TensorFlow 1.0 正式发布;微软开源无人机虚拟训练平台 AirSim | AI开发者头条

简介:

TensorFlow 1.0  正式发布!

TensorFlow 1.0  正式发布;微软开源无人机虚拟训练平台 AirSim | AI开发者头条

在昨晚揭幕的 TensorFlow 开发者峰会上,谷歌正式发布了 TensorFlow 1.0 版本。新版本带来三大主要优化:

  1. 大幅提升的运算速度,尤其是对于多 GPU、分布式计算场景。

  2. 对高级别 API 有更好的兼容性,尤其完全兼容 Keras

  3. 改进 API 稳定性 

注:本次峰会是 TensorFlow 史上第一届开发者峰会,在加州山景城举行,颇值得大家关注。详情请关注雷锋网后续报道。

TensorFlow 1.0 详情:http://www.leiphone.com/news/201702/gmnUrWcCgCJsNMEA.html

谷歌博客:https://developers.googleblog.com/2017/02/announcing-tensorflow-10.html?m=1&winzoom=1 

TensorFlow 1.0 预览版本技术规格:http://www.leiphone.com/news/201701/x8fEWZIMCWty6EvZ.html

TensorFlow 开发者大会视频:https://www.youtube.com/watch?v=LqLyrl-agOw

 初创公司 Graphcore 提出机器学习进程可视化方案

TensorFlow 1.0  正式发布;微软开源无人机虚拟训练平台 AirSim | AI开发者头条

众所周知,包括 TensorFlow 在内的一系列开源框架,训练 AI 时使用了计算图。

Graphcore 开发出一套 AI 芯片和软件方案。在机器学习算法运行时,能生成一系列的彩色图像,对系统进程加以表示。而这正是基于计算图。

在算法执行阶段,计算机根据计算图进行训练。这时,系统会反复“进出”数据。而该动作和它们之间的关联,被 Graphcore 分配了不同的颜色以进行表示。

详情:http://www.wired.co.uk/article/ai-machine-learning-brain-scan

数据可视化软件 Tableau 推出 10.1 版本,正式支持 Python

TensorFlow 1.0  正式发布;微软开源无人机虚拟训练平台 AirSim | AI开发者头条


在此前的 Tableau 8.1 版本中,该软件加入了对 R 语言的支持。现在终于扩充到了 Python。对于熟悉 Python 语言,并喜欢使用 Tableau 进行数据分析可视化处理的数据工程师,这无疑是一个好消息。

雷锋网(公众号:雷锋网)注:整合 Python 进 Tableau 需要用户安装 TabPy Server。

详情:https://blog.alookanalytics.com/2017/02/14/advanced-analytics-with-python-and-tableau/

微软开源无人机虚拟训练平台 AirSim

TensorFlow 1.0  正式发布;微软开源无人机虚拟训练平台 AirSim | AI开发者头条

它全称为“Aerial Informatics and Robotics Platform”。该平台的目的是训练自动驾驶无人机,并使它们更安全。

它包含一个高度模拟真实世界的模拟器,并能帮助开发者快速编写控制飞行机器人的代码。无人机、飞行机器人工程师可用收集到的数据,在该平台上训练 AI 飞行系统,在虚拟世界中进行测试。在开发出原型机之前,就可以进行技术验证。

其 beta 测试版本已发布于 GitHub。

详情:https://blogs.microsoft.com/next/2017/02/15/microsoft-shares-open-source-system-training-drones-gadgets-move-safely/#sm.00002oz9xh7d9ezuzyu1f8mdxxko2

GitHub 地址:https://github.com/Microsoft/AirSim

IBM 机器学习发布会

TensorFlow 1.0  正式发布;微软开源无人机虚拟训练平台 AirSim | AI开发者头条

IBM 于昨晚举行了“Machine Learning Launch Event”,即机器学习发布会。其主要内容是 IBM 如何抓住云计算、大数据机遇,拓展机器学习市场份额。IBM 宣布,开拓机器学习服务器市场将是他们的首要目标——将 Watson 机器学习技术介绍给传统服务器和数据中心客户。雷锋网了解到,完成该目标将主要依靠 IBM Z 和 Power AI 平台。

详情:https://www.ibm.com/analytics/us/en/events/machine-learning/

http://siliconangle.com/blog/2017/02/15/watch-live-ibm-machine-learning-launch-thecube/

IBM 工程师的访谈视频:https://www.youtube.com/watch?v=_BVBRUPnq38

相关文章:

TensorFlow 1.0 要来了!它将带来哪些革命性变化?

TensorFlow 与 Apache Spark 结合:雅虎开源“TensorFlowOnSpark”

TensorFlow 开发者峰会将于今晚举行;维基百科使用AI机器学习算法来检测恶意评论 | AI开发者头条






本文作者:三川
本文转自雷锋网禁止二次转载, 原文链接
目录
相关文章
|
7天前
|
人工智能 JSON PyTorch
TPO:告别微调!这个AI框架让大模型实时进化:无需训练直接优化,输入问题越用越聪明,输出质量暴涨50%
TPO(Test-Time Prompt Optimization)框架,通过奖励模型和迭代反馈优化大语言模型输出,无需训练即可显著提升性能,支持动态对齐人类偏好,降低优化成本。
140 8
TPO:告别微调!这个AI框架让大模型实时进化:无需训练直接优化,输入问题越用越聪明,输出质量暴涨50%
|
9天前
|
机器学习/深度学习 人工智能 搜索推荐
BioEmu:微软黑科技炸场!生成式AI重构蛋白质模拟:千倍效率碾压传统计算,新药研发周期砍半
BioEmu 是微软推出的生成式深度学习系统,可在单个 GPU 上每小时生成数千种蛋白质结构样本,支持模拟动态变化、预测热力学性质,并显著降低计算成本。
23 2
BioEmu:微软黑科技炸场!生成式AI重构蛋白质模拟:千倍效率碾压传统计算,新药研发周期砍半
|
4天前
|
人工智能 安全 数据中心
D1net阅闻 | 微软CEO对话特朗普和马斯克:豪掷800亿美元建AI数据中心
D1net阅闻 | 微软CEO对话特朗普和马斯克:豪掷800亿美元建AI数据中心
|
1天前
|
人工智能 自然语言处理 程序员
下载量突破400万,百万开发者首选的 AI 编码工具通义灵码是如何炼成的?
下载量突破400万,百万开发者首选的 AI 编码工具通义灵码是如何炼成的?
|
4天前
|
机器学习/深度学习 人工智能 Kubernetes
容器化AI模型部署实战:从训练到推理
在上一篇中,我们探讨了AI技术如何赋能容器化生态。本篇聚焦于AI模型的容器化部署,通过图像分类任务实例,详细介绍了从模型训练到推理服务的完整流程。使用PyTorch训练CNN模型,Docker打包镜像,并借助Kubernetes进行编排和部署,最终通过FastAPI提供推理服务。容器化技术极大提升了AI模型部署的便利性和管理效率,未来将成为主流趋势。
|
4天前
|
机器学习/深度学习 人工智能 Java
谈谈AI时代到来以及35岁危机双重压力下,作为一个普通开发者的想法
在AI快速发展的背景下,Java后端开发人员可通过系统学习转型至AI领域。建议步骤包括:1. 学习Python编程;2. 掌握数据处理与分析工具;3. 学习机器学习基础及框架;4. 深入研究深度学习;5. 结合Java与AI技术;6. 参与开源项目和社区;7. 持续更新知识并实践;8. 寻找转型机会。尽管转型需要时间和努力,但前景广阔。
23 4
|
5天前
|
机器学习/深度学习 人工智能 PyTorch
从零开始:如何训练自己的AI模型
### 从零开始:如何训练自己的AI模型 训练AI模型如同培养新生儿,需耐心与技巧。首先明确目标(如图像识别、自然语言处理),选择框架(TensorFlow、PyTorch)。接着收集并预处理数据,确保多样性和准确性。然后设计模型结构,如卷积神经网络(CNN),并通过代码实现训练。训练后评估模型性能,调优以避免过拟合。最后部署模型至实际应用。通过猫狗分类器案例,掌握关键步骤和常见问题。训练AI模型是不断迭代优化的过程,实践才能真正掌握精髓。
|
3月前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
392 55
|
4月前
|
机器学习/深度学习 数据采集 数据可视化
TensorFlow,一款由谷歌开发的开源深度学习框架,详细讲解了使用 TensorFlow 构建深度学习模型的步骤
本文介绍了 TensorFlow,一款由谷歌开发的开源深度学习框架,详细讲解了使用 TensorFlow 构建深度学习模型的步骤,包括数据准备、模型定义、损失函数与优化器选择、模型训练与评估、模型保存与部署,并展示了构建全连接神经网络的具体示例。此外,还探讨了 TensorFlow 的高级特性,如自动微分、模型可视化和分布式训练,以及其在未来的发展前景。
418 5
|
4月前
|
机器学习/深度学习 人工智能 TensorFlow
基于TensorFlow的深度学习模型训练与优化实战
基于TensorFlow的深度学习模型训练与优化实战
172 3

热门文章

最新文章