com/articles/s41591-018-0316-z
本文分享 CSDN - 飛槳PaddlePaddle。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。