共计 2910 个字符，预计需要花费 8 分钟才能阅读完成。
一分钟速览！
l 特斯拉开发 Dojo 神经网络训练计算机 后者是性能野兽
l 高通骁龙芯片存在 400 多个破绽，影响寰球超 40% 机型
l 策略单干：携程外围供应链接入京东
l 英特尔 11 代酷睿实现“跨代式”晋升：低电压下可达更高频率
l 英伟达收买 Arm 交易最快夏末实现 后者价值约 440 亿美元
l 几行代码即可高效创立数据集，谷歌开源 TFRecorder
l CMU 钻研人员摸索声音以帮忙改善机器人知觉
l 谷歌开源 chromeOS.dev，在 Chrome OS 上构建利用更轻松
l ACL 2020 | 基于不同硬件搜寻更好的 Transformer 构造
l ECCV 2020 Spotlight | 图像定位上的细粒化区域相似性自监督
l ECCV2020|显著改善宰割预测，ETH 开源基于情景图贮存网络的视频指标宰割
【行业要闻】
1、特斯拉开发 Dojo 神经网络训练计算机 后者是性能野兽
8 月 16 日音讯，特斯拉 CEO 马斯克日前在社交网络上示意，公司正在开发一种称为 Dojo 的神经网络训练计算机，以解决大量的视频数据。马斯克称，Dojo 就像是一头真正的性能野兽。在去年的主动驾驶开放日（“Autonomy Day”）上，马斯克曾示意，Dojo 指标是可能接管大量数据并在视频级别进行培训，并应用 Dojo 程序或 Dojo 计算机对大量视频进行无监督的大规模训练（unsupervised massive training）。
2、高通骁龙芯片存在 400 多个破绽，影响寰球超 40% 机型
网络安全供应商 Check Point 示意，该公司在一项代号为“Achilles”钻研中，对高通骁龙的数字信号处理（Digital Signal Processing，DSP）芯片进行了宽泛的安全性评估。后果发现，该芯片中存在 400 多个易受攻击的代码段。这意味着，寰球市场上有超过 40% 的设施（波及谷歌、三星、LG、小米、一加等安卓手机）将受到该破绽影响，面临被黑客入侵的危险。DSP 芯片是手机中的一种辅助芯片，次要负责解决音频、视频和图像数据；呈现在大多数古代手机中，并随高通的骁龙处理器一起提供。
3、策略单干：携程外围供应链接入京东
8 月 16 日，京东团体、携程团体正式签订策略单干协定。依据单干协定，携程的外围产品供应链将接入京东平台，同时单方将在用户流量、渠道资源、跨界营销、商旅拓展、电商单干等方面发展全方位的单干。达成单干后，携程将为京东提供实时产品库存，以及极具市场竞争力的产品价格，京东则将接入携程的外围产品供应链，并将京东平台的用户流量凋谢给携程，在日常经营、精准营销方面为携程旅行产品供应链提供全方位的反对。
4、英特尔 11 代酷睿实现“跨代式”晋升：低电压下可达更高频率
英特尔正式颁布了 Tiger Lake SoC，采纳了 Willow Cove 架构，官网称将提供超过代间 CPU 性能的进步。依据英特尔的官网文件，Willow Cove 架构下，处理器可在更低的电压下达到更高的频率。
5、英伟达收买 Arm 交易最快夏末实现 后者价值约 440 亿美元
知情人士称，英伟达和 Arm 单方已进入排他性会谈阶段，无望在夏末之前达成交易。外媒称，往年 4 月，Arm 首次被其母公司软银挂牌发售，过后美国投行高盛受聘物色潜在买家。高盛 4 月份曾分割苹果，但苹果并不打算参加竞购，因为 Arm 的受权业务与苹果软件和硬件联合的商业模式并不非常相符。并且，如果苹果收买这家为泛滥竞争对手供货的芯片技术受权商，还有可能引发监管方面的担心。
6、几行代码即可高效创立数据集，谷歌开源 TFRecorder
谷歌近期开源了 TensorFlow Recorder（即 TFRecorder）我的项目，旨在简化 TFRecord 的创立流程。TFRecord 是一种二进制文件格式，解决数据绝对高效，但要将其余数据转为 TFRecord 较为麻烦，通常须要编写一个数据管道来解析结构化数据，从存储中加载图像，而后再将后果序列化为 TFRecord 格局。而此次开源的 TFRecorder 可能间接从 Pandas dataframe 或 CSV 等格局写入 TFRecords，无需再编写简单的代码。
7、CMU 钻研人员摸索声音以帮忙改善机器人知觉
卡内基梅隆大学的钻研团队的一项新试验提出了应用 Rethink Robotics 的 Sawyer 在金属托盘中挪动物体的办法，以使它们感觉到它们在四周滚动，滑动并撞向侧面时收回的声音。总共有 60 个对象 - 包含工具，木块，网球和一个苹果 - 记录和分类了 15,000 个「交互」。该团队将机器人命名为「Tilt-Bot」，可能辨认物体，成功率高达 76%，甚至能够确定金属螺丝刀和扳手之间绝对较小的资料差别。通过应用声音数据，该机器人通常可能正确确定对象的资料形成。
8、谷歌开源 chromeOS.dev，在 Chrome OS 上构建利用更轻松
谷歌近日推出了 Chrome OS 开发者核心（chromeOS.dev），网站内蕴含许多技术资源、教程、代码示例和陈腐资讯等，其目标是“帮忙开发者更大限度地利用平台上的性能”，理解 Chrome OS，并更轻松地构建 Chrome OS 应用程序。chromeOS.dev 的次要指标人群是 Web、Android 以及 Linux 开发者，也包含设计师、产品经理，还有业务负责人。目前该网站仅提供英文和西班牙语，之后会陆续反对更多语种。
【学术前沿】
1、ACL 2020 | 基于不同硬件搜寻更好的 Transformer 构造
过来有大量针对 Transformer 构造进行简化的工作，然而它们都没有思考到不同硬件对模型构造的影响。本文首次提出应用网络结构搜寻（NAS）的办法，针对不同的硬件，搜寻适宜该硬件的最佳的 Transformer 构造。试验表明，在不同硬件下，失去的 Transformer 构造相比其余模型更小、更快，且不损成果。
论文链接：https://arxiv.org/abs/2005.14187
2、ECCV 2020 Spotlight | 图像定位上的细粒化区域相似性自监督
本文介绍一篇咱们发表于 ECCV 2020 的论文，很荣幸该论文被收录为 spotlight presentation。咱们针对大规模图像定位中的弱监督问题提出无效的解决办法，旨在通过自监督学习的办法充沛开掘表征学习中的难样本，并进一步将图像级监督细粒化为区域级监督，以更好地建模图像与区域间的简单关系。利用该算法训练的模型具备较强的鲁棒性和泛化性，在多个图像定位数据集上进行了验证，Recall@1 准确度大幅超过最先进技术高达 5.7%，代码和模型均已公开。
论文链接：https://arxiv.org/abs/2006.03926
3、ECCV2020|显著改善宰割预测，ETH 开源基于情景图贮存网络的视频指标宰割
本文着力于解决视频指标宰割畛域的一个根本问题：使宰割模型无效适应特定视频以及在线指标的外观变动。提出了一种简洁疾速的新图存储机制，显著改善了宰割预测。此外，图存储网络产生的框架还能够推广到 one-shot 和 zero-shot 视频指标宰割工作。
论文链接：https://arxiv.org/pdf/2007.07…
