ZD至顶网软件频道消息: 5月12日,紧随科技大佬的步伐,亚马逊将旗下深度学习软件的源代码开放了。Deep Scalable Sparse Tensor Network Engine(DSSTNE)库现在可以以Apache 2.0许可证从GitHub获得了。
亚马逊解释道,DSSTNE的发音是“Destiny”,它能够用神经网络为亚马逊数以亿计的客户商店提供更好的建议,“帮助他们从数量巨大的产品目录中发现恰当的商品”。
亚马逊表示,它将DSSTNE作为开放源代码软件发布,“这样深度学习的前景可以超越语音和语言理解,以及对象识别,并扩展到搜索等其他的领域。我们希望世界各地的研究人员可以合作来改善它。但是更重要的是,我们希望它能够刺激更多领域内的创新。”
据了解,DSSTNE和其他的深度学习库有着显著的区别,主要体现在DSSTNE支持用稀疏数据解决问题,并且更快地处理它们。事实上,该公司声称DSSTNE比TensorFlow快2.1倍,TensorFlow是谷歌的开放源代码机器学习系统,部署在亚马逊网络服务云平台的g2.8xlarge GPU实例上。
早在去年11月,谷歌就开放了TensorFlow的源代码,而Facebook更是在2015年年初就将自己的机器学习和人工智能工具的源代码开放了。同时,在去年12月份,亚马逊网络服务加入了其他几个重量级玩家的行列,投资开放源代码的非营利性人工智能研究项目——OpenAI。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
英伟达推出Nemotron-Labs-Diffusion三模式语言模型,将逐字生成、并行扩散与自猜自验融于一体,单用户吞吐量最高达Qwen3-8B的4倍,同时保持相近准确率。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SIEVE是一种面向机器人模仿学习的数据筛选方法,通过发现可复用行为原语和转换接口,用50%数据和训练量超越全量训练效果。