最近在读 Jeff Dean 的新作 Pathways，心中又一次呈现了这样的困惑：从前沿工作上看，零碎工作与算法模型工作早就曾经到了互相联合、缺一不可的状态。但近几年在做开源我的项目的过程中，和开发者、用户交换下来， 最大的领会是零碎工程师和算法工程师简直总是离的很远 。同学们彼此眼中的对方，大略是“洗草药炼丹的”vs“鼎力出奇观抡大锤的”……
做零碎的同学们想要深刻跟进 AI 技术趋势，把大锤抡到算法同学的心坎儿里，并不容易。简直所有学习材料都透着一股浓厚的科研滋味，太多的公式与实践，太少的工程与零碎。
作为零碎出身的 AI 爱好者，咱们在做 [Towhee] (https://github.com/towhee-io/…) 与 [Milvus] (https://github.com/milvus-io/…) 两个开源我的项目的过程中始终在期待一个为零碎人量身打造的 AI 教程，但始终没有这样的作品呈现。
近期，咱们打算本人入手进行一次尝试，做一套咱们零碎人本人的 AI 学习教程。 我的项目定位是开源，纯零碎角度，落地，好玩 。目前打算中的有三个系列，别离偏重利用实战、推理系统优化、前沿零碎技术：
1、从零开始搭建 AI 利用
- 利用 CLIP 搭建文本 - 图片跨模态搜寻服务
- 技术宅的浪漫：图片与视频二次元化！
- 大规模图搜零碎
- 跨模态视频语义检索
- 音乐版权检测实战（策动中）
- 问答零碎（策动中）
- 没有人比我更懂如何高效浏览 Github：为 Github 构建开源我的项目检索与举荐零碎（策动中）
- 技术宅的浪漫：你的女神总是缺一个口红色号！（策动中）
2、构建你本人的高性能推理服务
- 初识 TorchScript，ONNX，TensorRT
- 基于 Nvidia 的工具包减速你的推理服务
- Towhee 推理服务构建实战（策动中）
3、AI 零碎论文精读
- Pathways: Asynchronous Distributed Dataflow for ML
接下来行将和大家见面的系列文章是 《从零开始搭建 AI 利用：利用 CLIP 搭建文本 - 图片跨模态搜寻服务》，预计 6 月 24 日公布。在这个系列中，将会学到：
- CLIP 跨模态搜寻的根本工作原理
- 文本 - 图片跨模态搜寻的原型搭建
- 进阶 1：部署向量数据库，进行大规模向量召回
- 进阶 2：部署推理服务，大幅晋升推理性能
- 进阶 3：向量数据压缩
为了最大化进步教程的晦涩度，咱们目前曾经在 [Towhee] (https://github.com/towhee-io/…) 我的项目中实现了一系列筹备工作，包含 CLIP 的集成封装，python 侧的 pipeline 编程接口，贴近生产实战的 docker 镜像，干货满满，敬请期待！
更多我的项目更新及具体内容请关注咱们的我的项目 https://github.com/towhee-io/…，您的关注是咱们用爱发电的弱小能源 :)
Zilliz 以从新定义数据迷信为愿景，致力于打造一家寰球当先的开源技术创新公司，并通过开源和云原生解决方案为企业解锁非结构化数据的暗藏价值。
Zilliz 构建了 Milvus 向量数据库，以放慢下一代数据平台的倒退。Milvus 数据库是 LF AI & Data 基金会的毕业我的项目，可能治理大量非结构化数据集，在新药发现、举荐零碎、聊天机器人等方面具备宽泛的利用。