开发者社区技术周刊 又和大家见面了，快来看看这周有哪些值得咱们开发者关注的重要新闻吧。
- 数字货币5万个200红包，京东预约抽签！
- 云测数据：2021年人工智能数据采集标注行业四大趋势预测
- 谷歌云端硬盘将整合企业和集体服务，合并桌面客户端软件
- 微软公布Win10云端配置：可灵便平安部署Win32利用等
- 更快更清晰！NVIDIA首次实现SDF实时渲染，速度晋升3个数量级
- 英伟达A100深度学习性能实测：训练速度可达V100的3.5倍
- AAAI 2021丨清华提出深度对齐聚类用于新用意发现
- ACM MM丨基于情感脑电信号时-频-空特色的3D密集连贯网络
行 业 要 闻 Industry News
1.数字货5万个200红包，京东预约抽签！
数字人民币来北京啦！关上“京东”APP， 搜寻“数字人民币”， 2月7日-2月8日北京地区可报名摇号（以GPS定位为准）抽取200元数字货币红包， 限量5万个。2月10日颁布摇号后果， 2月10日~2月17日可应用红包，可在京东京喜线上生产。如果摇号抽中，京东将 通过短信推送中签信息。
反对银行：工行、农行、中行、建行、交行、邮储。
2.2021年人工智能数据采集标注行业四大趋势预测
人工智能数据采集标注头部企业云测数据近日公布了 《2021 年人工智能数据采集标注行业四大趋势预测》 。云测数据认为，将来，高精度数据将成人工智能训练阶段追赶热点，具备次要需求方稳固的特点，存量市场将稳步增长；而随着人工智能对长尾场景的数据需要进一步扩充，3-5年内，场景化数据将领有更广大的增量空间，成为行业减速倒退的新引擎；同时，“底层技术+服务能力”将愈发重要直至成为外围竞争点，人工智能更须要能提供一体化数据解决方案的服务商。
3.谷歌云端硬盘将整合企业和集体服务，合并桌面客户端软件
据外媒Neowin音讯， 谷歌打算将此前针对企业的云端硬盘服务和集体云端硬盘服务进行交融， 以解决用户应用凌乱的问题。谷歌云端硬盘（Google Drive）目前有两个桌面版客户端，别离用于企业用户云盘和个人用户的同步。昨日谷歌发表将会在往年晚些时候整合这两个服务，目标是便于企业管理者进行文件散发同步，也可能防止员工应用时的凌乱问题。另外，谷歌也将设计一款新的Google Drive桌面客户端来对立这两个服务。
4.微软公布Win10云端配置：可灵便平安部署Win32利用等
2月3日音讯 微软官网博客公布，微软明天发表推出Windows10的云端配置版本。Cloud config提供了一种简略的办法，能够将一套对立的配置利用到Windows 10设施上，将它们转化为精简、易于治理的终端。 要阐明的是，云端配置并不是Windows新版本或新模式。它只是微软举荐的Windows 10的设施配置，为有特定工作流需要的用户进行了云优化。 通过Windows 10云配置，终端用户能够享受到相熟的Windows界面和利用，而IT管理员将取得相熟的治理体验。如果你领有Windows 10专业版或企业版PC和端点管理器，就能够应用云配置利用和设置。除了Microsoft Teams、Microsoft Edge和OneDrive for Business之外，云配置还能让你灵便地将Win32和要害业务线 (LOB)利用间接或通过虚拟化平安部署到设施上。
5.更快更清晰！NVIDIA首次实现SDF实时渲染，速度晋升3个数量级
近日，英伟达发表一项最新研究成果将实时渲染速度晋升了2-3个数量级。而在渲染品质上，它也可能更好地解决简单款式、比例的图形数据，甚至实时同步环境光照可能造成的暗影。这项最新钻研是一篇名为《神经几何细节程度：隐式3D形态的实时渲染》的论文，它是英伟达联结多伦多大学、麦吉尔大学钻研人员独特发表的研究成果，目前已提交至预印论文库arXiv。
论文中，钻研人员示意， 他们通过引入了一种高效的神经网络示意办法，首次实现了基于SDF的3D高保真实时渲染，同时达到了最先进的几何重建品质。更重要的是，与其余钻研相比，它在渲染速度上晋升了2-3个数量级。
6.英伟达A100深度学习性能实测：训练速度可达V100的3.5倍
英伟达最新公布的基于 新架构的A100减速计算卡， 其官网宣传：主动混合精度和FP16，能够为A100带来2倍的性能晋升；而且，在不更改代码的状况下，具备TF32的A100与英伟达Volta相比，性能可能高出20倍。相比V100，A100的单精度浮点计算能力，从15.7TFLOPS晋升至19.5TFLOPS；而双精度浮点运算从7.8TFLOPS晋升至9.7TFLOPS。
学 术 前 沿 Academic News
1.AAAI 2021丨清华提出深度对齐聚类用于新用意发现
DeepAligned算法胜利地借助大量已知用意先验进行常识迁徙，通过 深度对齐聚类学习高质量用意特色示意用于新用意发现。 该办法能利用大量有标注用意样本预测新用意数量，通过对齐策略提供一致性伪标签作为自监督信号用于示意学习。咱们在两个基准数据集进行试验，DeepAligned在不同已知用意和簇数量设置下，相较于现有办法获得了显著晋升。
*论文链接：https://arxiv.org/pdf/2012.08...
2.ACM MM丨基于情感脑电信号时-频-空特色的3D密集连贯网络
本文提出了 一种脑电情绪辨认模型SST-EmotionNet， 该模型应用双流的构造同时捕捉脑电信号具备互补性的空间、频率、工夫三类特色；同时，设计了一种空-频/时注意力机制，使该模型可能动静关注一些对情绪辨认工作较有辨识度的时-频-空部分模式。在公开的脑电情绪辨认数据集SEED与SEED-IV上的试验表明，该模型有着杰出的性能优于传统的基线办法。此外，该文提出的模型是 一个多变量生理工夫序列的通用框架，将来能够利用于睡眠分期、疲劳驾驶监测等相干畛域中。
*论文链接：https://dl.acm.org/doi/abs/10...
以上信息来源于网络，由“京东科技开发者”公众号编辑整理，不代表京东科技立场
举荐浏览
- OpenAI将k8s扩大至7500个节点以反对机器学习；Graph Diffusion Network晋升交通流量预测精度
- Elasticsearch和Kibana变更开源许可协定；Facebook利用AI加强为视障人士形容照片能力
- Docker公布开发团队2021年三个首选方向；工信部印发《工业互联网翻新倒退行动计划（2021-2023 年）》
欢送点击【京东科技】，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【京东科技开发者】公众号