數據中心最新文章 NB-IoT和LoRa都不要爭了，你們都只能滿足初級物聯需求 最近， 有幸得一個朋友幫忙， 讓我們有機會向深圳的一家如雷貫耳的電子產品代工巨無霸交流我們的解決方案。交流對象是這家公司的一個子公司的負責人，該子公司承擔其全球供應鏈的物流業務， 也向其他工廠提供B2B的物流服務， 估計業內人士可能已經猜出這家公司的名字。 發表于：3/8/2019 2019年AMD在x86平臺的市占率將有望提升至5% 根據DRAMeXchange調查，今年 x86 解決方案仍為服務器芯片市場的主流選擇，兩大主導廠商之一的英特爾因產品定位較完善，使用規模仍居首，2018 年市占達 98%。而AMD隨著2019 年 7 nm平臺的問世，在 x86 平臺的市占率將有機會提升至 5%。 發表于：3/4/2019 美光推出新款客戶端 SSD，提升移動計算體驗 美光 1300 SATA SSD 基于 96 層 3D NAND， 為更多用戶提供先進高效的客戶端計算體驗 發表于：3/4/2019 追趕臺積電，中芯國際財報可喜，技術不斷突破 近日，中芯國際公布了2018年第四季度及全年財報，中芯國際收入7.88億美元，同比持平，其中中國區增長12％；毛利潤1.34億美元，同比下降9.7％，毛利率17.0％，同比下降1.9個百分點，凈利潤2652萬美元，同比減少44.4％。按照工藝劃分的收入占比分別為：28nm 5.4％、40/45nm 20.3％、55/65nm 23.0％、90nm 1.7％、110/130nm 7.3％、150/180nm 38.7％、250/350nm 3.6％。 發表于：3/2/2019 置用戶隱私于何地？深圳一公司人臉識別數據庫直接暴露在網上，誰都能訪問 據外媒CNET報道，美國時間本周三，GDI基金會荷蘭安全研究員Victor Gevers發現，深圳公司深網視界(SenseNets)對于其人臉識別數據庫沒有密碼保護，直接暴露在網上。 發表于：3/1/2019 自適應學習率調度器了解一下？ 傳統觀點認為，太大的學習率不利于優化深度神經網絡，而相比固定的學習率而言，變化的學習率更能提供快速的收斂。 發表于：2/28/2019 想讀讀PyTorch底層代碼？這份內核機制簡介送給你 學習 PyTorch 比較簡單，但你能學習 PyTorch 內部機制嗎？最近，有 14 年 ML 經驗的大神 Christian 介紹了 PyTorch 的內核機制。雖然在實際使用中并不需要這些知識，但探索 PyTorch 內核能大大提升我們對代碼的直覺與理解，挖底層實現的都是大神~ 發表于：2/28/2019 出身清華姚班，斯坦福博士畢業，她的畢業論文成了「爆款」 很少有人的博士論文能夠成為「爆款文章」，但陳丹琦做到了。這位近日從斯坦福畢業的計算機科學博士引發了人們的廣泛關注。 發表于：2/28/2019 MIT開發出首個碳納米管混合信號集成電路 SHARC進擊：麻省理工學院的自我修復模擬采用RRAM和CNFET技術，被用于在4位電容數模轉換器中制造碳納米管運算放大器。 發表于：2/28/2019 或許這才是物聯網所需的嵌入式AI處理器 日前，法國半導體初創公司GreenWaves Technologies(GreenWaves) 宣布，獲得由華米科技參與領投，公司天使輪領投公司--Soitec以及其他投資人共同參與的共計七百萬歐元的A輪融資。 發表于：2/27/2019 Linus Torvalds談為什么Arm無法贏得服務器市場 為什么運行Ubuntu的服務器數量遠比Red Hat多？基于ARM架構的處理器是否可能挑戰x86處理器在服務器市場的壟斷地位？ 發表于：2/27/2019 二十年堅持，富士通能讓FRAM成為主流嗎？ 市場經濟下每一個技術領域的競爭都是一場叢林法則的生動演繹。隨著物聯網和大數據等新興應用的爆發增長，存儲器領域的叢林法則年年都在上演“生動”的故事。 發表于：2/27/2019 OpenAI被諷ClosedAI？語言模型并沒有想象中的強大 前一段時間，OpenAI 丟出了兩枚炸彈，一是公布了當前最先進的語言模型，二是選擇與開源「Say Goodbye」。他們擔心 GPT-2 模型太好，會被不懷好意的人濫用。近來，很多研究者呼吁 OpenAI 盡快開源這個 15 億參數量的大模型，因為它并不能真正「理解」自然語言。 發表于：2/27/2019 ImageNet分類器可以泛化到ImageNet上嗎？ 當前的分類模型泛化到新數據時總會有不同程度的準確率下降，傳統觀點認為這種下降與模型的適應性相關。但本文通過實驗證明，準確率下降的原因是模型無法泛化到比原始測試集中更難分類的圖像上。 發表于：2/27/2019 從網絡設計到實際應用，深度學習圖像超分辨率綜述 圖像超分辨率（SR）研究已經利用深度學習技術取得了重大進展，本文旨在系統性地綜述這些進展。作者將 SR 研究分為三大類：監督 SR、無監督 SR 以及特定領域的 SR。此外，本文還介紹了這一領域常用的公共開源基準數據集和性能評估指標，并指出了未來的幾個方向以及一些待解決的問題。 發表于：2/27/2019 ?…84858687888990919293…?
