周刊 | 与其迷恋AI,不如“摸摸”这些开源平台

自Open AI的成立把AI平台的开源推向高潮后,Google,Facebook,微软,Twitter等公司也“半推半就” 地踏上了自家平台的开源之路,以此来吸引学术界, 工业界的研究人员,让他们更多地分享自己的研究成果。不管这些巨头的所为(公开分享软件和硬件设计),是为了加速人工智能行业的整体发展进度的初心,还是出于应对竞争对手的被迫之举,对于那些迷恋AI的人来说,都是一件好事。

就像你正对AI一筹莫展的时候,这些开源平台不由自主地就跳入了你的眼帘。

▎手把手教你玩转谷歌TensorFlow

为什么一开始选择Tensorflow作为首选平台?

最开始对于选取何种度学习平台并不确定,而且那时Tensorflow还尚未问世。当时的考虑主要是该平台的成熟程度,支持的编程语言,GPU的支持和效率,搭建神经网络的使用的方便程度,上手难易,平台的后续发展,开发的生态环境,平台的效率等因素。尽管我们收集了一些评比资料,要在诸多因素的权衡之中做出选择并非易事,而且逐个去试也不现实。不久之后,Tensorflow从Google开源,我们毫不犹豫地选定了它。

其一,TF有我们要求的所有功能(C++/Python语言支持,GPU,等)。更重要的是我们相信由Google推出的平台会很快为大家接受并迅速形成对应的开发生态圈和活跃的后续更新发展。后来的事实也证实了我们的料想。下面表格比较了几种流行的平台,数据来源于今年二月份在arXiv发布的论文。

▎MIT最新发布编程语言Milk,加速大数据时代并行运算

本周MIT最新发布新编程语言Milk,新的程序语言在大数据方面能实现比现有语言快四倍的处理速度。

本周在国际并行体系结构和编译技术会议(International Conference on Parallel Architectures and Compilation Techniques)上,来自麻省理工学院计算机科学与人工智能实验室(CSAIL)的研究人员发布了一种新的编程语言——Milk,它能让应用程序开发者在处理大数据集里的离散数据点问题中更有效率地管理内存。

通过测试几种通用的算法,使用新语言Milk编写的程序实现了比现有编程语言快4倍的速度。但是研究者相信通过更进一步的研究可以实现更好地结果。

电气工程和计算机科学教授Saman Amarasinghe 说,当下大数据集给已有的内存管理技术带来问题的原因不仅在于因为它们的规模巨大,更多的是因为它们是稀疏的(sparse)。也就是说,问题解决方案的规模并不一定是与问题的规模成正比增加。

▎OpenAI 教你如何构建深度学习研究的基础设施

OpenAI研究工程师Vicki Cheung, Jonas Schneider , Ilya Sutskever, and Greg Brockman在本文中分享了从事Deep Learning研究工作所需要的基础设施(软件、硬件、配置和编制),举例说明如何运用开源Kubernetes-ec2-autoscaler自动扩展深度学习研究中的网络模型,将有助于广大深度学习研究爱好者构建自己的深度学习基础设施。

深度学习是一门实证科学,一个研究团队的基础设施建设将对未来的研究工作产生重大影响。所幸,当今的开源生态系统能够使任何人具备构建更为完善的深度学习基础设施的能力。

在这篇文章中,我们将为大家介绍深度学习研究通常是如何进行的,描述我们为了支持深度学习研究所选择基础设施,和开源Kubernetes-ec2-autoscaler,一种用于Kubernetes的批次优化扩展管理器。我们希望,这篇文章有助于你构建自己的深度学习基础设施。

▎Twitter开源基于Lua/Torch的强化学习框架torch-twrl

Torch诞生已经有十年之久,但是真正起势得益于去年Facebook开源了大量Torch的深度学习模块和扩展。Torch另外一个特殊之处是采用了不怎么流行的编程语言Lua(该语言曾被用来开发视频游戏)。而今天,

增强学习算法(智能体)的目标一直是通过与任务(环境)的互动,来学会执行复杂的、新颖的任务。为了开发有效的算法,快速地迭代和测试是至关重要的,torch-twrl 如期开放。

借鉴其他的增强学习框架,torch-twrl 旨在提供:

在Lua/Torch 中,拥有最小函数依赖的增强学习框架; 定义清晰、模块化的代码(来促进快速开发); 与Open AI 的增强学习基准框架Gym 无缝对接。

嫌上面不过瘾? 15款开源人工智能软件挨个数,哪一款是你的菜?

人工智能是目前最热门的科研领域之一。诸如IBM、谷歌、微软、脸书和亚马逊这类大型公司不仅加大了对旗下发展研究部门的资金投入,同时也开始并购一些在机器学习、神经网络、自然语言与图像处理领域小有所成的初创公司。鉴于目前人工智能研究领域的火爆程度,斯坦福大学的教授们不久前作出了这样一份报告:“人工智能软件的作用越来越强大,而对人类社会、经济有强大影响力的人工智能软件将于2030年前面世”。

国外网站Datamation今日整理了目前热门的15款开源人工智能软件,雷锋网对全文进行了编译介绍。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2016-09-18

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏场景录小程序

干货丨矩阵化运营,轻松提高小程序流量

目前很多头部小程序都在发展小程序矩阵化,因为单一的小程序无法形成生态,不利于长时间发展。而做矩阵的目的不只是实现精准的流量获取,更重要的一点是为了实现目标人群一...

742
来自专栏云市场·精选汇

干货丨矩阵化运营,轻松提高小程序流量

目前很多头部小程序都在发展小程序矩阵化,因为单一的小程序无法形成生态,不利于长时间发展。而做矩阵的目的不只是实现精准的流量获取,更重要的一点是为了实现目标人群一...

1062
来自专栏大数据挖掘DT机器学习

你真的适合在数据科学领域工作吗?(译文)

目前数据科学家或相关角色(如数据管理,统计师,数据分析师等)成为最抢手的职业之一。针对这一跨行业的趋势,一些顶尖大学已经开始致力于培养数据科学家. 在...

2725
来自专栏新智元

【2017深度学习框架大事记】PyTorch成TensorFlow最大竞争对手,微软、亚马逊、Facebook 合作联盟对抗谷歌

来源:towardsdatascience.com 作者:Indra den Bakker 编译:刘小芹 【新智元导读】2017年,深度学习框架领域出现了许多新...

3696
来自专栏机器之心

OpenAI联合DeepMind发布全新研究:根据人类反馈进行强化学习

选自DeepMind 作者:Shane Legg等 机器之心编译 参与:吴攀、黄小天、李亚洲 DeepMind 和 OpenAI 是现在人工智能研究界最重要的两...

2548
来自专栏人工智能头条

机器学习无法精通吗?一文掌握机器学习窍门!

如果你对人工智能和机器学习的理解还不是很清楚,那么本文对你来说将会很有用。我将配合精彩的视频和文字解说来帮助你全面理解机器学习。

732
来自专栏人工智能头条

京东DNN实验室:大数据、深度学习与计算平台的实践

1304
来自专栏数据的力量

如何成长为顶级数据分析师和数据挖掘师?

1586
来自专栏机器人网

机器人学与人工智能的关系需要密切?

机器人学,特别是智能机器人,与人工智能有十分密切的关系。人工智能的近期目标在于研究智能计算机及其系统,以模仿和执行人类的某些智力功能,如判断、推理、理解、识别、...

2523
来自专栏AI科技大本营的专栏

CCAI 2017 | 小数据学习对 AI 究竟有着怎样的影响?

近几年来,得益于大数据的积累、计算能力的提升,深度学习从学术到工程领域均取得了非常显著的发展与突破,尤其是诸如图像识别、语音识别等实际场景应用。但是,依赖于海量...

3215

扫描关注云+社区