近期值得关注的8款AI开源项目 | 本周Github精选

#基于Keras的机器学习自动化库 Auto Keras 是一个用于自动机器学习的开源框架，让缺乏机器学习背景的领域专家也能轻松使用机器学习工具和各类深度学习模型，其主要功能包括自动设计网络结构和自动调参。 项目链接 https://ift.tt/2u83HbY Pythia #来自FAIR的模块化VQA框架 Pythia 是由 Facebook AI Research 开发的模块化 VQA 框架。由于 VQA 模型有着标准的设计模式，包括：问题编码，图像特征抽取，带有注意力机制的输入信息融合，答案生成等，因此本项目的长期目标为提供一个易用、可扩展的模块化平台。 项目链接 https://ift.tt/2AdaBTx AnyQ #基于FAQ集合的问答系统 AnyQ (ANswer Your Questions) 开源项目主要包含面向 FAQ 集合的问答系统框架、文本语义匹配工具 SimNet。  问答系统框架采用了配置化、插件化的设计，各功能均通过插件形式加入，当前共开放了 20+ 种插件。开发者可以使用 AnyQ 系统快速构建和定制适用于特定业务场景的 FAQ 问答系统，并加速迭代和升级。  SimNet 是百度自然语言处理部于 2013 年自主研发的语义匹配框架，该框架在百度各产品上广泛应用，主要包括 BOW、CNN、RNN、MM-DNN 等核心网络结构形式，同时基于该框架也集成了学术界主流的语义匹配模型，如 MatchPyramid、MV-LSTM、K-NRM 等模型。SimNet 使用 PaddleFluid 和 Tensorflow 实现，可方便实现模型扩展。使用 SimNet 构建出的模型可以便捷的加入 AnyQ 系统中，增强 AnyQ 系统的语义匹配能力。 ▲ AnyQ的框架结构 项目链接 https://ift.tt/2LOG2ZJ ESPnet #端到端语音处理工具箱 ESPnet 是一个端到端的语音处理工具箱，主要功能聚焦在端到端语音识别和文本转语音。本项目基于 Chainer 和 PyTorch 作为开发框架。 项目链接 https://ift.tt/2vyZA9L CVAT #免费在线交互式视频和图像标注工具 CVAT 是一款用于计算机视觉的免费在线交互式视频和图像标注工具。OpenCV 团队已用它标注了具有不同属性的数百万个对象，许多 UI 和 UX 决策都基于专业数据标注团队的反馈。 项目链接 https://ift.tt/2zPreVs Metrics for Object Detection #目标检测评测指标 考虑到在目标检测任务中不同工作采用的评测指标各不相同，无法统一进行比较。本项目提供了易于使用的功能，结合了各大主流目标检测竞赛的评测指标，用户无需将检测模型修改为复杂的输入格式，避免转换为 XML 或 JSON 文件。 项目链接 https://ift.tt/2vyItVt Torchbearer #PyTorch模型训练库 Torchbearer 是一个专为研究人员设计的 PyTorch 模型训练库，适合于执行高级自定义操作，方便快速测试一些经典模型在新任务上的表现。 项目链接 https://ift.tt/2A7pmHC text2sql-data #Text2SQL代码、数据集和评测方法 本项目开源了 Text2SQL 的代码、数据集和评测方法，对于一系列领域，该项目提供： 带有注释变量的句子 SQL 查询 数据库架构 一个数据库 Text2SQL 论文链接： https://ift.tt/2vx8THg 项目链接 https://ift.tt/2LOG7wv ]]> 原文： https://ift.tt/2n5jDIO 机器知心

《Graph Learning》| 第一章：缤纷的图世界

通过前文《浅析图卷积神经网络》的介绍，相信大家对于图学习有了一个初步的认识，接下来我们将更加细致的解析图学习的相关知识。 开启图学习算法的第一步：理解什么是图 在数学上，图（Graph）是表示对象与对象之间关系的方法。从定义上可以看出，图有两个要素： 1、对象又称节点（Node）、顶点（Vertex）、实体（Entity），它描述的是具体的一件事物。 2、关系又称边（edge）它描述的对象之间的关系。 我们一般用这样的形式来表示一张图：G=(V, E), V表示节点的集合，E表示边集合； V={V0,V1,V2,V3}、E={V0V1,V0V2,V1V2,V1V3} 图的另一种表达方式是邻接矩阵（Adjacent matrix） Aij(邻接矩阵的第i行第j列)的取值表示的是第i个节点与第j个节点之间是否有边，取值为1表示有边，取值为0表示无边。邻接矩阵刻画的是图的结构信息，给定一个邻接矩阵，相应的图就可以画出来。 另外在实际研究中，节点与边都有特定的类型，比如连接"用户"与"商品"节点的边，很可能就是"购买"的类型关系。像这样，在构建一个具体业务场景的图时，标识上节点类型与边的类型，这样的图我们称之为图的结构表示（Graph Schema），它反应出来的是一种业务上的逻辑抽取。后面我们会结合各类现实场景中的Graph Schema来说说我们关注的一些学习任务。 青睐有加，理解图的优势 图做为一种广泛应用的数据结构，其优势主要表现在两点： 一是顺藤摸瓜，给定一个节点，顺着其边的信息，能够快速的找到它的邻居节点。换言之，在图里面查询信息很容易。 二是拉帮结派，由于图的传播性强（邻居的邻居也跟自己关系紧密），相互之间联系紧密的节点可以构成一个子图（或子团）。 上图中可以明显看到有a、b两个子图，一般像这样在图中寻找子团的任务称为社群检测（Community Detection ）或者叫作高密子图挖掘（Dense Subgraph Mining）。 现实场景下缤纷的图世界 社交网络 利用社交网络图可以实现以下任务： 1、推荐用户可能感兴趣的人； 2、推荐用户可能感兴趣的帖子或者内容； 3、社群发现（通过用户社交关系网络挖掘群体结构）； 4、用户画像（地点、兴趣、关系网络）； 搜索排名 图在网页排名中的应用，根据各网页的链接关系网来确定各网页的排名，又叫做PageRank算法。其基本思路是被引用越多的网页重要性越高；被重要性高的网页链接的网页重要性越高。 评分系统 用户-产品的评分图 通过上述的图可以分析比如哪些用户可能对啤酒感兴趣，哪些用户可能对尿布感兴趣，从而实现商品推荐。还可以实现评分清洗，建模用户的公平度、商品的良心度、评分的可信度，按照一定的规则迭代更新这三个值，从而分析商品的优劣或者区分恶意用户。例如上图中的用户f，很大可能就是恶意评价用户。 推荐系统 用户与歌曲的关系图谱，可以实现可解释的推荐和精细化推荐。 比如沿着用户-歌曲-曲风-歌曲这个路径是推荐用户喜欢的曲风下的其他歌曲；沿着用户-年代-歌曲-歌手是推荐活跃在用户出生年代的歌手的歌曲（可能是用户小时候听过的歌，俗称回忆杀系列），这些就是可解释的推荐。 小思考：沿着用户-歌曲-年代-用户-歌曲的意义是什么呢？ 关于精细化推荐，从图中挖掘有很多条路径，很多种理由去推荐，每个用户对具体路径的偏好不一，我们还可以根据历史偏好信息对用户做更精细化的推荐。 知识图谱（关联图谱） 知识图谱通常是指从文本中分解实体及其关系，导入到图中，便于查询及推理。简单介绍两个很简单的知识图谱应用。 ▪知识图谱应用之知识推理： 基于规则"爸爸的爸爸是爷爷"可以推理出康熙是乾隆的爷爷。 ▪知识图谱应用之语义理解（智能问答）： 通过对"北京"和"博物馆"两个信息的综合，机器可以得出结论该地方很有可能是指故宫。 风险控制 图在风控中的应用很广泛，很多风控的策略逻辑可以转化为图里面的一些具体问题来思考。比如下面涉及到的几种思路方法，包括像关联识别、聚类识别、推导识别、异构识别、碰撞识别等一系列应用。 ▪风险控制之关联识别 通过强标识性节点的关联信息来做Identity recognition。比如关联到相同设备指纹与IP节点的用户可视为同一用户。 短时间内关联到同一设备节点的用户节点数目异常可考虑为撞库行为。 同一设备关联的用户数目异常 撞库原理 ▪风险控制之聚类识别 通过节点关联信息来挖掘子图结构，而这种致密的结构通常会被判定为异常的风险关系。 图中可以看出，用户1、用户2、用户3和帖子1、帖子2形成了高密子图 ▪风险控制之推导识别 顺藤摸瓜，找到与异常节点相关联的节点进行风险排查。 ▪风险控制之异构识别： 用户关联的信息发生较大变化，潜在被盗号风险。 ▪风险控制之碰撞识别： 节点之间的对应关系出现碰撞矛盾。 公司G同时存在两个地址，出现数据碰撞，那么就可能有风险。 归纳总结：图的学习任务分类 上面和大家介绍的是一些常见场景下的图结构以及相关任务，总的来说，我们可以从节点、边、图三个方面对图学习任务进行分类。 1、节点上的任务：利用图中节点的关系可以做包括分类（比如风险识别、价值排名等任务）、聚类（社群检测、用户画像等任务）。 2、边上的任务：通过图中节点之间是否有边可以做比如推荐、知识推理等任务。 3、图上的任务：图可以做像高分子分类、3D视觉分类等任务。 在后期专栏中将会对各种任务进行更加细致的探讨。图在各种场景数据中都有着广泛的适用性。但是实际应用上，图的学习一直停留在"规则引擎"、"图计算"这样的浅层层面上，本专栏旨在通过梳理 Graph learning的方方面面，和大家一起打开思路，探讨真正的 Learning on graph。 更多内容以及交流，欢迎添加微信geetest1024，和作者一起探讨！ ]]> 原文： https://ift.tt/2O4BhrQ 机器知心

从今天起，TensorFlow 1.9开始支持树莓派了

铜灵 发自 凹非寺量子位 出品 | 公众号 QbitAI 几个小时前，TensorFlow正式宣布TensorFlow 1.9开始支持树莓派了。 在自家推特上，TensorFlow表示："自从我们想在尽可能多的平台上运行以来，这一直是我们的目标。我们很高兴地宣布，现在在你的树莓派上安装TensorFlow比以往任何时候都容易。" 自2015年首次推出时，TensorFlow就将它定义成"适合所有人的开源机器学习框架"，目前支持Linux、MacOS、Windows、iOS和安卓系统。 此次支持的树莓派设备需在Raspbian 9.0及以上，随后就可用Python的pip包系统从预构建的二进制文件安装最新的1.9版的TensorFlow。 在树莓派上的使用细节和说明，可以移步官方说明书： https://ift.tt/2mBgJLN 和官方介绍博文： https://ift.tt/2OG3Ixm 就酱，玩得愉快~ — 完 — 欢迎大家关注我们的专栏：量子位 - 知乎专栏 诚挚招聘 量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。 量子位 QbitAI· 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态 via 量子位 - 知乎专栏 https://ift.tt/2KjadTr RSS5

从今天起，TensorFlow 1.9开始支持树莓派了

铜灵 发自 凹非寺量子位 出品 | 公众号 QbitAI 几个小时前，TensorFlow正式宣布TensorFlow 1.9开始支持树莓派了。 在自家推特上，TensorFlow表示："自从我们想在尽可能多的平台上运行以来，这一直是我们的目标。我们很高兴地宣布，现在在你的树莓派上安装TensorFlow比以往任何时候都容易。" 自2015年首次推出时，TensorFlow就将它定义成"适合所有人的开源机器学习框架"，目前支持Linux、MacOS、Windows、iOS和安卓系统。 此次支持的树莓派设备需在Raspbian 9.0及以上，随后就可用Python的pip包系统从预构建的二进制文件安装最新的1.9版的TensorFlow。 在树莓派上的使用细节和说明，可以移步官方说明书： https://ift.tt/2mBgJLN 和官方介绍博文： https://ift.tt/2OG3Ixm 就酱，玩得愉快~ — 完 — 欢迎大家关注我们的专栏：量子位 - 知乎专栏 诚挚招聘 量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。 量子位 QbitAI· 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态 via 量子位 - 知乎专栏 https://ift.tt/2KjadTr RSS5

英飞凌拟收购ST半导体：4000亿美元的市场，收购合并已成主流

据彭博社消息称，英飞凌拟收购ST半导体，这一决定将或将使英飞凌一跃成为欧洲半导体巨头。 据悉，英飞凌去年就已经开始尝试收购，并聘请法国巴黎银行担任顾问，花了三个月研究这次收购案。只是目前尚不清楚ST半导体在去年对这笔交易的接受态度。 但知情人士表示，法国政府是意法半导体的最大股东之一，现在依然反对后者与英飞凌合并。政府希望意法半导体专注于大订单，而不是通过合并进行扩张。 消息传出后，巴黎时间8月1日下午3点，ST的股价单日涨幅2%，但最终成交价仅上涨0.2%，与此同时英飞凌的股价下跌3.1%。英飞凌和ST的财务部门就此事都不予置评。 收购或将改变巨头排行榜 英飞凌科技公司于1999年4月1日在德国慕尼黑正式成立，是全球领先的半导体公司之一。其前身是西门子集团的半导体部门，于1999年独立，2000年上市。2017年财年，英飞凌实现营收收入70.63亿欧元，增幅高达9%，运营利润率从15.2%提高到17.1%。 ST半导体于1988年6月成立于意大利。意法半导体同样是世界最大的半导体公司之一。2017全年净收入83.5亿美元，全年净利润8.02亿美元。 在2017年全球工业半导体供货商排行里，英飞凌位列第四，紧跟其后名列第五的就是意法半导体，如果此次收购真的成功，那么今年的排行榜可能有非常大的变化。合并后的公司年销售额也将会达到150亿欧元（175亿美元）。 自2014年以来，英飞凌在并购上一直没有什么大收获。去年，英飞凌曾试图收购美国Cree公司的半导体部门，但因无法满足美国国家安全委员会的要求而泡汤。 在去年8月份时，英飞凌在与ST半导体接洽之前，曾一度想过放弃。消息人士也表示，因为双方这些行为从未公布，所以双方还没有进一步谈判。 从去年八月至今，整个收购案进程戛然而止，无论是英飞凌仍有意收购，还是ST意欲合并，双方都因各种原因没有达成共识。 不过，ST半导体确实拥有一些可以与英飞凌互补的资产，它们之间结盟也是很合理的：ST半导体是包括苹果在内的智能手机制造商的最大供应商之一，而英飞凌则在汽车芯片方面占有优势。 巨头通过不断收购试图重塑行业 除了英飞凌和ST半导体的绯闻之外，最近芯片半导体行业的收购和并购风潮越来越盛。 比如前几天就有路透社消息称，清华紫光将以22亿欧元的代价收购法国芯片元件制造商Linxens。并且声称消息源比较可靠。 之前，博通曾提议以1300亿美元收购高通，遭到拒绝后，还强势提名11位高通董事候选人，以增加收购筹码。博通也希望通过收购高通，来重塑这个产业，被美国政府视为恶意收购而阻止了。 而在收购高通被拒之后，博通转头宣布与商业软件公司 CA Technologies 达成了最终协议，将会与189亿美元的价格对其进行收购。这是博通继收购高通后首度提出的重大收购建议。 作为主角的另一方高通，则十分渴望收购恩智浦。在中国政府迟迟不同意的情况下，高通将完成交易的时间延期了三次，从最初设定的4月25日，一路延至7月25日，这种渴望源于高通扩张业务版图的需求。 但上周7月25日，高通管理层宣布放弃收购恩智浦，转而实施300亿美元的股票回购计划，并需要向恩智浦支付20亿美元的"分手费"。之后，市场监管总局终于给出了回复，不予批准双方的交易。这起半导体行业迄今为止最大规模的并购案正式告吹。 继2017年3月斥资153亿美元收购以色列公司Mobileye后，老牌芯片巨头英特尔也在最近宣布正在收购小型芯片厂商eASIC，目的是优化英特尔在可编程解决方案领域的能力。 彭博社还有消息称，软银旗下的芯片公司 ARM Holding Plc 已同意以 6 亿美元的价格收购美国数据分析公司Treasure Data Inc.。 而另外一家巨头赛灵思，则宣布收购了其之前投资的中国AI初创公司深鉴科技。 行业发展进入成熟期 半导体是信息产业的明珠，具备技术密集和资本密集特性，是电子产品的核心，信息产业的基石。 几乎所有电子装置和家电都少不了半导体，根据Gartner的数据，2014年全球有大约38亿个连网装置，从电视、婴儿监视器到恒温器，无所不包。预估今年这数字将暴涨至84亿，2020年前，更将升高至204亿。 数据分析公司IHSMarkit的数据显示，2003年以来，全球芯片业年度营收已倍增至3520亿美元，比美国汽车业整体产出高出一倍以上。 随着物联网、可穿戴设备、云计算、大数据、新能源、医疗电子和安防电子等新兴应用发展迅速，尤其是存储芯片的需求旺盛，预测未来几年半导体行业还将会迎来发展高峰期。 而据WSTS数据显示，2017年世界半导体市场规模为4086.91亿美元，同比增长20.6%，首破4000亿美元大关，创七年以来（2010年为年增31.8%）的新高。 IC Insights就在2017年版的麦克莱恩报告中指出，越来越多的兼并和收购导致主要IC制造商和供应商减少，这是供应基础的一个重大变化。 我们也可以从上文看出，最近行业巨头在不断加快的并购收购的整合频率，一方面是巨头之间的竞争越来越剧烈，为了增加彼此各自的壁垒和竞争力，巨头们采取了更加简单直接的方式：收购并购；但另一方面，芯片行业留给后来创新者的机会越来越少了。 毕竟十年来的整并风潮，加上开发新芯片成本高昂，提高了行业的门坎，不易出现新人加入，现存的几家公司就可以依靠彼此之间的不断排列组合，以及对创新公司的收购，来维持自己继续瓜分巨大利益的态势。 ]]> 原文： https://ift.tt/2LP2SAI 机器知心

售价350美元的苹果HomePod反正我不买，美国人民好像也不买

上周，声学在线写了国内智能音箱竞争的白热化程度，今天，美国的数据也来了。 来自 CIRP 的最新数据显示，美国家庭智能音箱的安装量已经达到了 5000 万，其中包括 Amazon Echo、Google Home以及 HomePod。 这其中，CIRP 预测，HomePod 的市场占有率为 6% 左右，这意味着 HomePod 在美国的销量为 300万左右。数据统计的截止日期为 6 月 30 日。 作为对比，Amazon Echo 在美国拿下了 70%的市场份额，Google Home 的市场份额为 24%。CIRP联合创始人 Josh Lowitz 认为，HomePod 想要获得更多市场份额难度很大，除非苹果推出价格更便宜的智能音箱型号。 只有价格低才是王道？ 苹果公司于2月初开始销售其Siri驱动的HomePod智能音箱，以与亚马逊的支持Alexa的Echo设备和Google智能助理支持的Google Home竞争。 在美国《财富》杂志社的一篇专访报道中，美国西北大学凯洛格商学院麦考密克基金会的技术教授Mohanbir Sawhney就表示，"手机已经无法成为发明最集中的领域。这意味着苹果迫切需要转移它的目标，并且向人工智能领域的技术投资，打造一种类似于亚马逊和谷歌那样的更宽广领域的生态系统。"  不过，与亚马逊和谷歌提供多个版本智能音箱，以及有低至50美元的产品相比，苹果的策略显得更加保守。目前苹果的HomePod只有一个版本，其售价为349美元。而且因为苹果公司以更晚的姿态进入市场，这也限制了HomePod在销量方面的潜力。 CIRP报告称，34％的Amazon Echo用户和31％的Google Home用户拥有至少两个扬声器，而近10％的Echo用户拥有三个或更多。HomePod过高的价格很难吸引消费者再度消费。 今年4月，苹果分析师郭明錤曾指出，苹果正在考虑推出一款价格更低的 HomePod，价格可能在 150-200 美元之间，但是目前还不清楚苹果会砍掉哪些功能以降低成本。 不过来自彭博社的报告则声称，苹果正在降低销售预期。毕竟，苹果官方并没有公布 HomePod 的销量，只是将其归在"其他产品"类别，"其他产品"还包括 Apple Watch、Apple TV、AirPods、Beats、iPod touch 和配件。 今年5月，Strategy Analytics 预测今年第一季度，苹果 HomePod 销量为60万，但实际上却仅有40万台。 此外，7月Canalys的预测显示，到2018年底，全球智能音箱的安装基数将接近1亿台。与2017年相比，这一增长率接近150％。不出所料，亚马逊和谷歌将继续成为最受欢迎的选择，前者预计保留50％的市场份额，后者则占2018年约30％，至于苹果，HomePod今年将占据全球智能音箱市场的4％，到2022年或许可能达到10％。 而此次CIRP的调查更符合Loup Ventures分析师Gene Munster这样的乐观主义者，他预测到年底前将有700万HomePod销售（全球）。 HomePod的进击之路 库克在参加财报会议时表示， HomePod和Apple TV只是家居设备的一小部分，包括Mac、iPhone和iPad都能在家里使用。Siri现在被大量用于家庭相关功能，自己每天都在使用Apple Watch、iPhone、iPad和HomePod来控制家庭自动化。 只是，相对而言，亚马逊和谷歌已经跑在了苹果的前面。目前美国家庭智能音箱的安装量达到了5000万左右，而销量最多的是亚马逊的Echo，占到市场的70%，而谷歌的Google Home 的市场份额为 24%。 针对于此，为了对第二批上市国家做好准备，今年5月份末，HomePod设备曾进行过一次更新，增加了对加拿大英语，法语和德语的语言支持。苹果在法国、德国和加拿大也开始售卖HomePod。 之前，法国科技网站iGeneration就宣称已经获得了苹果智能音箱HomePod的iOS 12定制系统测试版，苹果音箱也将增加对西班牙语的支持。 除了继续开拓市场外，针对外界吐槽，苹果也在不断完善HomePod的功能。 6月，有媒体消息称，苹果在开发新版HomePod智能音箱，并最早将于明年推出。知情人士称，英业达高管曾赴加州与苹果高管讨论HomePod将来的订单问题，但目前苹果尚未作出决定。 此外，随着iOS12的曝光，关于其中HomePod的功能也在不断的曝光。 比如，更新iOS 12 Beta 5后，HomePod在设置过程中会询问你是否开启个性化请求，你可以利用HomePod让Siri帮你发送阅读信息、添加提醒、创建备忘录等操作。 另外有消息称，测试版中包括支持HomePod通过苹果手机完成通话，还有多重计时器功能。由于HomePod目前无法提取用户的通讯录，用户暂时无法要求HomePod呼叫某个人。但是用户可以在自己的手机上发起呼叫，再将音频切换到HomePod。 目前可以确定，当9月iOS 12正式发布时，这款智能音箱将会获得更多的新功能。毕竟之前我们也从iOS 11.4beta 3获知HomePod将获得日历支持。 正如之前大家猜测，苹果会成为首家市值突破1万亿美元的科技公司。现在，苹果真的创造了这个新纪录。今天凌晨，美股收盘，苹果股票价格定格在207.39美元，上涨了2.92%，市值突破1万亿美元大关。 那么对于HomePod来说，苹果不断发力，添加更多的功能，或许也可以把市场的口子撕得更大，不断挤占亚马逊和谷歌占领的美国以及欧洲市场。 当然，我们更期待HomePod可以进入中国，与中国本土的阿里、百度、小米等智能音箱一决高下。 ]]> 原文： https://ift.tt/2MelVAw 机器知心