日前，GPU HUB 发布了 NVIDIA 最近三代 GPU 架构的详细对比，节选如下 ——[……]
月度归档： 2018年8月
Google 发布『多巴胺』开源强化学习框架
强化学习是一种非常重要 AI 技术，它能使用奖励（或惩罚）来驱动智能体（Agents）朝着特定目标前进，比如它训练的 AI 系统 AlphaGo 击败了顶尖围棋选手，它也是 DeepMind 的深度 Q 网络（DQN）的核心部分，它可以在多个 Workers 之间分步学习，例如，在 Atari 2600 游戏中实现『超人』性能。麻烦的是，强化学习框架需要花费大量时间来掌握一个目标，而且框架往往是不灵活和不总是稳定的。
但不用担心，Google 近日发布了一个替代方案：基于 TensorFlow 的开源强化学习框架 Dopamine（多巴胺）。 Google 的博文中提到，这个基于 Ten[……]
23 个 Pandas 核心操作
PyTorch 经验指南：技巧与陷阱
PyTorch 的构建者表明，PyTorch 的哲学是解决当务之急，也就是说即时构建和运行计算图。目前，PyTorch 也已经借助这种即时运行的概念成为最受欢迎的框架之一，开发者能快速构建模型与验证想法，并通过神经网络交换格式 ONNX 在多个框架之间快速迁移。本文（机器之心翻译）从基本概念开始介绍了 PyTorch 的使用方法、训练经验与技巧，并展示了可能出现的问题与解决方案。
PyTorch 是一种灵活的深度学习框架，它允许通过动态神经网络（例如利用动态控流——如 if 语句或 while 循环的网络）进行自动微分。它还支持 GPU 加速、分布式训练以及各类优化任务，同时还拥有许多更[……]
深度学习新王者：AutoML
TowardDataScienc 最近发布文章 《Everything you need to know about AutoML and Neural Architecture Search 》，将 AutoML 和神经架构搜索（NAS），定义为深度学习领域的新一代王者。
神经架构搜索（NAS）
在开发神经网络的过程中，架构工程事关重大，架构先天不足，再怎么训练也难以得到优秀的结果。当然，提到架构，很多人会想到迁移学习：譬如：把 ImageNet 上训练的 ResNet 拿来，换个数据集再训练，并根据训练结果更新权重，便完成了。这种方法的确也可行，但是要想得到最好的效果，还是根据实际情况[……]
2018 年 GPU 选型
深度学习是一类对计算资源有着高度要求的领域，而 GPU 的选择将从根本上决定你的深度学习体验。如果没有 GPU，你可能需要等上几个月才能拿到实验结果，或者在单一实验步骤上耗费整整一天乃至更久，甚至有可能在苦等许久之后只得到“所选参数关闭”以及模型分歧等错误。
有了良好且可靠的 GPU，我们将能够对深层网络的设计方案与参数进行快速迭代，且能够将原本长达数月或者数天的处理过程压缩至数小时甚至数分钟。因此，在购买 GPU 时做出正确的选择对深度学习而言至关重要。
Time Dettmers 是瑞士卢加诺大学信息学硕士，热衷于开发自己的 GPU 集群和算法来加速深度学习。以下是他对包括 2[……]
NVIDIA 次世代 AI 芯片 Jetson Xavier
WRC 2018 世界机器人大会上，NVIDIA 展出了专为机器人设计的芯片 Jetson Xavier。同时，NVIDIA 高级软件经理李铭博士也向网易智能等媒体详细介绍了这款芯片的特点，阐述了 Jetson Xavier 如何推动机器人软硬件技术的发展。NVIDIA Jetson Xavier 是 Jetson 平台的最新成员。 它是用于自动机器的 AI 计算机，可在 30 万以下的嵌入式模块中提供 GPU 工作站的性能。 凭借 10 万，15 万和 30 万的多种工作模式，Jetson Xavier 的能效比其前身 Jetson TX2 高出 10 倍以上，性能超过 20 倍。
一[……]
广东省新一代人工智能发展规划
近日，广东省人民政府印发《广东省新一代人工智能发展规划》，提出了『三步走』的发展目标 ——
- 到 2020 年，广东人工智能产业规模、技术创新能力和应用示范均处于国内领先水平，部分领域关键核心技术取得重大突破，一批具有地域特色的开放创新平台成为行业标杆，人工智能成为助推广东产业创新发展的重要引擎，形成广东经济新的增长点。
- 到 2025 年，广东人工智能基础理论取得重大突破，部分技术与应用研究达到世界先进水平，开放创新平台成为引领人工智能发展的标杆，有力支撑广东建设国家科技产业创新中心。
- 到 2030 年，人工智能基础层、技术层和应用层实现全链条重大突破，总体创新能力处于国[……]
边缘计算潜力无限
自动驾驶汽车本质上是一台装有轮子的高性能计算机，它通过大量的传感器来收集数据。为了使得这些车辆能够安全可靠地运行，它们需要立即对周围的环境做出反应。处理速度的任何延迟都有可能是致命的。虽然联网设备的数据处理现在主要是在云端进行的，但在中央服务器之间来回传送数据可能需要几秒钟的时间。这一时间跨度太长了。
云计算已经不足以即时处理和分析由物联网设备、联网汽车和其他数字平台生成或即将生成的数据，这个时候边缘计算能够派上用场。该技术拥有着应用于诸多行业领域和发挥巨大作用的潜力。边缘计算则让自动驾驶汽车更快速地处理数据成为可能。这种技术使得联网设备能够处理在『边缘』形成的数据，这里的『边缘』是指位[……]
27.31TB 人工智能科研数据集
Academic Torrents 是一个分布式系统，以推动大规模数据共享为目标，包含了各式各样的数据集，总计 27.31 TB 的资源。平台设计了一个分布式系统来共享巨大的数据集，供研究人员和研究人员共享。其结果是一个可扩展的、安全的、容错的数据存储库，具有快速的下载速度。目前已成为国外高校 AI 与大数据科研中数据共享的主要途径。
项目 GitHub 地址[……]