除了“技术炫”,人工智能的另一大特征是“开会多”,然而,专门针对“深度学习”的开发者大会却少之又少。
随着深度学习带来 AI 的第三次浪潮,对 AI 的相关讨论层出不穷,算法是大家关注的重点。
项目简介 Forward 是一款腾讯平台和内容事业群(PCG)研发的 GPU 高性能推理加速框架。它直接加载主流框架模型(Tensorflow / PyTorch / Keras)转换成 TensorRT 推理加速引擎,帮助用户节省中间繁杂的模型转换或网络构建步骤。相对于直接使用 TensorRT,Forward 更易用以及更容易扩展支持更多模型和算子。目前,Forward 除了覆盖支持主流的 CV,NLP 及推荐领域的深度学习模型外,还支持一些诸如 BERT,FaceSwap,StyleTransf
来源:专知本文共1200字,建议阅读5分钟本文对2021年中国深度学习软件框架市场进行了深度的调研与分析。 过去十年,人工智能从实验室走向产业化,并在全球范围内掀起新一轮的技术革命。AI在迅速融入细分场景的同时也在不断地重塑传统行业模式,为经济社会输出独一无二的未来价值。弗若斯特沙利文(Frost & Sullivan,以下简称“沙利文”)发布了最新的《中国深度学习软件框架市场研究报告(2021)》,对2021年中国深度学习软件框架市场进行了深度的调研与分析。 深度学习是本轮人工智能爆发的关键技术,而深度学
本文为 AI 研习社编译的技术博客,原标题 Ready-to-Use Deep-Learning Models,作者为 Patrick Titzler。 翻译 | 老周 整理 | MY 您
一、Docker、深度学习镜像、Nvidia-docker的安装 安装这种事儿,真不想详细写。因为这里确实没有很多坑。
机器之心发布 机器之心编辑部 近日,国际权威数据调研机构 IDC 发布《中国深度学习框架和平台市场份额,2022H2》报告。报告显示,百度稳居中国深度学习平台市场综合份额第一,领先优势进一步扩大。中国深度学习开源框架市场形成三强格局,飞桨 PaddlePaddle 超过谷歌 TensorFlow,框架市场前三份额超过 80%。 IDC 分析师在报告中总结到,从覆盖广泛度上,飞桨 PaddlePaddle 在学术界、工业界的认知都进一步提升,是在提及时知晓的框架;从用户群体上,飞桨在制造、能源、交通、物流行
苹果、谷歌、Facebook、SAP、微软等科技巨头,早已有了实际的行动。单单是Apple Pay和Google Pay的停用,就已经影响了数千万人的生活秩序,而GitHub、Node、React等开源平台针对俄罗斯开发者的严格限制,则给不少企业的产品开发、商业运作蒙上了一层不确定的阴影。
后端(RD)工程师:让算法工程师产出的代码落到业务中,适用于工业调用(比如配置数据库和设定便捷的交互)
人工智能 ACL 2017精选论文(洪亮劼,Etsy数据科学主管) 涉及自然语言处理、人工智能、机器学习等诸多理论以及技术的顶级会议——第55届计算语言学年会(The 55th Annual Meeting of the Association for Computational Linguistics,简称ACL会议)于今年7月31日-8月4日在加拿大温哥华(Vancouver)举行。从近期谷歌学术(Google Scholar)公布的学术杂志和会议排名来看,ACL依然是最重要的自然语言处理相关的人工智能
金磊 发自 凹非寺 量子位 | 公众号 QbitAI 百度飞桨又一次被“点名”了: 中国深度学习市场应用规模第一! 这就是中国信通院与深度学习技术及应用国家工程研究中心联合发布的《深度学习平台发展报告(2022年)》(下文简称报告)中,所给出的最新结论。 而且还是和老牌深度学习框架选手,谷歌家的TensorFlow、Meta家的PyTorch一较高下后的结果。 不仅如此,报告中还指出,中国已经成为全球开发框架生态发展最快的国家。 单是在社区生态这一块,以飞桨为代表的“中国队”便在GitHub中交出了一组亮
【新智元导读】本文从算法、市场及硬件三个角度观察深度学习对计算机视觉的影响,并补充完整视频。谷歌TensorFlow移动端和嵌入式应用团队负责人Pete Warden介绍了如何用TensorFlow框架开发不同的低能耗深度学习产品。调研公司Tractica首席分析师表示,到2024年,深度学习服务业产值将超过500亿美元。IEEE Fellow Chris Rowen预测,神经网络将催生出新的价值链,全新的IP、工具和数据服务也会应运而生。 嵌入式视觉联盟主编Brian Dipert今天发布博文,介绍了2
【新智元导读】本文从算法、市场及硬件三个角度观察深度学习对计算机视觉的影响。以下三个视频中,谷歌TensorFlow移动端和嵌入式应用团队负责人Pete Warden介绍了如何用TensorFlow框架开发不同的低能耗深度学习产品。调研公司Tractica首席分析师表示,到2024年,深度学习服务业产值将超过500亿美元。IEEE Fellow Chris Rowen预测,神经网络将催生出新的价值链,全新的IP、工具和数据服务也会应运而生。 嵌入式视觉联盟主编Brian Dipert今天发布博文,介绍了2
作者 | James Wang, ARK 分析师 翻译 | shawn 一年的时间,股价增长两倍以上,创始人成为《财富》杂志2017年度商业人物,这家公司就是风头正劲英伟达(NVIDIA)。在多年的耕耘之后,英伟达的凭借着先发优势和快速迭代在AI时代迅速崛起。如今,英伟达的GPU几乎垄断了AI芯片市场,着实让人眼红。不过,大部分公司都不希望自己的命脉掌控在别人手中,于是谷歌推出了TPU,然后其他公司纷纷效仿,开始研发类似的深度学习专用芯片。那么类似TPU这种的专用芯片真的能对英伟达的GPU产生威胁吗?
【新智元导读】 近日,美国著名做空机构香橼(Citron Research)通过 Twitter 发布做空报告并给出了6点分析理由,称英伟达 2017 年股价将跌回 90 美元(按照当日股价来看,跌幅大约为 20%)。英伟达在2016年深度学习硬件市场中占绝对统治地位,在资本市场上,英伟达的股价2016年也上扬了250%,是成长最好的股票之一。但是英伟达真的就可以在2017年超越老牌芯片制造商英特尔和AMD吗?从前的客户Google参与芯片市场角逐,又是否成为新晋赢家?本文从市场、技术、资本三个角度深度分
“AI平台”这个概念,也是最近两年才逐渐流行起来。在2015年之前,与AI平台概念比较相近的是数据建模工具,如比较著名的SAS跟SPSS等。2016年以来,伴随AlphaGO引领着AI概念的广泛传播,AI平台逐步在国内流行起来。国外在定义AI的概念时,主要根据其两大用途进行划分,一是通过机器学习的能力进行数据分析,一般称之为机器学习平台(Machine Learning Platform)或者数据科学平台(Data Science Platform),另外则是通过NLP或者CV接口提供通用AI识别能力,通常称之为AI智能接口。而国内在定义AI平台时,最初只是将“通过云端方式提供深度学习算法或者深度学习模型”称为AI平台。随着深度学习热度的褪去,这个市场由于没有足够的落地场景而冷却,AI平台也随之将数据科学平台的能力与深度学习算法能力逐步结合起来。2018年以来,数据中台及AI平台的概念逐渐兴起,也有不少人将AI平台的概念融入中台,称之为AI中台。
现在深度学习的框架主要有Tensorflow,Pytorch,MXNet,Paddle和Keras,简单总结一下:
选自GitHub 机器之心编译 参与:蒋思源 最近,一项关注于快速构建深度学习环境的 GitHub 项目十分流行,这个名为 Deepo 的项目由一系列 Docker 镜像组成,包含了 TensorFl
由Uber公司的开发的Horovod架构,是一个集成了多个深度学习的统一平台,提供分布式训练效率的同事,让深度学习分布式训练变得更方便。
作者 | 鸽子 今天的朋友圈,被英伟达给炸了。 怎么回事呢? 话说,英伟达这货最近悄然修改了用户许可协议(EULA),禁止在数据中心使用消费者级显卡GeForce做深度学习。用什么呢?强制用其高端处理器Tesla系列。 GeForce和Tesla这两者有什么区别? 来看一组数据: GeForce GTX 1080: PASCAL; 2560 CUDA cores; 8 TFLOPS (single-prec); 8 GB GDDRX5 320 GB/s; max 180 W. Tesla P100: P
明敏 发自 凹非寺 量子位 | 公众号 QbitAI 前不久,中兴结束5年合规检查期的消息,在科技圈引发不小波澜。 在这样一个特殊的时间节点下,“缺芯少魂”方面的自主自强问题,再次成为全社会关注的焦点。 芯片,代表着底层算力;魂则是指系统。 如今,AI被视为高精尖技术竞赛角逐的战场,其最核心的系统便是深度学习框架。 国际两大主流深度学习框架TensorFlow、PyTorch之外,中国的开源框架,发展怎么样了? 具体都有哪些玩家入场?其背后技术实力如何?是否能够自主自立、不会重蹈“缺芯”覆辙? 今天,我们
2021年8月,ITU正式全文发布由飞桨和中国信通院联合牵头完成的ITU-T F.748.12 “Deep Learning Software Framework Evaluation Methodology”(深度学习软件框架评估方法),成为全球首个深度学习软件框架领域的国际标准。作为一家领先的AI公司,百度在国际标准舞台发出了自己的声音。
有些人会觉得现在市场上有很多深度学习引擎的框架,比如tensorflow, pytorch, caffe等,为什么还需要加速呢,很简单,虽然深度学习的技术发展火热,也有很多大牛,但是深度学习框架在技术上目前并没有收敛。这种事就像大数据分析hadoop一样,之前并没有成熟框架来处理分布式数据,经过很多年沉淀,现在hadoop已经成工业标准,后来内存的计算用spark。深度学习框架也是一样,由于深度学习算法还没有完全成熟以及与传统硬件计算力的不同(对新的芯片计算能力有需求),所以深度学习框架并没有得到真正的收敛。下面我们看一下袁进辉老师对深度学习架构的优化有什么办法。
海量的论文出现在国际顶尖AI学术会议,各种AI商业化实践受到全世界认可。在AI这一赛道上,中国已经颇具底气。然而,AI既然是推动世界第四次工业革命的“发动机”,其技术基础就远不只几篇论文和商业化那么简单。发动机的内核——深度学习应该得到更多关注。
deepx_core是一个完全自研的深度学习框架。 deepx_core针对大规模高维稀疏数据场景如搜索,推荐和广告等深度优化的深度学习框架。基于deepx_core可以开发出离线训练和在线推理的一整套解决方案, 并在腾讯多个业务中使用并得到好评。此外, deepx_core也是一个相当通用的深度学习框架, 用户可以快速开发出张量计算/机器学习/深度学习/强化学习/图神经网络/无监督学习等应用。 项目特点 计算图: deepx_core提供了一个支持自动求导的静态图引擎,该引擎支持一百余个op, 几乎覆盖
《西部世界》中的 AI 机器人引发了人们对于 AI 技术的惶恐——因为它描绘出了一个机器人拥有意识和意志的世界。埃隆·马斯克不止一次在公开场合重申了他对超级 AI 潜在崛起的担忧。他说:“请记住我的话,AI 比核武器危险得多。”
在深度学习中,优化算法是非常重要的,因为它们可以帮助我们训练出更好的模型。然而,现有的优化算法需要调整大量的超参数,这是一项非常耗时和困难的任务。此外,现有算法忽略了神经网络结构信息,而采用隐式的体系结构信息或体系结构不可知的距离函数。
如果说算法模型是果实,那么开发它的环境和框架就是培育果树的土壤。尽管平时在开发中,框架和底层环境没有那么引人瞩目,但没有这些底层技术的支持,优秀的思路和创意也就无从实现。当前,深度学习社区基本上被 TensorFlow 和 PyTorch 两大框架垄断。开源框架固然具有很高的人气和易用性,但是在国际环境变幻莫测的大背景下,是否依赖这些框架就足够保险呢?同时,如果企业有新的想法和业务需求,开源框架能否完美实现?是否能够无缝嵌入业务之中?这些都是 AI 企业需要思考的问题。
大数据文摘作品 编译:新知之路、党晓芊、吴双、Aileen 随着英伟达Titan V的发布,我们迈入了深度学习硬件发展的动荡期。NVIDIA能否在2018年保住深度学习硬件首要供应商的地位还未可知,AMD和Intel Nervana都仍有机会。 所以对于想买硬件的消费者,最精明的选择就是等上3至9个月,到这种不确定的状态过去之后再决定。 深度学习芯片领域的竞争从未停止过。 NVIDIA决定在竞争初现端倪之前,先将自己的垄断地位变现。通过这种方式,他们希望在未来1-2年内确保行业领先,所以他们的Titan V
作者Lukas Biewald,是CrowdFlower创始人。 量子位编译整理。 问:搭建一个深度学习系统拢共要花多少钱? 答:在树莓派上运行TensorFlow成本是39美元;在GPU驱动的亚马逊EC2节点上运行TensorFlow的成本是1美元,每小时。这些都是可行的方案。 当然要想玩得过瘾,可以自己搭建一个快速的深度学习系统,成本不到1000美元。 这也不是小数目,但这么做的好处是,一旦你有了自己的机器设备,可以运行数百个深度学习应用程序,比方增强的机器人大脑,或者搞点艺术创作。这套系统至少比M
近日,Rachel Thomas在fast.ai上发布了一篇博文《What you need to do deep learning》,他希望通过这篇文章回答一些深度学习入门者经常会问到的问题:什么样的电脑才能用来做深度学习?为什么 fast.ai 推荐使用英伟达的 GPU 呢?哪些深度学习库不适合初学者?你又是如何将深度学习应用到实际生产中的? Rachel Thomas认为,所有的这些问题都可以归结到一个主题,那就是“究竟需要准备好哪些东西(硬件、软件、知识背景以及数据等)才能开始深度学习?”。所以本篇
深度学习在经历了几年的大发展后,应用的需求和场景不断拓展和丰富。深度学习对算力了巨大需求一直制约着更广泛的落地。在移动端,这个问题一直极为突出:手机处理器性能弱、算力无法多机拓展、运算耗时长直接导致发热和高功耗,这些问题都与app的用户体验关系巨大。优图实验室作为公司最早将深度学习在移动端推广的实验室之一,在这一方面有着持续的积累。2017年,优图实验室开源了ncnn推断框架,是首个专注于移动端的开源推断框架,在业界收到了广泛的推崇,至今在GitHub上获得了8.9kstar和2.3k fork。 随
机器之心发布 机器之心编辑部 近日,权威数据调研机构 IDC 发布 2021 年上半年深度学习框架平台市场份额报告。调研显示,百度在中国深度学习平台市场中的综合份额持续增长,跃居第一。 人工智能正在进入大规模落地阶段,越来越多的开发者和企业基于深度学习平台构建、训练和部署智能应用。通过此次 IDC 报告可以看到,百度的深度学习平台建设已走在世界前列。百度飞桨、Google、Facebook 形成鼎立格局,飞桨继续稳步增长。飞桨企业版 EasyDL 保持市场排名首位,BML 显现强劲增速。作为我国首个自主研
PHP 从诞生到现在已经有20多年历史,从Web时代兴起到移动互联网退潮,互联网领域各种编程语言和技术层出不穷, Node.js 、 GO 、 Python 不断地在挑战 PHP 的地位。这些技术的推动者非常热衷于唱衰 PHP , PHP 语言的未来在哪里?PHP 程序员当如何应对未来的变革。 作为老牌的Web后端编程语言,PHP 在全球市场占有率非常高,仅次于 Java ,从各个招聘网站的数据上来看PHP 开发的职位非常多,薪资水平也非常不错。实际在中小企业、互联网创业公司PHP的市场地位是高于 Jav
PHP 从诞生到现在已经有20多年历史,从Web时代兴起到移动互联网退潮,互联网领域各种编程语言和技术层出不穷, Node.js 、 GO 、 Python 不断地在挑战 PHP 的地位。这些技术的推动者非常热衷于唱衰 PHP , PHP 语言的未来在哪里?PHP 程序员当如何应对未来的变革? 作为老牌的Web后端编程语言,PHP 在全球市场占有率非常高,仅次于 Java ,从各个招聘网站的数据上来看PHP 开发的职位非常多,薪资水平也非常不错。实际在中小企业、互联网创业公司PHP的市场地位是高于 J
导师提供了一台高性能GPU机器,但是装系统的老师对深度学习不大了解,所以环境需要我自己安装。在折腾了一两周后若干次失败后,我是在忍不住发了一条朋友圈:
选自RARE Technologies 作者:Shiva Manne 机器之心编译 参与:Panda 做深度学习开发和实验既可以选择自己搭建硬件平台(参阅《深度 | 从硬件配置到软件安装,一台深度学习机器的配备指南》),也可以向 GPU 提供商购买使用服务。本文介绍了 RARE Technologies 的 Shiva Manne 对几个主要 GPU 平台的评测结果,希望能为想要选择最适合自己的平台的企业或开发者提供帮助。 我们最近发表了使用 word2vec 的大规模机器学习基准评测文章,参阅:https
导读 本周开源云业内倒是出现一些比较有趣的消息。首先是Deepo项目在GitHub上的爆红。小编简单了解了一下该项目,用“强大”来形容并不为过,其不但能实现快速配置深度学习环境,还支持几乎所有常见的深度学习框架。另一则消息是 OpenContrail 项目将被 Linux 基金会接管。2013年,Juniper 发布 OpenContrail,OpenContrail被设计为能够在OpenStack云管理平台上工作。另外一则消息是一件“好人好事”,近日腾讯发现谷歌人工智能学习系统TensorFlow存在严重
【新智元导读】Facebook今天宣布开源深度学习平台 Torchnet。Torchnet 基于广泛使用的开源深度学习框架 Torch 7 搭建,支持模块化编程方法,能减少程序员工作量、降低错误率,简化深度学习模型训练过程。相比其他巨头自己搭建的深度学习平台,Torchnet 更加开放,也将大幅推进深度学习的应用普及。 2016 年 6 月 24 日,Facebook 宣布开源深度学习平台 Torchnet,简化研究和开发人员建立深度学习系统过程。 Torchnet 以目前广泛使用的深度学习框架 Torch
【新智元导读】多位精英CIO、CTO和技术高管组成的福布斯杂志的常设部门Forbes Technology Council 撰文指出,随着市场对针对机器学习优化的计算资源的需求急剧增长,新的进入者有机会提供可与如今的老牌云服务提供商(亚马逊AWS、微软Azure和谷歌云)一较高下的解决方案。 AI World 2017 世界人工智能大会(11月8日,国家会议中心)特设 AI Cloud 分论坛,多位大咖讲者亲临会场,详见文末议程及嘉宾介绍。大会限时 8 折票最后一天!扫描文末二维码,马上参会! 过去这几年涌
11月1日,腾讯AI Lab在南京举办的腾讯全球合作伙伴论坛上宣布正式开源“PocketFlow”项目, 该项目是一个自动化深度学习模型压缩与加速框架,整合多种模型压缩与加速算法并利用强化学习自动搜索合适压缩参数,解决传统深度学习模型由于模型体积太大,计算资源消耗高而难以在移动设备上部署的痛点,同时极大程度的降低了模型压缩的技术门槛,赋能移动端AI应用开发。
如果你浏览 AI 相关的新闻,不难发现「高薪」、「百万年薪」等极具诱惑力的词汇的出现频率非常高。同样,在知乎中搜索「如何转型 AI?」、「AI 领域需要怎样的人才?」、「普通程序员如何学习 AI 知识?」等问题,也总会发现各种各样的答案和衍生的话题。在人工智能浪潮的助推下,不少科技公司开高薪求良才,更有不少开发者前赴后继地投身进 AI 的风口中。
作者 | Jasmeet Bhatia 编译 | KK4SBB 本文将对目前流行的几种Keras支持的深度学习框架性能做一次综述性对比,包括Tensorflow、CNTK、MXNet和Theano。作者Jasmeet Bhatia是微软的数据与人工智能架构师,本文内容仅代表个人观点。 如果现在有人质疑Keras在数据科学家和工程师社区的地位,那么就先请他去看看专业AI和云计算玩家对Keras的支持率吧。官方发布的最新版Keras,除了支持Theano等通用库之外,已经可以支持谷歌的Tensorflow和微
公报更进一步强调了科技的自立自强,并明确提出到2035年关键核心技术要实现重大突破。这表明,“十四五”期间,科技创新会被提升到一个更高的战略位置,以改变当前对美国技术依赖性强的被动局面,并成为拉动未来经济发展的重要力量。
目前主流深度学习框架有Tensorflow和pytorch,由于一些原因我只在windows10下安装了以上两个深度学习框架。Tensorflow在16年底就出了在windows下可安装的版本,而pytorch在2018年4月25号也出了可在windows下安装的版本。接下来我将给出最简单的方法来安装深度学习框架。
近两年,该调查中使用深度学习工具的投票者所占份额保持稳定。2018 年有 33% 的投票者使用深度学习工具,2017 年和 2016 年分别有 32% 和 18%。
对于不同学习阶段和不同岗位的开发者来说,什么样的深度学习框架才是适合自己的呢?为此,AI 前线邀请了来自BAT的深度学习框架专家解答这个疑问。
12月15日,由腾讯云主办的首届“腾讯云+社区开发者大会”在北京举行。本届大会以“新趋势•新技术•新应用”为主题,汇聚了超40位技术专家,共同探索人工智能、大数据、物联网、小程序、运维开发等热门技术的最新发展成果,吸引超过1000名开发者的参与。以下是大数据AI分会场的演讲内容,稍作整理,分享给大家。
近日,英特尔开源了基于 Apache Spark 框架的分布式深度学习库 BigDL。通过使用BigDL,用户可以将他们的深度学习应用程序作为标准的 Spark 程序发布(即将基于BigDL的深度学习代码直接嵌入已有的Spark程序中),同时,BigDL还简化了基于Hadoop框架的数据加载过程。 据团队在GitHub平台上的介绍,BigDL具有如下三大特点: 1. 丰富的深度学习支持 BigDL的源代码基于Scala语言实现,同时从Torch框架中汲取了诸多先进的理念。比如像Torch一样,BigDL也为
领取专属 10元无门槛券
手把手带您无忧上云