▌業(yè)界焦點

陸奇“入駐” YC，開啟新征程

8 月 15 日，據(jù) 36 氪消息，Y Combinator（以下簡稱 YC）宣布中國作為美國市場外展開業(yè)務的首個國家，同時，宣布陸奇擔任 YC 中國創(chuàng)始人及首席執(zhí)行官，全權(quán)負責 YC 在華業(yè)務的發(fā)展，并擔任 YC 全球研究院院長，領導 YC 全球研究院的前沿科學研究。

陸奇稱自己對自然語言交互、計算機視覺等 AI 技術非常看好。“人工智能技術對科研領域有非常大的影響。我在 YC做的事情，就是希望能夠盡快推動這些愿景的落地，特別是在中國?！保╲ia 36氪）

谷歌 DeepMind 的 AI 可以檢測出超過 50 種威脅視力的眼疾

DeepMind 周一發(fā)布了一項研究，顯示其在使用人工智能診斷眼部疾病方面取得的進展。該研究發(fā)表在自然科學雜志上，該研究報告稱，DeepMind 與倫敦 Moorfields 眼科醫(yī)院合作，已經(jīng)訓練其算法能夠檢測出超過 50 種威脅視力的病癥，其準確度與專家臨床醫(yī)生相同。它還能夠為患者正確推薦最合適的行動方案，并優(yōu)先考慮那些最迫切需要護理的人。

DeepMind 的 AI 已經(jīng)使用一種特殊類型的眼睛掃描儀進行了培訓，但研究人員稱它與任何型號都兼容。這不僅意味著它可以廣泛使用而且沒有硬件限制，即使更換和更新設備，它仍將在未來是有用的。但是，在 AI 用于臨床診療之前，它必須通過臨床試驗并獲得監(jiān)管部門的批準。

英偉達十年力作：新一代光線追蹤顯卡 Quadro RTX 及核心架構(gòu) Turing，可支持 AI 運算

8 月 14 日清晨，英偉達（NVIDIA）CEO 黃仁勛在 SIGGRAPH 2018 計算機圖形技術大會上推出外界紛傳已久的新款顯卡系列 Quadro RTX，并且發(fā)布了全新核心架構(gòu) Turing（“圖靈”）。

前者是全球首批主打光線追蹤技術的專業(yè)顯卡，除了支持光線追蹤外，還支持高級著色、仿真、AI 運算等任務；后者則是“自 2006 年 CUDA GPU 發(fā)布以來的最大進步”，其光線追蹤能力比 Pascal 快25倍，現(xiàn)場他還特意演示了基于 Turing 架構(gòu)的 RTX 前后對比圖。

蔚來汽車向 SEC 提交 IPO 申請，計劃最多融資 18 億美元

據(jù)美國財經(jīng)網(wǎng)站 CNBC 報道，中國電動汽車制造商蔚來汽車（Nio）向美國證券交易委員會（SEC）提交了 IPO（首次公開募股）招股書，希望通過 IPO 籌集至多 18 億美元資金。 蔚來汽車計劃在紐約證券交易所掛牌上市，股票代碼為“NIO”。該公司此次 IPO 的承銷商包括：摩根士丹利、高盛、美銀美林、德銀證券、花旗、瑞信證券、瑞銀證券和 WRSecurities。（via TechWeb)

小愛同學月活躍設備超 3000 萬，累計喚醒超過 50 億次

小米官方宣布，截止 7 月底，小愛同學月活躍設備超過 3000 萬，今年 7 月小愛同學喚醒超過 10 億次，累計喚醒已超過 50 億次。

小愛同學是小米旗下的人工智能助手，內(nèi)置在小米手機、小米 AI 音箱、小米小愛音箱 mini 等設備中，用戶可以通過小愛同學語音操控小米生態(tài)鏈中的多款產(chǎn)品。除此以外，小愛同學還具備播放音樂、查天氣、翻譯、閑聊等日常應用；手機里的小愛同學還可以打電話、信息搜索、打開 App、導航、語音設置日程提醒等專屬應用。（via.新浪科技）

▌技術焦點

TensorFlow 2.0 即將發(fā)布，所有 tf.contrib 將被棄用

谷歌開源戰(zhàn)略師 Edd Wilder-James 最新公開的一封郵件顯示，TensorFlow 2.0 預覽版將在今年晚些時候正式發(fā)布，并稱其是一個重大的里程碑。

據(jù)悉，未來 TensorFlow 將會把重點放在易用性上，而 Eager Execution 將會是 TensorFlow 2.0 的核心功能。

此外，TensorFlow 團隊表示，未來所有的 tf.contrib 都會被棄用，對于每個 contrib 模塊，要么 a）將項目集成到 TensorFlow 中；b）將其移至單獨的存儲庫；c）完全將其移除。從今天將開始，TensorFlow 將停止添加新的 tf.contrib 項目。

GraphPipe：實用便捷的通用機器學習模型部署框架

GraphPipe 是一種協(xié)議和軟件集合，旨在簡化機器學習模型部署并將其與特定框架的模型實現(xiàn)分離。

特征：基于扁平緩沖區(qū)的極簡主義機器學習傳輸規(guī)范；適用于 Tensorflow，Caffe2 和 ONNX 的簡單，高效的參考模型服務器；在 Go，Python 和 Java 中進行有效的客戶端實現(xiàn)。

Polygon-RNN++：分割數(shù)據(jù)集高效標記

使用對象掩碼手動標記數(shù)據(jù)集非常耗時。而遵循 Polygon-RNN 的思想，他們對模型做了幾個重要改進：1）設計了一個新的 CNN 編碼器架構(gòu)；展示了如何使用強化學習有效地訓練模型；3）使用圖形神經(jīng)網(wǎng)絡提高輸出分辨率，允許模型準確地注釋圖像中的高分辨率對象。

https://github.com/fidler-lab/polyrnn-pp

TensorFlow模型分析工具更新至v0.9.0

https://github.com/tensorflow/model-analysis/releases/tag/v0.9.0

DL/ML/C/C++/Python/面試筆記