1. 內(nèi)存256KB設(shè)備也能人臉檢測(cè)！微軟提出用RNN代替CNN | NeurIPS 2020

Github：
https://github.com/microsoft/EdgeML/blob/master/pytorch/edgeml_pytorch/graph/rnnpool.py

https://github.com/microsoft/EdgeML/tree/master/examples/pytorch/vision

Paper：
https://www.microsoft.com/en-us/research/publication/rnnpool-efficient-non-linear-pooling-for-ram-constrained-inference/

為了讓更多IoT設(shè)備用上AI，在條件“簡(jiǎn)陋”的單片機(jī)上跑圖像識(shí)別模型也成為一種需求。

但是圖像識(shí)別對(duì)內(nèi)存有較高的要求，一般搭載MCU的設(shè)備內(nèi)存都不高，怎樣才能解決這個(gè)問(wèn)題呢？

最近，微軟提出了一種RNNPool方法，甚至可在內(nèi)存只有256 KB的STM32開(kāi)發(fā)板上運(yùn)行人臉檢測(cè)模型。它可以在不損失準(zhǔn)確度的情況下大幅降低激活圖的采樣率。

RNNPool在語(yǔ)法上等效于池化算子，可以快速減小中間圖的大小。它的模型層數(shù)更少，對(duì)內(nèi)存要求更低，可以在內(nèi)存受限的小型設(shè)備上分析圖像。

RNNPool由兩個(gè)學(xué)習(xí)遞歸神經(jīng)網(wǎng)絡(luò)（RNN）組成，它們以每個(gè)模塊為單個(gè)向量，在水平和垂直方向上掃過(guò)激活圖的每個(gè)模塊。

RNNPool獲取一個(gè)激活圖的模塊并將其匯總為1×1體素，然后逐步執(zhí)行下采樣步驟。RNNPool可以支持8×8，甚至16×16的模塊大小，并且可以以步長(zhǎng)s = 4或s = 8采樣，而不會(huì)顯著降低精度。

2. 1瓦功耗，5GHz頻率：全球最快Risc-V芯片出世，效率超越蘋果M1

根據(jù)全球半導(dǎo)體行業(yè)知名媒體 EE Times 的報(bào)道，前些天，一家位于加州森尼維爾的小型電子設(shè)計(jì)公司 Micro Magic 宣稱：他們?cè)O(shè)計(jì)、生產(chǎn)出了全世界最快的 64 位 RISC-V 內(nèi)核，比蘋果的 M1 芯片和 Arm Cortex-A9 表現(xiàn)還要出色。

Micro Magic 的聲明中提到，這款原型 CPU 在 1.1v 電壓下可以達(dá)到 5GHz 的時(shí)鐘速度，遠(yuǎn)高于運(yùn)行速度為 3.2GHz 的英特爾 Xeon 服務(wù)器芯片 E7，CoreMarks 跑分達(dá)到 13000 分。而 1.1 伏時(shí)，該芯片只需要消耗 1 瓦的功率，不到英特爾 Xeon 功率的 1%。此外，單個(gè) Micro Magic 核心在 0.8V 下可以達(dá)到 4.25GHz，CoreMarks 跑分達(dá)到 11000 分，但消耗的功率僅為 200mW。

這款 RISC-V 芯片的速度和能效也超過(guò)了 Exynos 4。Exynos 4 是三星電子為其智能手機(jī)生產(chǎn)的頂級(jí)部件，基于 ARM Holdings Plc 提供的計(jì)算核心，是英特爾的主要競(jìng)爭(zhēng)對(duì)手。

這款芯片不僅在低功耗下速度更快，在基準(zhǔn)得分上也趕超英特爾和三星的芯片。在 CoreMark 基準(zhǔn)測(cè)試中，這款 RISC-V 芯片的得分為 13000 分，是基于 ARM 的 Exynos 單核性能得分的兩倍多。雖然英特爾 Xeon 名義上單核性能更高，達(dá)到 26009 分，但 Xeon 需要更多線程，120 個(gè)線程才能達(dá)到上述結(jié)果。

圖靈獎(jiǎng)獲得者，計(jì)算機(jī)體系結(jié)構(gòu)先驅(qū) David Patterson：「這真是太神奇了?！?/p>

3. VS Code竟然能約會(huì)！找對(duì)象不看臉，看編程水平

VS Code現(xiàn)在居然可以用來(lái)談戀愛(ài)了。

為了用最硬核的方式找到男（女）朋友，23歲的程序員Ben Awad在VS Code里打造一個(gè)約會(huì)軟件VSinder。

顧名思義，VSinder = VS Code + Tinder，就是把約會(huì)軟件集成到了代碼編輯器里，簡(jiǎn)直太對(duì)程序員胃口了。

VSinder和Tinder的操作邏輯一樣，左滑把不喜歡的人pass掉，右滑收藏喜歡的人。

這款插件一上線，就快速贏得程序員們的認(rèn)可，GitHub上已收獲800 Star，3天的下載量超過(guò)9000次。

既然是面向程序員的約會(huì)軟件，自然不能和其他約會(huì)App一樣，一定要有特色。

VSinder的特點(diǎn)就是，可以根據(jù)編程語(yǔ)言和代碼風(fēng)格篩選對(duì)象。

比如你用的是Python，她用的是C，那么你們之間可能沒(méi)有共同語(yǔ)言。（以免將來(lái)為哪種語(yǔ)言最好吵架。）

4. AI把特朗普變成了dancer，跟著蔡徐坤跳起了『雞你太美』

“好家伙！”

“現(xiàn)在的Paper也是越來(lái)越皮了”。正在開(kāi)心摸魚的同事，邊說(shuō)邊給我發(fā)過(guò)來(lái)一段Demo。

原來(lái)『寶藏男孩』特朗普又被玩壞了。

『被逼著』跟蔡徐坤跳起了“雞你太美”（諧音梗）。

逼著川寶大秀舞姿的是上海科技大學(xué)研究團(tuán)隊(duì)的最新AI，這篇AI論文名:

《Liquid Warping GAN with Attention：A Unified Frame work for Human Images Synthesis》

簡(jiǎn)單理解就是，基于特定框架的AI，能夠完成運(yùn)動(dòng)仿真、外觀轉(zhuǎn)換以及新視圖合成等人體圖像處理任務(wù)。上面特朗普的舞蹈Demo是AI合成的最終演示效果。

5. 57.3 AP！刷新COCO目標(biāo)檢測(cè)和實(shí)例分割新記錄！谷歌提出 Copy-Paste 大法

Paper：https://arxiv.org/abs/2012.07177

上個(gè)月，Scaled-YOLOv4剛剛刷新COCO 目標(biāo)檢測(cè)的新記錄：55.8% AP！

昨天該數(shù)據(jù)又雙叒叕被打破了！

谷歌拿下COCO目標(biāo)檢測(cè)和實(shí)例分割雙項(xiàng)第一名！其中：

目標(biāo)檢測(cè)數(shù)據(jù)刷到57.3 AP；

實(shí)例分割數(shù)據(jù)刷到49.1 AP！

本文主要?jiǎng)?chuàng)新點(diǎn)：

1. Blending Pasted Objects

公式：I1 × α + I2 × (1 - α)

2. Large Scale Jittering

3. Self-training Copy-Paste

這三點(diǎn)其實(shí)很容易理解（不用翻譯，直接看懂），沒(méi)有花哨的處理，但實(shí)驗(yàn)證明漲點(diǎn)明顯！

6. Github Star 7.2K，超級(jí)好用的OCR數(shù)據(jù)合成與半自動(dòng)標(biāo)注工具，強(qiáng)烈推薦！

Github:

https://github.com/PaddlePaddle/PaddleOCR

OCR 方向的工程師，一定需要知道這個(gè) OCR 開(kāi)源項(xiàng)目：PaddleOCR。短短幾個(gè)月，累計(jì) Star 數(shù)量已超過(guò) 7.2K，頻頻登上 Github Trending 日榜月榜，稱它為 OCR 方向目前最火的 repo 絕對(duì)不為過(guò)。

10 月，發(fā)布 PP-OCR 算法，開(kāi)源 3.5M 超超輕量模型，再下 Paperswithcode 趨勢(shì)榜第一

12 月，它又帶來(lái)四大新發(fā)布與升級(jí)，核心內(nèi)容先睹為快：

全新發(fā)布數(shù)據(jù)合成工具 Style-Text：可以批量合成大量與目標(biāo)場(chǎng)景類似的圖像，在多個(gè)場(chǎng)景驗(yàn)證，效果均提升 15% 以上。

全新發(fā)布半自動(dòng)數(shù)據(jù)標(biāo)注工具 PPOCRLabel：有了它數(shù)據(jù)標(biāo)注工作事半功倍，相比 labelimg 標(biāo)注效率提升 60% 以上，社區(qū)小規(guī)模測(cè)試，好評(píng)如潮。

多語(yǔ)言識(shí)別模型效果升級(jí)：中文、英文、韓語(yǔ)、法語(yǔ)、德語(yǔ)、日文識(shí)別效果均優(yōu)于 EasyOCR。

PP-OCR 開(kāi)發(fā)體驗(yàn)再升級(jí)：支持動(dòng)態(tài)圖開(kāi)發(fā)（訓(xùn)練調(diào)試更方便），靜態(tài)圖部署（預(yù)測(cè)效率更高），魚與熊掌可以兼得。

7. TensorFlow 2.4 正式發(fā)布！提供GPU支持的新功能，推出 tf.experimental.numpy

TensorFlow 2.4 正式發(fā)布！隨著對(duì)分布式訓(xùn)練和混合精度提供更多支持，加入新的 Numpy 前端及用于監(jiān)控和診斷性能瓶頸的工具，這個(gè)版本的亮點(diǎn)在于推出新功能，以及對(duì)性能和擴(kuò)展方面的增強(qiáng)。

TensorFlow 2.4 以 tf.experimental.numpy 形式，實(shí)驗(yàn)性引入了對(duì) NumPy API 子集的支持。您可借此模塊，運(yùn)行由 TensorFlow 加速的 NumPy 代碼。由于此 API 基于 TensorFlow 構(gòu)建而成，因此可支持訪問(wèn)所有 TensorFlow API，與 TensorFlow 實(shí)現(xiàn)無(wú)縫互操作，并會(huì)通過(guò)編譯和自動(dòng)矢量化開(kāi)展優(yōu)化。例如，TensorFlow ND 數(shù)組可以與 NumPy 函數(shù)進(jìn)行交互，同樣地，TensorFlow NumPy 函數(shù)也可以接受包括 tf.Tensor 和 np.ndarray 在內(nèi)的不同類型的輸入。

8. 保姆級(jí)教程: 個(gè)人深度學(xué)習(xí)工作站配置指南 | 稚暉@知乎

本文記錄了組裝深度學(xué)習(xí)工作站過(guò)程中的超詳細(xì)操作流程，文章分為

硬件篇
1.1 工作站配置選型

1.2 電腦組裝

系統(tǒng)篇 - Ubuntu20.04

DL開(kāi)發(fā)環(huán)境配置篇

工作站的維護(hù)

供有類似需求的同學(xué)作為參考。

責(zé)任編輯：lq