【AI简 20210604期】意法半导体收购Cartesiam、10个顶级开源AI项目分享

本次峰会，RT-Thread带来了最新的RT-AI kit开发组件，该组件是 团队为 实时操作系统所开发的 套件，能够一键将 模型部署到 RT-Thread 项目中，让用户可以 在统一的 API 之上进行业务代码开发，又能在目标平台上获极致优化的性能，从而更简单方便地开发端侧 AI 应用程序。

通过本次峰会，在底层技术创新方面，我们看到在轻量级神经 络模型设计、模型压缩、AI推理引擎、AI芯片架构创新等领域的最新创新实践。而在行业落地层面，我们也洞察了智能家居、移动机器人、工业互联 、智能安防等多个领域面临的挑战和应对举措，看到AI落地的火苗正焕发出多样化的智能“魔力”。总的来说，当AI落地从云端扩展到更加宽广的端侧、边缘侧领域，一个更加广阔的物联 端侧的AI嵌入新战场正在爆发前夜，AI也将真正进入普罗大众生产、生活的方方面面！

2. 这就是腾讯科研成果款“奥利”机器人公布：新时代来了

原文链接：

https://baijiahao.baidu.com/sd=1701526607015401643&wfr=spider&for=pc

6月2日消息，腾讯今日公布了机器人方面的最新研发成果——Ollie（奥利）。作为腾讯家人家族的新成员，Ollie应用了许多新技术，比它的前辈更加身手敏捷和智能化。

为了应对这一挑战，英飞凌（Infineon Technologies）与Reality AI共同开发了高级传感解决方案，为车辆提供听觉。该解决方案将XENSIV?MEMS麦克风添加到现有传感器系统，能让车辆“看到”拐角，并提醒车辆注意隐藏在盲区中的移动物体，或正在驶近，但由于距离太远而无法看见的紧急车辆。

这一新的传感解决方案基于XENSIV?MEMS麦克风，并结合了AURIX?微控制器（MCU）和Reality AI的Automotive See-With-Sound（汽车声视）系统，将在英飞凌的Virtual Sensor Experience（虚拟传感器体验）中展示。由于该系统使用基于机器学习的算法，因此即使驾驶员无法看到，或车辆ADAS内置传感器无法检测到紧急车辆、其他车辆和其他道路参与者时，该系统也能检测到。此外，机器学习还能确保识别特定国家紧急车辆的警 声。

汽车合规XENSIV MEMS麦克风IM67D130A的工作温度范围为-40°C到+105°C，适用于苛刻的汽车环境中的各种应用场景。低失真（THD）和130dB声压级的高声学过载点（AOP）使该麦克风能够在嘈杂环境中捕获无失真的音频信 ，因此即使警 声隐藏在高背景或风噪声中，也能进行可靠的分类。此种基于声音的传感技术还可以应用于其他车辆，如道路状况监测、损坏检测和预测性维护。

为了处理音频信 ，Reality AI软件采用了英飞凌的AURIX TC3x系列MCU，该MCU广泛应用于多个汽车应用。该可扩展MCU系列产品达到了ISO26262 2018标准规定的ASIL-D功能安全等级，并提供从1核到6核的选择范围，以及高达16MB的Flash。AURIX TC3x为客户在ADAS应用场景中部署XENSIV MEMS麦克风提供强大的性能和灵活性。

AI新闻

5. Facebook 宣布将 PyTorch 作为默认 AI 框架

原文链接：

https://www.oschina.net/news/144507/facebook-ai-pytorch

本周，Facebook 在开发者大会 F8 Refresh 上，宣布要PyTorch 将成为该公司构建所有 人工智能设备的默认深度学习框架。PyTorch 作为一款开源的机器学习框架，其诸多优秀便捷功能可以加快AI和机器学习算法从研究原型到产品部署过程，这一框架由 Facebook AI 研究人员于 2016 年和一些开源爱好者共同创建，随着近年来AI领域的不断发展而收到众多开发者的推崇。该公司表示，Facebook 的迁移工作已经推进了有一年多的时间，并且其已经将大部分的 AI 工具迁移到了 PyTorch。

原文链接：

https://baijiahao.baidu.com/sd=1701434885450837148&wfr=spider&for=pc

这些开源人工智能项目通常不受企业开发环境的限制，可以梦想成真——并且通常会带来突破性的机器学习和人工智能进步。同样重要的是：这些领先的开源人工智能项目的进步推动了更大的人工智能领域的进步。

如果你知道其他顶级开源人工智能工具应该在这个列表中，请在文末留言与我们分享。

1、PyTorch

PyTorch 具备领先的开源人工智能项目的所有元素。它侧重于机器学习，可以说是新兴技术发展阶段人工智能最受欢迎的应用。更重要的是，开发者和AI工程师可以在顶级云计算平台上搭建 PyTorchAWS 上的 PyTorch 和 Azure 上的 PyTorch 都是可行的，Google Cloud 和阿里巴巴也是可行的。PyTorch 提供了神经 络，这是人工智能发展的一个基本要素。

2、Open Neural Network Exchange

由微软和脸书开发的 Open Neural Network Exchange（开放式神经 络交换）提供了一些非常强大的工具，尤其是将完全开发的神经 络模型(在系统中花费了大量时间进行训练)回收到各种其他系统中的能力。本质上，开放神经 络交换通过支持这种移植极大地扩展了现有模型的有用性。预计 ONNX 在未来几年将变得越来越受欢迎。

3、IBM AI Fairness 360

人工智能算法中的偏差问题越来越受到关注，AI Fairness 360是解决这一问题的开源解决方案。该工具提供了算法，使开发人员能够扫描最大似然模型，以找到任何潜在的偏见，这是打击偏见的一个重要部分，当然也是一项复杂的任务。重要的是，人工智能公平性允许人工智能工程师在整个开发生命周期中探索算法。该工具可以设置为自动工作。该工具的基础是一个检查相关性的架构；这种相关性是否创造了一种暗示有害刻板印象的预测/p>

4、Keras

Keras 在人工智能开源项目的世界中是罕见的：它把自己宣传为“一个为人类而设计的应用编程接口，而不是机器。”作为一个 Python 深度学习 API，Keras 可以与像 Antao 和微软 Cognitive Toolkit 这样的高知名度人工智能项目进行互操作。开发人员和人工智能工程师将其用作一个 ML 库，以相对容易的方式构建原型。同时也有助于其易于部署，Keras 可以在混合处理器硬件上运行。

5、Accord.NET

顾名思义，Accord.NET 使用. NET 框架。这是一个 . NET ML 学习框架，提供用 C# 编码的图像和音频库。它具有前瞻性，因为它为开发商业级应用程序提供了一个平台，包括面向信 处理的应用程序、视听工具集和统计应用程序。如果你刚刚起步，Accord.NET 还包括模板应用程序，这样你就可以更快地开始构建。

6、GPT-2

当然，开源人工智能技术正在产生轰动效应，创成式预训练变压器2 (GPT-2)于 2019 年由 OpenAI 发布。GPT 利用深度神经 络，它使用多层软件来处理任意数量的输入。众所周知，GPT 2 处理文本，从翻译到创造文本，在最好的情况下，可以与人类书写的文本非常相似。此外，它是一个非常强大的学习工具，可以非常准确地合成和适应数据。

7、Cheatsheets AI

如果你是一个可以在开放源码的语言/人工智能项目中伸出援手的语言/人工智能开发者，这个项目是非常有用的。与其说是一个项目，不如说是一个学习工具，它可以帮助你跟上人工智能/人工智能项目的速度，从 Keras 到 Scripy 到 PySpark 到 Dask。它所提供的指导是深入的，而且必然是复杂的。虽然 Cheatsheets AI 是为“人工智能新手”设计的，但事实上你需要一些预先培训才能使用这一资源。

8、TensorFlow

还有不知道 TensorFlow 的开发者吗几乎是一个家喻户晓的名字。由 Google Brain 团队开发，供 Google 内部使用，现在是最著名的开源机器学习平台之一。Google 还向研究人员免费提供了基于云的 TensorFlow 版本。

9、Caffe

最初是由加州大学伯克利分校的精英们创造的 Caffe 已经成为一个非常受欢迎的深度学习框架。它的名气包括表达架构、可扩展代码和速度。

10、H2O

凭借庞大的用户群，H2O 自称是“世界领先的开源深度学习平台”除了开源版本，该公司还提供付费支持的高级版本。

9. 人工智能领域五年引用量最高的十大论文

原文链接：

https://new.qq.com/rain/a/20210506A0973900

近五年来，AI学术论文的投稿量和接收量都在不断攀升，包括NeurIPS、AAAI、ACL，ICML、EMNLP等国际顶会。根据权威数据统计，NeurIPS论文收录量在2019年呈指数级增长，领先AAAI近300篇；而AAAI 在2020年创下历史新高，达到了1692篇。如何在海量论文库中发现最具影响力的论文，谷歌引用次数是学者们参考的一项重要指标，它在一定程度上反映了论文的质量。

下面AI科技评论按引用次数从低到高的顺序对Top 10 论文进行简要整理：

Top 10：Explaining and Harnessing Adversarial Examples

Top 9：Semi-Supervised Classification with Graph Convolutional Networks

Top 8：Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks

Top 7：Mastering the game of Go with deep neural networks and tree search

Top 6：Human-level control through deep reinforcement learning

Top 5：Neural Machine Translation by Jointly Learning to Align and Translate

Top 4：Attention is all you need

Top 3：Faster R-CNN: towards real-time object detection with region proposal networks

Top 2：Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift

Top 1：Adam: A Method for Stochastic Optimization

10. 深度学习论文阅读路线图

原文链接：

https://zhuanlan.zhihu.com/p/98823307

如果您是深度学习领域的新手，那么您可能会遇到的第一个问题是“我应该从哪篇论文开始阅读

该路线图是根据以下四个准则构建的：

• 从轮廓到细节

• 从旧到最新

• 从通用到特定领域

• 专注于最新技术

您会发现许多非常新的论文，但确实值得阅读。

使用方法：

1.zotero 中阅读，先导入到zotero，阅读论文只需要在红框中输入论文名称即可搜到。

剩下的就是愉快的阅读啦！

文末福利

暑期2021 | RT-Thread 区项目 名进行中，欢迎来了解！

原文: 

https://mp.weixin.qq.com/s/m2CT0D_OBCAnsAw4M6Ynlg

“开源软件供应链点亮计划—暑期 2021”是由中国科学院软件研究所与openEuler 区共同举办的一项专门面向高校学生的开源项目开发活动，联合各大开源 区，针对重要开源软件的开发与维护提供项目，并向全球高校学生开放 名。旨在鼓励在校学生积极参与，促进优秀开源 区蓬勃发展。

今年RT-Thread 区共提 了17个项目，目前都已开放 名，其中我们RT-Thread的AI项目（树莓派4上用RT-Thread实现NCNN移植）已经准备就绪，希望感兴趣的小伙伴赶快 名吧！以下是 名链接：

名链接：

https://summer.iscas.ac.cn/#/org/prodetail/210180672ang=en

GCC 的整体架构解析

原文链接：

https://zhuanlan.zhihu.com/p/372526494

本篇文章介绍了 GCC 的整体架构 (以 C++ 前端为例)，对GCC的使用存在疑惑的小伙伴可以学习一下，一定会受益良多的！

开源！手把手教你搭建Arduino+树莓派的ROS小车（上）

原文链接：

https://mp.weixin.qq.com/s/VGH0-OujPgmcg86gEKZ3CA

点击阅读原文进入官

文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树首页概览211955 人正在系统学习中