首 页 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 尾 页

深度学习的异构加速技术(三):互联网巨头们“心水”这些 AI 计算平台

发布者: superzhang | 发布时间:2017-11-14

作者简介:kevinxiaoyu,高级研究员,隶属腾讯TEG-架构平台部,主要研究方向为深度学习异构计算与硬件加速、FPGA云、高速视觉感知等方向的构架设计和优化。“深度学习的异构加速技术”系列共有三篇文章,主要在技术层面,对学术界和工业界异构加速的构架演进进行分析。

在前面的论述中,主要在解决带宽这一核心问题的层面,对学术界涌现的典型架构进行讨论。在本篇中,将走进工业界,看一看半导体厂商和互联网巨头在AI计算中的不同选择。

一、半导体厂商的抉择

不同厂商有不同的应用场景,而适合构架和解决方案也各不相同,如云侧和端侧处理构架的设计导向差别较大。对于半导体领域,只要市场规模足够大,有足够多的客户买单,那么就有足够的动力去做相应的硬件定制。下面对以Nvidia和Intel为代表的半导体厂商方案进行论述。

1.1、NVIDIA

NVIDIA的应用场景是图像计算和海量数据并行计算。GPU是异构计算的主力,AI的兴起之源,生态发展得非常成熟,从开发流程到各种库的支持都非常完善。针对深度学习,NVIDIA的思路是延续其一直以来的GPU构架,并在两个方向发力,即丰富生态,和提升深度学习领域的定制性。对于前者,推出cuDNN等针对神经网络的优化库,提升易用性并针对GPU的底层结构进行优化;对于后者,一方面不再坚持32位浮点运算,

想读更多 ->

Unity For Android Cardboard App ( 1 ):基础入门

发布者: superzhang | 发布时间:2017-11-14

作者: ericzwhuang

前言

目前Google官方推出的VR设备有DayDream(2016年推出)和Cardboard(2014年推出)两种。

Daydream是消费级VR解决方案,提供了手持遥控设备Controller,提高渲染效率,优化延迟。 Cardboard是体验级VR解决方案,属于入门级VR设备的首选,物美价廉。

本文针对的VR设备是Cardboard,Google为Cardboard提供的VR SDK主要有四种,分别是Android,iOS,Unity和Unreal。本文主要阐述的是如何在Unity环境下开发VR场景,实现视线与物体的简单交互。

软件准备

工欲善其事,必先利其器,首先介绍开发过程中需要用到的软件环境和开发工具

Unity Editor 编辑图形界面的利器,所见即所得,使用的是Unity 5.4.2f2个人版 Visual Studio 微软出品的C#开发编辑器,使用的是Visual Studio 2015个人版 VR SDK 使用的是Google VR为Unity提供的SDK ,下载得到GoogleVRForUnity.unitypackage文件 Android SDK Android开发必备环境,推荐和Android Studio配套下载 JDK JAVA开

想读更多 ->

深度学习的异构加速技术(二):螺狮壳里做道场

发布者: superzhang | 发布时间:2017-11-14

作者简介:kevinxiaoyu,高级研究员,隶属腾讯TEG-架构平台部,主要研究方向为深度学习异构计算与硬件加速、FPGA云、高速视觉感知等方向的构架设计和优化。“深度学习的异构加速技术”系列共有三篇文章,主要在技术层面,对学术界和工业界异构加速的构架演进进行分析。

一、综述

“深度学习的异构加速技术(一)”一文所述的AI加速平台的第一阶段中,无论在FPGA还是ASIC设计,无论针对CNN还是LSTM与MLP,无论应用在嵌入式终端还是云端(TPU1),其构架的核心都是解决带宽问题。不解决带宽问题,空有计算能力,利用率却提不上来。就像一个8核CPU,若其中一个内核就将内存带宽100%占用,导致其他7个核读不到计算所需的数据,将始终处于闲置状态。对此,学术界涌现了大量文献从不同角度对带宽问题进行讨论,可归纳为以下几种:

A、流式处理与数据复用B、片上存储及其优化C、位宽压缩D、稀疏优化E、片上模型与芯片级互联F、新兴技术:二值网络、忆阻器与HBM

下面对上述方法如何解决带宽问题,分别论述。

二、不同招式的PK与演进 2.1、流式处理与数据复用

流式处理是应用于FPGA和专用AS

想读更多 ->

腾讯云发布智能安防监控解决方案,实现AI能力在安防行业落地

发布者: superzhang | 发布时间:2017-11-14

2017年11月10日,腾讯云正式对外发布了智能安防监控解决方案。腾讯云智能安防监控解决方案在传统安防监控的基础上,增加了大量人工智能应用的场景,使得安防监控的范围得到了极大的延伸,并使得安防监控更加高效。特别是人脸识别、车辆识别、人员徘徊、人数统计、人员轨迹分析、人员特征分析、道路路面情况监控等,对传统安防监控是一个跨越式的提升。

在公安领域,腾讯云智能安防监控解决方案借助腾讯优图的强大能力,能够对违法车辆的信息进行自动识别上报;也能够通过人脸识别技术快速查找价值视频,并通过人员轨迹快速锁定犯罪嫌疑人,这将大大提高公安干警的办案效率。

在物业、园区领域,腾讯云智能安防监控解决方案除了具备传统安防监控的能力外,并能通过一些策略主动识别出在敏感区域有人徘徊等有风险的事件,可以提前防范一些安全隐患。

在连锁门店领域,腾讯云智能安防监控解决方案除了具备传统安防监控的能力外,并能通过对进出门店的人员特性、逗留时间等信息进行分析,以此来帮助集团及时调整公司运营策略。

想读更多 ->

从概念走向实操 区块链的“风”真要来了

发布者: superzhang | 发布时间:2017-11-14

按照区块链监管的要求,国内三大比特币交易平台,OKCoin币行、火币网、比特币中国均发布公告,正式关停所有虚拟货币兑换人民币的集合竞价交易。

区块链

数字货币交易已经停止,但是,区块链技术仍在前行。OKCoin方面在宣布停止人民币和比特币交易的同一时间表示,下一步将转型为区块链技术应用和开发的公司。无独有偶,火币网创始人李林几乎在同一时间对外表示,“不念过去,不畏将来”,区块链的未来值得期待!

作为近两年时间迅速“火”起来的一项技术,区块链的发展可以说是颠覆式的,其安全、透明、不可篡改的优势使其在金融、医疗、共享经济等多领域都得到了应用。全球市场研究机构集邦咨询针对2018年科技产业发展发布的十大科技趋势新闻中提到,2017年区块链技术已从概念走向实操,企业、各国政府对区块链技术接受度提高。2018年区块链商转测试将筛选出可大规模应用的案例,并从实操阶段跃进至商用部署阶段。

概念遭资本追捧

区块链是比特币的底层技术,其基本思想是:通过建立一组互联网上的公共账本,由网络中所有的用户共同在账本上记账与核账,来保证信息的真实性和不可篡改性。而之所以名字叫做“区块”链,顾名思义,是因为区块链存储数据的结构是由网络上一个个“存储区块”组成一根链条,每个区块中包含了一定时间内网络中全部的信息交流数据。

“去中心化的

想读更多 ->

工欲善其事必先利其器 : 游戏 AI 环境对比

发布者: superzhang | 发布时间:2017-11-14

前言

DeepMind 发表 DQN 算法在 Atari 游戏上超过人类之后,游戏 AI 研究迅速成为了研究热点。游戏 AI 研究火热的一个侧面是游戏 AI 环境推陈出新,层出不穷。OpenAI Gym/Universe、ELF 和 SC2LE 等高水准的游戏 AI 环境相继问世。

1. 游戏 AI 环境简介

游戏 AI 环境包括游戏和适应 AI 调用的 API 接口。现在的游戏 AI 环境可以分为两类:单一游戏 AI 环境和集成游戏 AI 环境。单一游戏 AI 环境是指针对一个游戏构建的游戏 AI 环境。因为针对星际争霸的实在太有名了,我将之单独作为一类。其中 TorchCraft 是 FaceBook 基于星际争霸 I 的做的,后来阿里在上面加了 Python 接口推出了 TorchCraft-py。SC2LE 则是 DeepMind 和暴雪合作,基于星际争霸 II 推出的。另外 Malmo 是基于 MineCraft,ViDoom 是第一人称射击类,Maze 是一个简单的即时策略游戏 (RTS),TorCS 是赛车模拟游戏。集成游戏 AI 环境则是指游戏 AI 环境拥有多款游戏,比较有名的集成游戏 AI 环境有 OpenAI Gym/Universe 和 ELF。

想读更多 ->

EB级别云存储是如何涨成的?

发布者: superzhang | 发布时间:2017-11-14

作者:腾讯云存储产品中心 雷伟

前言

腾讯云存储服务,从开放至今,已支撑EB级存储规模。面对存储规模快速增长、应用数据多样化等挑战如何应对?大数据AI如火如荼,用户对数据存储的诉求从基本的稳定性、可靠性、性能到现在又发生了怎样的变化?对于未来,云存储服务又会为用户带来哪些新的机遇,和大家一起分享和探讨。

腾讯云存储的发展离不开每一个互联网用户的支持。已成必需品的微信、便利出行的滴滴、放松心情的QQ音乐,休闲时刻的腾讯视频等等,这些应用的极致服务背后都离不开腾讯云存储的支撑。

早在2006年,腾讯分布式存储系统平台TFS,就开始为腾讯集团所有的业务提供数据存储的服务。至2015年,规模已达EB级、用户数已达数十亿级别。TFS服务的对外开放,也就是今天大家熟知的腾讯云存储。

云存储的发展历程

虽然腾讯云存储对外提供服务时,已历经数十亿用户访问高并发、规模海量、业务多样化的考验,但不同的时代对云存储的诉求会有所不同。