据介绍，人工智能比较大的挑战之一是识别度不高、准确度不高，提高准确度就要提高模型的规模和精细度，提高线下训练的频次，这需要更强的计算力。当前随着人工智能算法模型的复杂度和精度愈来愈高，互联网和物联网产生的数据呈几何倍数增长，在数据量和算法模型的双层叠加下，

深度学习正在迎来它的高光时刻。4月23日，首届WAVE SUMMIT 2019深度学习开发者峰会在北京举办，过千位“慕名而来”的开发者与AI专家、学者一道见证了国内真正意义上第一场深度学习开发者盛会。会上，百度高级副总裁、深度学习技术及应用国家工程实验室

深度神经网络在2012年兴起，当时深度学习模型能够在传统机器学习问题，例如图像分类和语音识别，击败最先进的传统方法。这要归功于支撑深度学习的各种哲学思想和各种思维。比如max_pooling： 夜晚的地球俯瞰图，灯光耀眼的穿透性让人们只注意到最max的部分

6 月 28 日，小米人工智能与云平台副总裁崔宝秋博士在开源中国开源世界高峰论坛上发表《小米 AI 时代的开源》演讲，并在会上宣布，开源小米自研的移动端深度学习框架 Mobile AI Compute Engine 。据雷锋网了解，MACE 是专门为移动设

不管是AI也好，其他学科也好，学习、研究的过程中不断反思学科的历史，总结学科的发展现状，找出最重要的理念，总能让人能“吾道一以贯之”。软件工程师James Le近期根据他研究的经验总结出了AI研究必须要知道的十种深度学习方法，非常具有启发性。人们对机器学习

作为通用处理器，CPU 是计算机中不可或缺的计算核心，结合指令集，完成日常工作中多种多样的计算和处理任务。然而近年来，CPU在计算平台领域一统天下的步伐走的并不顺利，可归因于两个方面，即自身约束和需求转移。自身约束又包含两方面，即半导体工艺，和存储带宽瓶

在这篇文章中，研究员 Killian 介绍了自己的深度学习开发环境：TensorFlow + Docker + PyCharm + OSX Fuse + Tensorboard。但根据自己的预算、语言习惯、开发需求，每个人都会配置不同的开发环境，也遇到过各

在过去的两年里，为了满足机器学习的需要，特别是深度神经网络的需要，出现了一股对创新体系架构研究的热潮。我们已经在《The Next Platform》中报道了无论是用于训练侧还是推理侧的许多架构可选方案，并且正是因为所做的这些，我们开始注意到一个有趣的趋