开发者社区技术周刊又和大家见面了，萌妹子主播为您带来第四期“开发者技术联播”。让咱们一起听听，过来一周有哪些值得咱们开发者关注的重要新闻吧。
- 京东自研联邦学习平台正式亮相
- Facebook 打算借助人工智能改善可再生能源
- ARM 中国公布“周易”Z2 AIPU
- Nvidia 推出 DPU 以接管数据中心的更多任务
- Chrome 正在启用 HTTP/3，反对 IETF QUIC
- Canonical 桌面团队成员：微软不会将 Windows 迁徙到 Linux
- 浅谈立体匹配中的旧式利用场景
- 基于 IndRNN 的手机传感器动作辨认
技 术 要 闻
Industry News
1、京东自研联邦学习平台正式亮相
近日，京东数字科技团体正式推出，自主研发的联邦学习平台——Fedlearn，旨在满足数据隐衷平安和监管要求的前提下，让人工智能零碎更加高效精确地独特应用各自数据的机器学习框架。Fedlearn 平台具备三大特点。第一，在数据和模型隐衷方面，不同参与方之间没有间接替换本地数据和模型参数，而是替换更新参数所需的两头数值。第二，在通信方面，引入中心化数据交换的概念，使得数据的替换独立于参与方。第三，采纳异步计算框架，极大地提高了模型训练的速度。
2、Facebook 打算借助人工智能改善可再生能源
Facebook 和卡内基梅隆大学近日发表，他们正尝试利用人工智能技术寻找新的电催化剂。电催化剂能够将太阳能和风能转化为其它燃料。Facebook 和卡内基梅隆大学认为，在人工智能技术的帮忙下，电催化剂的数量能够减少到数百万甚至数十亿。目前 Facebook 和卡内基梅隆大学公布了一些本人的人工智能软件「模型」，这些模型能够帮忙寻找新的催化剂。
3、ARM 中国公布“周易”Z2 AIPU：单核算力晋升一倍 芯片面积缩小 30%
近期，ARM 中国正式公布 AI 专用处理器“周易”Z2 AIPU（AI Processing Unit）。单核算力最高可达 4TOPS，较“周易”Z1 AIPU 的单核算力进步一倍，同时反对多达 32 核的可扩大配置，从而可能在单个 SoC 中实现 128TOPS 的弱小算力。全新“周易”Z2 AIPU 将次要面向中高端安防、智能座舱和 ADAS、边缘服务器等利用场景。据介绍，“周易”Z2 AIPU 延用了“周易”AIPU 的架构，并在微架构上进行了优化，从而将芯片面积缩小 30%，在运行局部神经网络模型时，雷同算力配置下性能晋升可达 100%。
4、 NVIDIA 推出 DPU 以接管数据中心的更多任务
近日，NVIDIA 公司推出了本人的数据处理单元（DPU），能够将数据中心的更多基础设施转移到芯片中。BlueField DPU 集成在一个名为 SmartNIC 的服务器网卡上，能够应用规范 PCIe 互连在云数据中心和公有计算机网络中的任何服务器上。英伟达示意，公司已开始向晚期客户供给家族第一代芯片 BlueField-2，并将于 2021 年在次要制造商的服务器上推出。
5、Chrome 正在启用 HTTP/3，反对 IETF QUIC
Chromium 官网发表 Chrome 正在部署到 HTTP/3 与 IETF QUIC。QUIC（Quick UDP Internet Connections）是 Google 推出的一个我的项目，旨在升高基于 TCP 通信的 Web 提早。QUIC 十分相似 TCP+TLS+SPDY，然而基于 UDP 实现的。它是 HTTP/3 的根底协定。Chromium 团队示意，其发现 IETF QUIC 的性能劣势特地高，使得 Google 搜寻提早缩小了 2% 以上，YouTube 的从新缓冲工夫缩小了 9% 以上，PC 客户端吞吐量减少了 3% 以上，挪动设施的客户端吞吐量减少了 7% 以上，因而发表 Chrome 行将引入对 IETF QUIC h3-29 版本的反对。
6、Canonical 桌面团队成员：微软不会将 Windows 迁徙到 Linux
近段时间以来，微软踊跃交融 Linux 的动作引发了外界诸多猜测，许多人开始狐疑微软是否有在 Linux 内核之上对 Windows 加以重构的想法。其中，开源先驱、《大教堂与集市》作者 Eric S Raymond 就在集体博客上提出观点称：微软将放弃 Windows 零碎的内核研发，转而将其建设在 Linux 内核之上。对于以上观点，Hayden Barnes 则持一个否定态度。Hayden Barnes 是 Canonical 桌面团队的一员，负责在 Windows Subsystem for Linux（WSL）上交付 Ubuntu。他示意，本人常常和泛滥参加 Linux 及其他开源我的项目的微软员工进行交谈，也能拿到对于微软产品及倒退策略的最新简报。不过他也申明，文中所有猜测只属于个人观点。。
学 术 前 沿
Academic News
1、浅谈立体匹配中的旧式利用场景
本文从新场景，新利用和新数据三个方面介绍了近来顶会上在立体匹配畛域的一些新的钻研思路。新场景是在 360 度全景图像上的球面视差预计，全景图像不仅仅在立体匹配畛域开始受到关注，在语义宰割等畛域也有不少钻研。新利用是在将准确的视差预计简化为二值化、多级量化的视差预计，可能在资源较少的状况下疾速实现目标。新数据是通过单目深度预计和已有的数据集来结构双目数据集，这种思路在图像分类等畛域已有不少利用，在立体匹配畛域尚属首次。这些工作与以往的 follow 性钻研工作不同，可能为今后的钻研提供一些新的启发和思路。
论文链接：https://arxiv.org/abs/1911.04460
2、基于 IndRNN 的手机传感器动作辨认
来自电子科技大学和山东大学的团队利用比现有 RNN 更加长且更深层次的网络 -IndRNN 进行基于手机传感器数据的动作辨认的工作。该模型在训练过程中体现低劣，联合迁徙学习和模型交融的后处理，肯定水平上实现了利用手机传感器数据进行动作辨认的用户独立性。同时，IndRNN 团队摘得 UbiComp SHL Challenge 2020 的亚军，再度体现 IndRNN 性能的优越性，心愿该计划对大家有参考价值。
论文链接：https://dl.acm.org/doi/10.1145/3410530.3414355
以上信息来源于网络，由“京东智联云开发者”公众号编辑整理，不代表京东智联云立场
欢送点击【京东智联云】理解开发者社区
更多精彩技术实际与独家干货解析
欢送关注【京东智联云开发者】公众号