深度学习

随着AI的广泛应用，深度学习已成为当前AI研究和运用的主流方式。面对海量数据的并行运算，AI对于算力的要求不断提升，对硬件的运算速度及功耗提出了更高的要求。目前，除通用CPU外，作为硬件加速的GPU、NPU、FPGA等一些芯片处理器在深度学习的不同应用中发挥着各自的优势，但孰优孰劣？

本文总结了深度学习中常用的八大类型的卷积，以非常形象的方式帮助你建立直觉理解，为你的深度学习提供有益的参考。

Mipsology 为深度学习推断开发了最先进的基于 FPGA 的计算引擎。它可以无缝地替换 GPU / CPU 来处理一般或定制的神经网络，具有极高的吞吐量、易用性和零更改性。
<iframe src='//players.brightcove.net/17209957001/SywTPUVC_default/index.html?videoId=5859433855001' allowfullscreen frameborder=0 width="600" height="338"></iframe>

11月1日-2日，研华公司在苏州举办的首届研华物联网共创峰会圆满结束，超过五千位来自全球的研华客户、合作伙伴参与了此次盛会。作为工业物联网、智慧工厂、城市、医疗、能源等领域的重要芯片提供商， 赛灵思公司应邀参加了此次大会，通过演讲和演示， 突出展示了赛灵思致力于打造灵活应变、万物智能世界的深度学习解决方案。

对于一个新手来说，深度学习术语可能非常难以理解。本表试图解释深度学习常用术语并链接到原始参考，以帮助读者深入了解特定主题。

深度学习与“一般”的机器学习术语之间的界限非常模糊。例如，我这里不包括“交叉验证”，因为它是一种通用技术，用于整个机器学习。但是，我加入了softmax或word2vec等术语，因为它们通常与深度学习相关，即使它们不是深度学习技术。

魔视智能，嵌入式人工智能自动驾驶领导者，在赛灵思开发者论坛（ XDF）宣布基于魔视智能先进的嵌入式深度学习技术的辅助自动驾驶产品已经领先在国产一线乘用车主机厂项目上正式量产落地。XDF是一个连接软硬件及系统开发者与赛灵思及合作伙伴和业界领袖并进行深度交流的行业盛会。

魔视智能已经在和包括比亚迪，北汽新能源，一汽，众泰等国内的一线整车主机厂进行不同LEVEL等级，面向多个产品方向，满足多个应用场景的自动驾驶项目合作。魔视智能还和包括转向和刹车执行器，智能网联，仪表，新能源动力系统总成，雷达在内的多个一级体系供应商进行多种形式的深入产品合作。到目前为止，魔视智能已经和18个主机厂OEM及TIE1进行量产和产品研发合作，已有包括乘用车和商用车在内的9个项目正式定点。自18年6月正式批量量产至今，累计出货已经超过万台规模。

【导读】Python在解决数据科学任务和挑战方面处于领先地位。而一些方便易用的库则帮助了开发人员高效开发。在这里我们整理了20个在深度学习、数据分析中最常用、最好用的Python库，供大家一起学习。

作者｜ ActiveWizards
编译｜专知
整理｜Yingying，李大囧

<strong>核心库与统计</strong>

<strong>NumPy</strong>

我们从科学应用程序库开始说起，NumPy是该领域的主要软件包之一。 它旨在处理大型多维数组和矩阵，并且广泛的高级数学函数和实现的方法集合，使得可以使用这些对象执行各种操作。

在这一年中，NumPy有很多更新。 除了错误修复和兼容性问题之外，关键更新还包括NumPy对象的打印格式。此外，某些函数现在可以处理Python中可用的任何编码的文件。

<strong>SciPy</strong>

另一个科学计算核心库是SciPy。它基于NumPy，并扩展了其功能。 SciPy主数据结构又是一个多维数组，由Numpy实现。该软件包包含有助于解决线性代数，概率论，积分计算和更多任务的工具。

<font color="#0000C6"><strong>摘要： 深度学习背后的主要原因是人工智能应该从人脑中汲取灵感。本文就用一个小例子无死角的介绍一下深度学习！</font></strong>

<strong>人脑模拟</strong>

深度学习背后的主要原因是人工智能应该从人脑中汲取灵感。此观点引出了“神经网络”这一术语。人脑中包含数十亿个神经元，它们之间有数万个连接。很多情况下，深度学习算法和人脑相似，因为人脑和深度学习模型都拥有大量的编译单元（神经元），这些编译单元（神经元）在独立的情况下都不太智能，但是当他们相互作用时就会变得智能。

我认为人们需要了解到深度学习正在使得很多幕后的事物变得更好。深度学习已经应用于谷歌搜索和图像搜索，你可以通过它搜索像“拥抱”这样的词语以获得相应的图像。－杰弗里·辛顿

<strong>神经元</strong>

神经网络的基本思想是模拟计算机“大脑”中多个相互连接的细胞，这样它就能从环境中学习，识别不同的模式，进而做出与人类相似的决定。

典型的神经网络是由数千互连的人工神经元组成，神经元是构成神经网络的基本单位。这些神经元按顺序堆叠在一起，以称为层的形式形成数百万个连接。单位划分如下:
1. 输入单元：用于接收外部环境的信息；
2. 隐藏单元：隐藏层将所需的计算及输出结果传递给输出层；
3. 输出单元：输出信号表明网络是如何响应最近获得的信息。
<center><img src="http://xilinx.eetrend.com/files-eetrend-xilinx/news/201809/13381-39375-…; alt=""></center>

2018年8月3日，智能驾驶辅助技术供应商极目智能发布旗下最新车规级视觉ADAS解决方案JM600 V3.0，该系统搭载Xilinx高性能FPGA平台，整合极目在深度学习技术方面的最新研发成果，实现了性能、成本等方面的最佳平衡，是当前业界最具竞争力的FPGA视觉方案。

极目JM600 V3.0系统主要针对前装乘用车和商用车市场，将于今年Q3量产。

<strong>备受青睐，大型客车企业客户份额排名第一</strong>

凭借在技术领先性与成熟度、服务体系等方面的综合优势，目前极目智能已向苏州金龙、厦门金旅、潍柴动力、上海申龙、青年汽车、珠海银隆、上海万象等多家国内TOP15商用客车企业批量供货，在前装客车领域的大型主机厂客户份额占比50%以上，遥遥领先同类供应商。

同时，极目也在积极拓展卡车及乘用车市场，目前已与数家TOP 10厂商达成合作。

在后装市场上，极目智能已与苏交科、中石油、上海国际汽车城、新加坡警察部队（Singapore Police Force）等国内外大型车队进行合作，并与中国大地保险总部率先在国内多个省市合作推动ADAS车险风控业务落地，后装业务涉及车队管理、营运车险、智慧公交等多个领域。