• 项目
首页>>文章列表
文章列表

春日特色下午茶(一) 2017-08-21 13:58:16

蒂芬玳美雅下午茶“粉红佳人”甄选

蒂芬玳美雅下午茶“粉红佳人”甄选

蒂芬玳美雅下午茶是新天地朗廷酒店携手意大利高级珠宝品牌玳美雅共同推出的一款用美食演绎奢华珠宝的定制下午茶。而今年推出的粉红佳人甄选活动,将更多乐趣融入下午茶中。蒂芬玳美雅下午茶的创造灵感来源于玳美雅珍贵的珠宝华彩年代系列,蝴蝶系列, Damianissima 和 D.Icon系列,以品尝美味甜点和开胃小食的愉快体验为特色。每一份精致的小食都是由新天地朗廷酒店西点总厨以及团队运用精准地刻模塑形,手工制作而成。完美地融合了珠宝,时尚和定制茗茶。

蒂芬玳美雅下午茶“粉红佳人”甄选

宾客们可以从欣赏法国昆庭银制托盘,和装饰以可品尝的十字形项链和戒指的手工巧克力高跟鞋开始,享用下午茶之旅。一系列色彩斑斓的巧克力宝石伴随着美味甜点和开胃小食,其中包含经典法芙娜巧克力塔,姜味蜂蜜白巧克力粉色马卡龙和帝王蟹肉蘑菇迷你塔配松露等。蒂芬玳美雅下午茶还包含堡林爵首席法兰西特酿香槟,各式咖啡和朗廷自有精选茗茶,使下午茶体验锦上添花。
蒂芬玳美雅下午茶于2014年6月10日前,每日下午2点至5点在凯旋酒廊有售。售价为人民币688元。另收取15%服务费,两位享用。即日起至2014年6月10日,任何女士穿着或装点粉色元素并享用蒂芬玳美雅下午茶套餐即可参加粉红佳人甄选活动,并有机会赢取价值20万元的奢华礼遇,包括新天地朗廷酒店尊贵主席套房一晚入住和玳美雅华丽璀璨钻石蝴蝶戒指一枚。

你值得为这10个国家公园环游世界(九) 2017-08-21 13:57:15

【2017编程语言排行榜第一名】Python爆红的六大原因 2017-08-21 09:55:02

无论你是否清楚这个事实,Python实际上已经不是一门年轻的编程语言了。虽然它也不如其它一些语言那么年长,但它仍然比大部分人所想的要更老一些。它第一次发布的时间是在1991年,虽然这些年它也经历了相当大的改变,但它现在的用处跟当时并没有什么差别。


实际上,这只是它最近这些年变得流行的原因之一:它是一个面向企业和第一流项目的、基于生产的语言,而且它有着长久的历史。它可以被用做几乎任何事情,这也是它被认为是“多功能”的原因。你既可以创建一个树莓派应用,又可以用Python来写桌面程序的脚本,还可以通过Python来配置服务器,但Python能做的绝不仅限于此。


使用Python,是不受任何限制的。


究竟是什么使得Python如此特别?


Python是一门通用的语言,有时甚至可以说是功利主义,因为它被设计得非常容易读和写。重点就是:它并非一门复杂的语言。设计者很少强调传统的语法,使得它及时对于非程序员或者开发人员来说都很容易使用。


此外,由于它被认为是真正通用的、可满足多种开发需求的语言,所以它也为程序员提供了各式各样的选择(https://www.python.org/about/success/)。如果他们使用Python作为一份工作或者一项事业的开端,他们很容易就能跳到另一份工作去,即使这两份工作之间并无关联。Python可以被用作系统操作、Web开发、服务器和管理工具、部署、科学建模等。


但令人惊讶的是,许多开发人员并没有把Python作为他们的第一语言。因为它是如此容易使用和学习,所以他们选择它作为第二语言或第三语言。这可能是它在开发人员中如此流行的另一个原因。


而且,世界上最大的科技公司之一——谷歌——也使用Python来开发他们的一部分应用。他们甚至有一个专门的Python开发人员门户(https://developers.google.com/edu/python/),提供包含视频、讲座等等的免费课程。值得一提的是,网络开发中,Django框架的崛起以及PHP的普及度降低也促成了Python的成功。最终这将会是一场“完美风暴”,开发者、官方支持以及需求都会回归到合适的水平。


以下是近年来Python变得非常流行的、不太明显的原因:


1.Python拥有一个健康、活跃、支持度高的社区


很明显,缺少文档和开发人员支持的编程语言发展都不太顺畅。Python没有这些问题。它已经存在了相当长的一段时间,有大量的文档、指南、教程等等。


另外,开发者社区非常活跃。也就是说,任何人需要帮助或支持时,都能及时得到帮助。这个活跃的社区有助于确保所有水平的开发人员(https://www.fullstackpython.com/python-community.html)——从新手到专家——都能获得帮助。而且,正如任何有经验的程序员或开发人员所知道的,当你在关键时刻遇到开发问题时,来自他人的帮助要么会使你成功,要么会使你崩溃。


2.Python有一些很棒的公司赞助商


公司赞助对编程语言的发展很有帮助。C #有微软,Java有Sun,Facebook使用PHP。谷歌在2006年期间大量使用Python,将它应用在多个平台和应用中。


这为什么重要?因为像谷歌这样的公司希望他们的团队和未来的开发人员使用他们的系统和应用程序,他们就需要提供资源。在这个例子中,谷歌编写了大量的Python指南和教程。


它提供越来越多的文档和支持工具,同时也为Python免费打了广告,至少在开发世界中是这样。


3.Python拥有大数据


大数据和云计算方案在企业世界中的应用也是Python扶摇直上的原因。它是数据科学中最流行的语言之一(https://dzone.com/articles/which-are-the-popular-languages-for-data-science),仅次于R语言。它也被用于机器学习和人工智能系统以及各种现代技术。


当然,这使得Python非常容易就能用于分析和组织成可用的数据。


4.Python有着令人惊异的库


当你在从事更庞大的项目时,库可以帮助你节省时间,以及缩短最初的开发周期。Python有着非常优秀的一系列库,从科学计算的NumPy和SciPy到网络开发的Django。


有一些库有着更明确的核心,像是机器学习应用的scikit-learn和自然语言处理的nltk。


另外,像Encoding.com这样的超大型云媒体服务商使之能与C语言系属(C-family languages)兼容(https://www.encoding.com/blog/2013/11/26/like-json-api-now-supports-json/)。换句话说,这些库能够提供跨平台的支持,这是绝佳的便利。


5.Python可靠高效


询问任何Python开发人员——或者任何曾经使用过这门语言的人——他们都会同意它是快速、可靠和高效的。你可以在几乎所有的环境中使用和部署Python应用程序,并且不会随平台变化而产生多少性能损失。


同样,因为它是通用的,这也意味着你可以跨多个领域工作,包括但不限于Web开发、桌面应用程序、移动应用程序、硬件等等。


你不必被绑定到单一的平台或者领域,Python在任何地方都能够提供相同的体验。


6.Python是容易理解的


对于新手和初学者来说,Python是非常容易学习和使用的。事实上,它是最容易理解的编程语言之一。部分原因是(在设计的时候)简化了语法和强调了自然语言,你也就能够更快地编写Python代码并执行它。


不管怎样,对初学者来说这是很好的语言,许多新开发人员都开始使用它了。更重要的是,经验丰富的开发人员也并没有半途而废,因为使用Python还有那么多可做的事情。

盘点40+公司的深度学习处理器 2017-08-21 09:53:24

Nvidia

GPU

  • 英伟达最新的 GPU NVIDIA TESLA V100 单精度浮点性能达到15 TFlops,在新的 Tensor core 架构达到 120 TFlops,是FP16乘法或FP32累加,或适应ML。

  • 英伟达将8个board包装在他们的 DGX-1 for 960 Tensor TFlops

  • Nvidia Volta - 架构看点 这篇文章对 Volta 架构做了一些分析


SoC

英伟达提供 NVIDIA DRIVE™PX,这是用于自动驾驶汽车的AI车载计算机和JETSON TX1 / TX2模块,一个“自动驾驶应用的嵌入式平台”



英伟达的开源DLA

英伟达在GTC2017上宣布 XAVIER DLA 开源。虽然我们现在仍没有看到有早期的可访问版本,希望如期在9月份发布。从Nvidia开源深度学习加速器说起这篇文章有更多分析。



AMD

GPU

即将推出的 AMD Radeon Instinct MI25 宣称 SP16 达到12.3 TFlop,或 FP16 达到 16.6 TFlops。如果你的计算适用Nvidia 的 Tensors,那么 AMD 可能无法与之抗衡。与 AMD 的 484 GB/s相比,Nvidia的带宽为900GB/s。



Intel

Nervana

英特尔收购的 Nervana Systems 除了 Nervana Engine ASIC 外还开发 GPU/software 方法。可比性能现在还不清楚。英特尔也计划通过 Knights Crest 项目整合到Phi平台。NextPlatform 的一篇文章指出Nervana 2017年在28nm上的目标可能是55 TOPS/s。英特尔计划在12月有一个NervanaCon,所以到时也许会公布第一批成果。


Mobileye EyeQ

Mobileye 目前正在开发第五代SoCEyeQ®5,作为视觉中央计算机执行完全自动驾驶(Level 5)车辆的传感器,将在2020年上路。为了满足功耗和性能目标,EyeQ®SoC的设计是最先进的VLSI处理技术,第5代降低到7nm FinFET。


Movidius

Movidius VPU 是一个向量处理器阵列。


FPGA

Intel FPGA OpenCL 以及解决方案。



Google TPU

谷歌的TPU在性能上领先GPU,是驱动DeepMind的AlphaGo在围棋比赛中赢了人类冠军的硬件。原来的700MHz TPU具有用于8位计算的95 TFlop或16位计算的23TFlop,而仅需40W。这比GPU快得多,但现在比英伟达的V100慢,但不是以每W为基础比较。新的TPU2被宣称具有四芯片的TPU,并且可以实现约180 TFlop。每个芯片的性能都翻了一番,达到16位的45 TFlops。你可以看到英伟达的V100正在缩小这一差距。TPU或TPU2都不是开放出售。谷歌正在使其在云端可用,TPU pod包含64个设备,最高可达11.5 PetaFlop的性能。


其他参考文章:

Google TPU 揭密

Google的神经网络处理器专利

脉动阵列 - 因Google TPU获得新生


Xilinx

Xilinx提供“从边缘到云”的机器学习推理解决方案,并在他们的白皮书中声称自己的FPGA最适用于INT8。

虽然FPGA的性能令人印象深刻,但是供应商的较大芯片长期以来价格较高。找到价格和性能之间的平衡是FPGA的主要挑战。



微软FPGA

微软将赌注放在FPGA,可以看这篇文章:“Microsoft Goes All in for FPGAs to Build Out AI Cloud”。


关于微软FPGA,《连线》发了一篇很好的特写:“Microsoft Bets Its Future on a Reprogrammable Computer Chip


关于 FPGA in cloud,有另一篇挺好的参考文章:Inside the Microsoft FPGA-based configurable cloud



Qualcomm

高通公司围绕ML已经有一段时间,发布了Zeroth SDK和Snapdragon神经处理引擎。高通在Hexagon DSP使用NPE是非常合理的。



Apple

彭博社的报道称苹果要做专用芯片,但没有透露更多细节。不管芯片是不是被苹果作为一个重要领域,这有助于苹果与高通竞争。

Core ML是苹果目前的机器学习应用程序。


ARM

DynamIQ是ARM给予AI时代的答案,虽然它可能不是革命性的设计,但确实是重要的。

ARM还提供了一个开源的Compute Library,其中包含为Arm Cortex-A系列CPU处理器和Arm Mali系列GPU实现软件函数的综合集成。



IBM TrueNorth

TrueNorth 是与 DARPA SyNAPSE 程序一起开发的 IBM 的 Neuromorphic CMOS ASIC。


HiSilicon(华为海思

华为CEO余承东最近在2017年中国互联网大会上宣布,华为正在开发AI芯片。


麒麟 for 智能手机

麒麟970可能具有一个嵌入式深度学习加速器。


Mobile Camera SoC

根据 Hi3559A V100ESultra-HD Mobile Camera SoC的简要数据表,它具有双核CNN@700 MHz神经网络加速引擎



Cambricon(寒武纪)

寒武纪致力于IP License,芯片服务,Smart Card和智能平台。



Horizon Robotics(地平线机器人)

地平线机器人已公布一个嵌入式人工智能处理器架构 Brain Processing Unit(BPU)。



Deephi(深鉴科技)

DeePhi Tech在deep compression,编译工具链,深度学习处理单元(DPU)设计,FPGA开发和系统级的优化等方面拥有前沿技术。



Bitmain(比特大陆)

比特大陆正在为AI开发处理器。



Wave Computing

Wave Computing 的Compute Appliance可以在3RU设备上以2.9 PetaOPS/秒的速度运行TensorFlow。



Graphcore

Graphcore在去年年底获得3000万美元投资,以支持他们的智能处理单单元(Intelligence Processing Unit,IPU)。



PEZY Computing K.K.

Pezy-SC 和 Pezy-SC2 分别是 Pezy 开发的1024核和2048核处理器。



KnuEdge’s KnuPath

自2006年6月以来,该公司的产品页面消失了。不知道他们投入1亿美元的MIMD架构现在如何。当时该架构被描述为每个ASIC具有256个小型DSP或tDSP核,以及适用于35W envelope 的稀疏矩阵处理的ARM控制器。

关于AI,传统行业CEO必须知道这5件事 2017-08-21 09:46:33

Shelly Palmer 是战略咨询公司 The Palmer Group 的 CEO,他对 AI 时代企业转型或产业升级所面临的阵痛有较为深入的了解。在他的博客中,高屋建瓴地指出了 5 点企业 CEO 应特别注意的事项——


机器学习、AI、认知计算、自然语言理解、图像识别、模式识别……这些近年来流行起来的词汇定义笼统,但在实践中,每个词都对应着一个将对生活方式和商业模式产生重大影响的研究领域。

 

如果您是一家企业或机构的领袖,承担着为股东创造价值的重任,但对这些词汇还没有太深入的认识,那么您至少应该知道以下五件事:


1.各个部门正在联手制造一场数据混乱的灾难


如果您的公司还没有严格的、执行良好的数据管理办法,那么公司内不同的部门之间将面临一场数据混乱的灾难,您最终还是要想办法处理。每个部门又有许多个项目。每个部门都在开发 app,创造用来提高效率、减少成本的系统。B2B 的app、B2C 的app、添加到各个数据集的 API……各个部门都希望创造让您引以为傲的业绩。这也就意味着,您公司的内部系统在收集数据,外部系统在收集数据,合作伙伴和供应商也在收集数据……到处都是数据。这些数据还没有变成您公司的核心资产,各部门间还在各自为战。日复一日,情况会越来越糟。


2.无法被协同使用的数据,不能发挥最大价值


也许在您的公司,从不同地方收集来的数据已经被存储到了专门构建的、目标明确的系统中,但如果缺乏数据的共同使用办法,您的公司仍然无法发挥所拥有数据的最大价值。想做到这一点,首先要能保证各部门能够轻松使用这些数据(easy to access)。您同时需要一套全面的隐私策略和安全协议,以及一套良好定义协作发展策略,以发挥您企业数据的最大价值。


3.AI 时代需要管理者团队具有想象力


您一定听过这样一句名言:预测未来的最好办法就是创造它。创造未来其实可能比你想像得要容易。在某次高峰论坛上,面对着来自 IBM Watson 和其他一些智能医疗企业的高管(还包括一名肿瘤科专家),我问了一个问题:如果有一个系统,收集了人类使用马桶后废水和某些排泄物的样本,送到一个训练用来检测肿瘤的 AI 系统中,会发生什么?由此引发的讨论颇有建设性,15分钟内,在座的专家想出了不下十种新的生意,而且真的有可能拯救生命,或至少能提高下一代洗手间的使用价值。对于一个15分钟的思维实验来说,这结果可不算坏。您也应该在您的团队中尝试一下。

比如,可以讨论一下“什么技术可能扰乱我们的供应链?”、“哪些新出现的消费者行为可能影响我们的线上销售?”“5G网络对我们是福是祸?”“如果混合现实成真,人们会如何购买我们的产品?”等等等等。记住,AI 时代,天高任鸟飞。大胆想象,然后绘制一个路线图。

 

4.从财务角度理解创新


引入能够对未来趋势做出预测的某一领域的专家、供应商或合作伙伴固然很好,但您仍然需要从财务角度对创新进行管理。您的团队时间有限,他们的本职工作是创造收益。您真的期待在未来一段时间见不到回报的情况下,他们真能拿出 10% 的时间来尝试创新吗?除非您真的把创新作为企业的首要战略,从财务上管理您的团队,使他们关注企业价值(即使在他们离职之后),您的创新计划很难成功。

 

5.所有竞争对手都同命相怜,它们甚至不再是主要问题了


好消息是,面对 AI 对产业的改变,您的大多数竞争对手和您状况类似。坏消息是,竞争对手不再是最大的问题了。那些挑战您行业地位的初创企业也不再是最大问题了。最大的问题是,机器学习系统能够解释呈爆炸式增长的数据,并提供应对策略,这一发展趋势愈演愈烈,您是否能适应?这,是您应该全力应付的焦点问题。

你值得为这10个国家公园环游世界(八) 2017-08-21 09:33:59

亚洲最顶级的10家创意餐厅(十) 2017-08-21 09:31:40