发布时间:2017-04-20 阅读量:1137 来源: 我爱方案网 作者: 机器人之心
首先,计算方面。深度学习需要大量计算资源——常常会有成百上千万参数和数十亿个连接,而这正是云的用武之地。李飞飞介绍道:「去年,我们推出了 Beta 版的 Cloud ML Engine,今天我在这里宣布其已经实现了更广泛的可用性。Cloud ML Engine 是一个能够利用谷歌所有计算资源的平台。
借助 ML Engine,用户可以使用其熟悉的 TensorFlow 库,把精力放在自身创意和解决方案上,谷歌云则会为用户处理基础架构和模型上的问题——用户将它们上传至谷歌云,ML Engine 能更快速地进行大规模处理,并将其部署在移动设备上。但机器学习对于很多应用者来说依然很复杂。因此,谷歌发布了训练过的 API,它就像一个开关,可以在任意应用上开启智能部分,使其理解语音、图像和自然语言。
谷歌拥有庞大的研究团队,连续多年对人工智能和机器学习进行研究,是获得最佳论文数量最多的机构之一。谷歌能够迅速的将这些研究成果变成应用,并将其分发到客户手中。
其次,在民主化算法方面,李飞飞宣布了一项新产品——Vision API。她介绍道,正在稳步研发的 Vision API 具备一些非常重要的新能力。第一,谷歌把该 API 的元数据(metadata)扩展到了识别来自谷歌图像的知识图谱的数百万实体。如今,他们使用着同样的元数据来支撑谷歌的图搜索。第二,增强了光学字符识别(OCR)功能,能够从富含文本的图像中提取出文本,比如法律文件等。
第三,李飞飞认为数据是民主化的另一部分,像人类一样,人工智能需要大量数据为自我发展提供洞见。因此,数据集是人工智能需要克服的最大障碍中的一个。虽然 ImageNet 取得了巨大成功,但中间也经历了很多困难,也有一些残留问题。因此,她认为我们需要的是更具扩展性、更有效的方式来对数据进行民主化,且能面向更多的数据科学家、机器学习开发者、各领域专家甚至是商业用户。
谷歌云实现数据民主化的一大举措就是收购数据科学社区 Kaggle,后者聚集了超过 85 万数据科学家,并拥有众多开源数据集。李飞飞表示,收购 Kaggle 之后,谷歌云将为这个庞大社区提供最先进的机器学习环境,并提供直接市场化模型的机会。
第四,人才民主化。对此,谷歌云发布了 Advanced Solution Lab,实现其他公司与谷歌的人才合作,以帮助他们解决复杂的机器学习问题。USAA 就通过这种机制与谷歌进行了合作,并解决了自己的技术难题。
英伟达投资50亿入股英特尔股票
在高速通信、精准导航与精密测量等尖端领域,电子系统的时序架构对时钟信号稳定性的要求已近乎苛刻——其精度如同机械钟表的游丝摆轮,微小偏差便可能引发整个系统的时序紊乱,导致数据传输错误、定位偏移或测量失准。环境温度的波动一直是普通晶振频率稳定性的最大挑战,而温补晶振(Temperature Compensated Crystal Oscillator,简称TCXO)作为高精度时钟基准的核心器件,正是为解决这一核心问题而生。它凭借内置的“感知-计算-补偿”机制,在宽温环境下实现对频率的精准锁定,将温度变化引发的漂移压制在极低水平,成为高端电子系统中不可或缺的“时序锚点”。要真正理解并选型这一精密器件,就必须深入剖析其决定性能优劣的几个重要参数。
本文将深入剖析汽车级BMS的核心技术优势及其广泛的关键应用场景
工业相机是根据工业检测的特殊需求进行深度优化与强化的专业设备
Renesas Electronics RA8P1微控制器可提供超过7,300 CoreMarks的CPU性能,以及在500 MHz时256 GOPS的AI性能