6月10日，騰訊優(yōu)圖實驗室宣布正式開源新一代移動端深度學習推理框架TNN，通過底層技術優(yōu)化實現(xiàn)在多個不同平臺的輕量部署落地，性能優(yōu)異、簡單易用。騰訊方面稱，基于TNN，開發(fā)者能夠輕松將深度學習算法移植到手機端高效的執(zhí)行，開發(fā)出人工智能 App，真正將 AI 帶到指尖。
GitHub鏈接：
https://github.com/Tencent/TNN
輕量級部署，TNN助力深度學習提速增效
深度學習對算力的巨大需求一直制約著其更廣泛的落地，尤其是在移動端，由于手機處理器性能弱、算力無法多機拓展、運算耗時長等因素常常導致發(fā)熱和高功耗，直接影響到App等應用的用戶體驗。騰訊優(yōu)圖基于自身在深度學習方面的技術積累，并借鑒業(yè)內(nèi)主流框架優(yōu)點，推出了針對手機端的高性能、輕量級移動端推理框架TNN。
TNN在設計之初便將移動端高性能融入核心理念，對2017年開源的ncnn框架進行了重構升級。通過GPU深度調優(yōu)、ARM SIMD深入?yún)R編指令調優(yōu)、低精度計算等技術手段，在性能上取得了進一步提升。以下是MNN, ncnn, TNN框架在多款主流平臺的實測性能：
新加坡國立大學NExT中心的王翔博士分析了知識圖譜在個性化推薦領域的應用背景，并詳細介紹了課題組在個性化推薦中的相關研究技術和進展，包括基于路徑、基于表征學習、基于圖神經(jīng)網(wǎng)絡等知識圖譜在推薦系統(tǒng)中的融合技術
根據(jù)各種指法的具體特點,對時頻網(wǎng)格圖、時域網(wǎng)格圖、頻域網(wǎng)格圖劃分出若干個不同的計算區(qū)域,并以每個計算區(qū)域的均值與標準差作為指法自動識別的特征使用，用于基于機器學習方法的指法自動識別
Tube Feature Aggregation Network（TFAN）新方法，即利用時序信息來輔助當前幀的遮擋行人檢測，目前該方法已在 Caltech 和 NightOwls 兩個數(shù)據(jù)集取得了業(yè)界領先的準確率
姚霆指出，當前的多模態(tài)技術還是屬于狹隘的單任務學習，整個訓練和測試的過程都是在封閉和靜態(tài)的環(huán)境下進行，這就和真實世界中開放動態(tài)的應用場景存在一定的差異性
優(yōu)酷智能檔突破“傳統(tǒng)自適應碼率算法”的局限，解決視頻觀看體驗中高清和流暢的矛盾
通過使用仿真和量化指標，使基準測試能夠通用于許多操作領域，但又足夠具體，能夠提供系統(tǒng)的有關信息
基于內(nèi)容圖譜結構化特征與索引更新平臺，在結構化方面打破傳統(tǒng)的數(shù)倉建模方式，以知識化、業(yè)務化、服務化為視角進行數(shù)據(jù)平臺化建設，來沉淀內(nèi)容、行為、關系圖譜，目前在優(yōu)酷搜索、票票、大麥等場景開始進行應用
NVIDIA解決方案架構師王閃閃講解了BERT模型原理及其成就，NVIDIA開發(fā)的Megatron-BERT
自然語言處理技術的應用和研究領域發(fā)生了許多有意義的標志性事件，技術進展方面主要體現(xiàn)在預訓練語言模型、跨語言 NLP/無監(jiān)督機器翻譯、知識圖譜發(fā)展 + 對話技術融合、智能人機交互、平臺廠商整合AI產(chǎn)品線
下一個十年，智能人機交互、多模態(tài)融合、結合領域需求的 NLP 解決方案建設、知識圖譜結合落地場景等將會有突破性變化
中國移動聯(lián)合產(chǎn)業(yè)合作伙伴發(fā)布《室內(nèi)定位白皮書》，對室內(nèi)定位產(chǎn)業(yè)發(fā)展現(xiàn)狀及面臨的挑戰(zhàn)，深入分析了垂直行業(yè)的室內(nèi)定位需求，并詳細闡述了實現(xiàn)室內(nèi)定位的技術原理， 及室內(nèi)定位評測體系
機器人、無人機、自動駕駛汽車等加快落地，智慧城市深入建設，更是為傳感器產(chǎn)業(yè)帶來了難以估量的龐大機遇
