facebook 開源大模型(一文看盡2018全年AI技術大突破：NLP跨過分水嶺、CV研究效果驚人) - 副本

如何看待國產數據庫SequoiaDB開源

如何看待國產數據庫SequoiaDB開源

總的來說，我認為有幾點吧

1）相比mongo還是有中文的齊全文檔，作為中國的碼農。。英文文檔看得還是頭疼啊。

3）總體上說使用和遷移轉換時候不會不上手，不過現在據說多了SQL的支持，還沒有嘗試過，聽起來很厲害的樣子，不過他們原生的操作語句也還是很好理解的

如何看待yandex開源clickhouse這個列式文檔數據庫

Yandex在2016年6月15日開源了一個數據分析的數據庫，名字叫做ClickHouse，這對保守俄羅斯人來說是個特大事。更讓人驚訝的是，這個列式存儲數據庫的跑分要超過很多流行的商業MPP數據庫軟件，例如Vertica。如果你沒有聽過Vertica，那你一定聽過 Michael Stonebraker，2014年圖靈獎的獲得者，PostgreSQL和Ingres發明者（Sybase和SQL Server都是繼承 Ingres而來的）, Paradigm4和SciDB的創辦者。Michael Stonebraker于2005年創辦Vertica公司，后來該公司被HP收購，HP Vertica成為MPP列式存儲商業數據庫的高性能代表，Facebook就購買了Vertica數據用于用戶行為分析。

簡單的說，ClickHouse作為分析型數據庫，有三大特點：一是跑分快， 二是功能多 ，三是文藝范

1. 跑分快： ClickHouse跑分是Vertica的5倍快：

ClickHouse性能超過了市面上大部分的列式存儲數據庫，相比傳統的數據ClickHouse要快100-1000X，ClickHouse還是有非常大的優勢：

100Million 數據集:

ClickHouse比Vertica約快5倍，比Hive快279倍，比My SQL快801倍

1Billion 數據集:

ClickHouse比Vertica約快5倍，MySQL和Hive已經無法完成任務了

2. 功能多：ClickHouse支持數據統計分析各種場景

- 支持類SQL查詢，

- 支持繁多庫函數（例如IP轉化，URL分析等，預估計算/HyperLoglog等）

- 支持數組(Array)和嵌套數據結構(Nested Data Structure)

- 支持數據庫異地復制部署

3.文藝范：目前ClickHouse的限制很多，生來就是為小資服務的

- 目前只支持Ubuntu系統

- 不提供設計和架構文檔，設計很神秘的樣子，只有開源的C++源碼

- 不理睬Hadoop生態，走自己的路

如何看待阿里巴巴宣布開放開源AliSQL數據庫

其實有點類似，谷歌開放安卓系統給大家免費用，

某些技術別人要模仿不難，而且專利有效期也不長，

谷歌可能覺得還不如一下子公開了，大家一起弄，能迅速占領市場

如何看待黑客入侵數據庫

內網。內鬼和外面的黑客一起合作搞的。內鬼的話就比較容易了。

如何看待美國研發的數據庫TokuDB?

測試過 TokuMX, 性能確實不錯，但穩定性堪憂，mongodb 3.0 后引入了 wiredtiger engine，與 tokumx 差距縮小了

研究過 TokuMX 和 TokuDB 用的索引數據結構，很巧妙的設計，雖然樹的深度加倍了，但插入時間確實大幅度降低了。

最后沒有采用。

如何看待免費開源CRM

免費開源CRM基本上很難滿足企業的實際業務需求，可以考慮一款支持用戶個性化定制的CRM，百會的CRM就不錯，它可以根據用戶需求，在最短時間內定制出來并讓用戶看到效果。滿意之后再付費，沒有后顧之憂。定制工具簡單，定制速度快。用戶完全可以自己操作去滿足未來業務的變化。另外它基于SAAS模式的在線租用形勢，可以為企業節省購買硬件、安裝調試、后期升級的費用成本。定期的售后回訪還可以解決不少使用中的問題。

如何看待Facebook已開源React Native

React Native項目成員Tom Ohino發表的React Native: Bringing modern web techniques to mobile（墻外地址）詳細描述了React Native的設計理念。Ohino認為盡管Native開發成本更高，但現階段Native仍然是必須的，因為Web的用戶體驗仍無法超越Native：

1. Native的原生控件有更好的體驗；

2. Native有更好的手勢識別；

3. Native有更合適的線程模型，盡管Web Worker可以解決一部分問題，但如圖像解碼、文本渲染仍無法多線程渲染，這影響了Web的流暢性。

Ohino沒提到的還有Native能實現更豐富細膩的動畫效果，歸根結底是現階段Native具有更好的人機交互體驗。筆者認為這些例子是有說服力的，也是React Native出現的直接原因。

圖3 - Ohino在F8分享了React Native（Keynote）

Learn once, write anywhere

“Learn once, write anywhere”同樣出自Ohino的文章。因為不同Native平臺上的用戶體驗是不同的，React Native不強求一份原生代碼支持多個平臺，所以不提“Write once, run anywhere”（Java），提出了“Learn once, write anywhere”。

圖4 - “Learn once, write anywhere”

這張圖是筆者根據理解畫的一張示意圖，自下而上依次是：

1. React：不同平臺上編寫基于React的代碼，“Learn once, write anywhere”。

2. Virtual DOM：相對Browser環境下的DOM（文檔對象模型）而言，Virtual DOM是DOM在內存中的一種輕量級表達方式（原話是ligheight representation of the document），可以通過不同的渲染引擎生成不同平臺下的UI，JS和Native之間通過Bridge通信（React Native通信機制詳解 « bang’s blog）。

3. Web/iOS/Android：已實現了Web和iOS平臺，Android平臺預計將于2015年10月實現（Blog | React）。

前文多處提到的React是Facebook 2013年開源的Web開發框架，筆者在翻閱其發布稿時，發現這么一段：

圖5 - 摘自React發布稿（2013）

1. 加亮文字顯示2013年已經在開發React Native的原型，現在也算是厚積薄發了。

2. 最近另一個比較火的項目是Flipboard/react-canvas · GitHub（詳見 @rank），渲染層使用了Web Canvas來提升交互流暢性，這和上圖第一個嘗試類似。

React本身也是個龐大的話題不再展開，詳見facebook/react Wiki · GitHub。

筆者認為“Write once, run anywhere”對提升效率仍然是必要的，并且和“Learn once, write anywhere”也沒有沖突，我們內部正在改造已有的組件庫和HybridAPI，讓其適配（補齊）React Native的組件，從而寫一份代碼可以運行在iOS和Web上，待成熟后開源出來。

持續更新...

二、規劃

下圖展示了業務和技術為React Native所做的改造：

圖6 - 業務和技術改造圖6 - 業務和技術改造

自下而上：

1. React Node：React支持服務端渲染，通常用于首屏服務端渲染；典型場景是多頁列表，首屏服務端渲染翻頁客戶端渲染，避免首次請求頁面時發起2次請求。

2. React Native基礎環境：

2.1. Framework集成：盡管React Native放出了Integration with Existing App文檔，集成到現有復雜App中仍然會遇到很多細節問題，比如集成到天貓iPad客戶端就花了組里iOS同學2天的時間。

2.2. Neorking改造：主要是重新建立session，而session通常存放于 header 買粉絲okie中，React Native提供的網絡IO fetch和XMLHttpRequest不支持改寫買粉絲okie。所以要不在保證安全的條件下實現fetch的擴展，要么由native負責網絡IO（已有session機制）再通過HybridAPI由JS調用，暫時選擇了后者。

2.3. 緩存/打包方案：只要有資源從服務器端加載就避免不了這個話題，React Native也是如此，緩存用于解決資源二次訪問時的加載性能，打包解決的是資源首次訪問時的加載性能。

3. MUI是一套組件庫，目前會采用向React Native組件補齊的思路進行改造。

4. HybridAPI是阿里一組Hybrid API，此前也在多個公開場合（如傳感器 @杭JS）分享過不再累述，React Native建立了自己的通信機制，看起來更高效（未驗證），改造成本不大。

5. 最快的一個業務將于4月中上線，通過最初幾個業務改造推動整體系統的改造，如果效果如預期則會啟動更大規模的業務改造。

三、風險

1. 盡管Facebook有3款App（Groups、Ads Manager、F8）使用了React Native，隨著React Native大規模應用，Appstore的政策是否有變不得而知，我們只能往前走一步。

* 更新：

2015.7.28 AppStore審核政策調整：允許運行于JavascriptCore的動態加載代碼，下圖是此前的審核政策，對比加亮部分的改變。

qt支持國產數據庫嗎

應用程序很多情況下需要操作數據庫。QT支持多種數據庫，但是很多情況需要安裝DLL驅動。這就有點麻煩，想當初想用MYSQL的結果就是因為驅動很難裝，然后就使用了SQLITE。如果對數據庫的要求不是很高的話，Sqlite應該可以滿足需求了。

如何看待數據庫技術向大數據技術發展的必然

隨著數據的積累，一些記載對象的業務狀態的數據越來越多，所以就慢慢的形成各行業的大數據，當然有些大數據庫，是有可用之處，有些大數據就是個垃圾。

請采納！

阿里開源新一代 AI 算法模型，由達摩院90后科學家研發

近日，阿里 AI 開源了新一代人機對話模型 ESIM。該算法模型提出兩年多，已被包括谷歌、facebook 在內的國際學術界在200多篇論文中引用，更曾在國際頂級對話系統評測大賽（DSTC7）上獲得雙料冠軍，將人機對話準確率的世界紀錄提升至94.1%。

ESIM 模型最初由達摩院語音實驗室內的90后科學家陳謙研發，現在已經成為業界的熱門模型和通用標準。這支平均年齡30歲的研發團隊宣布，即日起向全世界企業與個人開源ESIM模型，與全球開發者共享這一成果，共同推進人工智能技術發展。

在去年 DSTC 7大賽上，ESIM 橫掃 NOESIS 賽道，從麻省理工學院、約翰霍普金斯大學、IBM 研究院等近20支參賽隊伍中脫穎而出，拿下該賽道兩項比賽的冠軍。

DSTC 是學術界權威對話系統評測大賽，由微軟研究院、卡耐基梅隆大學的科學家在2013年發起，今年舉辦到了第八屆。NOESIS 賽道考察AI的人機對話能力，要求 AI根據給定的多輪人機對話 歷史 ，從成百到上萬個句子中選出正確的回復。

人機對話系統及其背后的認知智能，是人機交互中最復雜也最重要的技術，曾被比爾蓋茨形容為“人工智能皇冠上的明珠”。為讓機器快速準確理解人類的表達，ESIM給 AI 裝上一套“雷達”系統，賦予它實時檢索對話 歷史 、自動去除干擾信息的能力，使它能夠給出人類期待的回復。

這項突破將給智能客服、導航軟件、智能音箱等應用場景帶去顯著變化，阿里基于 ESIM 模型研發的智能語音點餐機、地鐵語音售票機等應用已在杭州、上海等地落地。

這不是阿里第一次開源前沿技術。2018年達摩院開源了新一代語音識別模型DFSMN，吸引眾多研究者在該模型基礎上開展工作，甚至再度刷新語音識別世界紀錄。

Meta 開源了語言翻譯 AI 模型

Meta（前身是 Facebook）在開源世界做出了不小的貢獻。Meta 除了專注于元宇宙Metaverse和其社交媒體平臺外，還致力于各種研究和創新工作，比如 React（一個 JaveScript 庫）。

現在，Meta 的研究人員決定開源一個叫 “不落下任何語言No Language Left Behind” 項目。

（LCTT 校注：這個直譯項目名稱不夠好聽，我來拋磚引玉，似可稱做“無人獨語”，讀者有什么建議嗎？）

目前，雖然世界上有大約 7000 個在使用中的語言，但大多數在線的內容都是以少數的流行語言來提供的，比如英語。這讓許多不懂這些語言的人處于不利的地位。

雖然現存的許多翻譯工具，但語法錯誤會讓錯誤變得難以閱讀和理解。另外，如果你想把內容翻譯為一個不流行的語言（特別是非洲和亞洲的一些語言），翻譯體驗不會很好。

因此，Meta 正在開發有最高質量的翻譯工具，可以幫助解決這一全球性的問題。

NLLB-200（不落下任何語言No Language Left Behind） 是一個人工智能翻譯模型，其可以翻譯 200 多種語言。該模型在每種語言中的翻譯結果是通過一個名為 FLORES-200 復雜數據集來確定和評估的。

正如 Meta 所說，NLLB 的翻譯結果比以前的人工智能研究方法好 40% 。對于一些最不常見的語言，其翻譯準確率甚至超過 70%。了不起的工作！

為了幫助開發項目和提高模型的翻譯質量，Meta 向所有感興趣的研究人員開放了源代碼，包括 NLLB-200 模型、FLORES-200 數據庫、模型訓練和重建訓練數據庫的代碼。

Meta 宣布向從事聯合國可持續發展目標UN Sustainable Development Goals任何領域工作和翻譯非洲語言的非營利組織和研究人員提供高達 20 萬美元的捐贈，也鼓勵其他學術領域如語言學和機器翻譯的研究人員申請。

盡管 Meta 主要打算在其數字平臺上，特別是在“元宇宙”上使用 NLLB，但 NLLB 也有可能在其他領域產生巨大影響。

許多用戶可以用他們的母語輕松地訪問和閱讀在線資源。項目開源后，社區應該能夠幫助實現這個目標。

你對 Meta 的這個項目有什么看法？

via: 買粉絲s://news.itsfoss.買粉絲/meta-open-source-ai-model/

作者：Rishabh Moharir選題：lkxed譯者：fenglyulin校對：wxy

開源大數據分析工具？

考慮到現有技術解決方案的復雜性與多樣化，企業往往很難找到適合自己的大數據收集與分析工具。然而，混亂的時局之下已經有多種方案脫穎而出，證明其能夠幫助大家切實完成大數據分析類工作。下面回龍觀IT培訓將整理出一份包含十款工具的清單，從而有效壓縮選擇范疇。

OpenRefine

這是一款高人氣數據分析工具，適用于各類與分析相關的任務。這意味著即使大家擁有多川不同數據類型及名稱，這款工具亦能夠利用其強大的聚類算法完成條目分組。在聚類完成后，分析即可開始。

Hadoop

大數據與Hadoop可謂密不可分。這套軟件庫兼框架能夠利用簡單的編程模型將大規模數據集分發于計算機集群當中。其尤為擅長處理大規模數據并使其可用于本地設備當中。作為Hadoop的開發方，Apache亦在不斷強化這款工具以提升其實際效果。

Storm

同樣來自Apache的Storm是另一款偉大的實時計算系統，能夠極大強化無限數據流的處理效果。其亦可用于執行多種其它與大數據相關的任務，具體包括分布式RPC、持續處理、在線機器學習以及實時分析等等。使用Storm的另一大優勢在于，其整合了大量其它技術，從而進一步降低大數據處理的復雜性。

Plotly

這是一款數據可視化工具，可兼容JaScript、MATLAB、Python以及R等語言。Plotly甚至能夠幫助不具備代碼編寫技能或者時間的用戶完成動態可視化處理。這款工具常由新一代數據科學家使用，因為其屬于一款業務開發平臺且能夠快速完成大規模數據的理解與分析。

Rapidminer

作為另一款大數據處理必要工具，Rapidminer屬于一套開源數據科學平臺，且通過可視化編程機制發揮作用。其功能包括對模型進行修改、分析與創建，且能夠快速將結果整合至業務流程當中。Rapidminer目前備受矚目，且已經成為眾多知名數據科學家心目中的可靠工具。

Cassandra

ApacheCassandra是另一款值得關注的工具，因為其能夠有效且高效地對大規模數據加以管理。它屬于一套可擴展NoSQL數據庫，能夠監控多座數據中心內的數據并已經在Netflix及eBay等知名企業當中效力。

HadoopMapRece

這是一套軟件框架，允許用戶利用其編寫出以可靠方式并發處理大規模數據的應用。MapRece應用主要負責完成兩項任務，即映射與規約，并由此提供多種數據處理結果。這款工具最初由谷歌公司開發完成。

Bokeh

這套可視化框架的主要目標在于提供精致且簡潔的圖形處理結果，用以強化大規模數據流的交互能力。其專門供Python語言使用。

WolframAlpha

這是一套搜索引擎，旨在幫助用戶搜索其需要的計算素材或者其它內容。舉例來說，如果大家輸入“Facebook”，即可獲得與Facebook相關的HTML元素結構、輸入解釋、Web托管信息、網絡統計、子域、Alexa預估以及網頁信息等大量內容。

2021最新15個App跨平臺開發框架

生活，永遠不會虧待用心經營它的人。

文章目錄

1.Flutter2.Ionic3.Reactnative4.ApacheCordova5.Xamarin6.NativeScript7.Node.Js8.AppceleratorTitanium9.SenchaTouch10.CoronaSDK11.AdobePhonegap12.VueNative13.Qt14.CodenameOne15.Monaca

作為用戶來說，當然希望使用App的時候能夠順暢流利，不可否認的是，使用iOS和Android開發出來的應用非常流暢而且高效，但是缺點就是需要耗費較長的時間來開發，比如同一個App，需要在Android和iOS兩端各自開發一遍，確實比較耗費人力和財力。所以人們希望選擇使用跨平臺應用來解決這一問題。

什么是跨平臺應用開發框架？

開發人員可以使用一套相同的代碼，一次性地編碼即可在多個平臺上面運行起來。它減少了開發人員開發應用的時間，并且能夠快速地交付。所以目前為止，越來越多的人意識到跨平臺應用程序和框架的好處和重要性。

跨平臺應用程序開發框架的好處：

一個App適用于多個設備；一個App適用于多個平臺；一個App可以在多個應用商店中發布；只需編寫一次代碼；代碼可以跨平臺復用；市場分析與測試；快速成型；快速開發；無縫產品維護；統一性、均勻性；

2021年最新15個跨平臺應用程序開發框架

1.Flutter

Flutter由Google開發，它是一個牛逼的開源平臺，可用于跨平臺應用程序開發。它具有吸引力的原因是：快速的開發，富有表現力的精美UI和類似本機的性能。

使用Flutter的一些公司是Google，eBay，寶馬等。

選擇Flutter框架進行跨平臺應用程序開發的主要原因：

高度穩定DART，AOT編譯語言平穩的開發周期強大的熱加載功能滿足各種需求的UI套件完美匹配的Flutter現在擁有200萬用戶，并且還在不斷增加。2.Ionic

Ionic是用于跨平臺應用程序開發的增長最快且領先的開源框架。針對移動設備進行了優化的UI組件庫和工具有助于快速構建交互式應用程序。使用Ionic的企業包括GE，空中客車，Panera等。

選擇Ionic進行跨平臺應用程序開發的主要原因：

開發人員友好龐大的社區角度優勢一個代碼即可Cordovaedge高標準的UI簡化測試

根據一份報告，企業高管更喜歡Ionic和ReactNative等解決方案。

3.Reactnative

由Facebook在2015年開發的ReactNative可幫助企業使用Swift，ObjectiveC和Java等語言構建類似于本機的應用程序。

使用ReactNative框架的一些企業是Facebook，Skype，Tesla等。

選擇React本機框架進行跨平臺應用程序開發的主要原因：

現成的組件社區驅動熱加載開源ReactNativeforWeb功能高度可靠本地功能易于訪問本機UI組件的實現

在過去的幾年中，大多數公司都信任ReactNative滿足混合應用程序的需求。

4.ApacheCordova

ApacheCordova是一個著名的跨平臺應用程序開發框架，該框架使用Web技術，包括HTML，CSS和JavaScript。

使用ApacheCordova的一些企業是Walmart，Adobe，QrStore等。

選擇Cordova框架進行跨平臺應用程序開發的主要原因：

可重用代碼熟悉的技術強大的社區支持廣泛的插件免費和開源離線開發調試實時重載

如今，ApacheApacheCordova云因其提供的豐富應用程序體驗而被企業廣泛使用。

5.Xamarin

Xamarin是.NET平臺的擴展，是開發人員和企業最受信任和喜愛的框架之一。Xamarin使用C＃開發所有內容。

使用Xamarin跨平臺框架的一些企業是阿拉斯加航空，美國癌癥協會，JustGiving等。

選擇Xamarin框架進行跨平臺應用程序開發的主要原因：

開源和免費本機性能用于訪問本機功能XAML的基本框架，用于使用C＃構建動態移動應用程序用于通用模式的庫，例如Model*ViewViewModel（MVVM）具有語法突出顯示，代碼完成，設計器以及其他專門用于開發移動頁面的功能

如今，Xamarin已成為滿足企業混合應用程序開發需求的最常用平臺之一。

6.NativeScript

NativeScript是具有活躍的開發人員社區的開源框架。開源框架用于使用Angular和Vue構建跨平臺應用程序，以加快應用程序開發速度。

使用NativeScript框架的一些公司是GeekyAnts，TraverseLLC。，Workbox等。

選擇NativeScript框架進行跨平臺應用程序開發的主要原因：

一個適用于iOS或Android的代碼庫。可重復使用的代碼具有成本效益輕松訪問應用程序Angular，TypeScript或JavaScript的優勢易于使用和良好的用戶體驗低代碼開發減少維護

簡單的Web技能和易于使用的工具使NativeScript成為當今大多數企業的不錯選擇。

7.Node.Js

Node.Js是一種流行的跨平臺框架，其運行時框架基于ChromeV8Javascript引擎構建。效率和響應能力是使Node.Js成為企業中流行選擇的兩個優勢。

使用Node.J的一些企業是FacebookMessenger，Twitch，Slack等。

選擇Node.Js框架進行跨平臺應用程序開發的主要原因：

Node.JsAPI是同步的更快的代碼執行過程零緩沖和更快的輸出具有事件循環功能的單線程模型開源免費

服務器端開發支持和可伸縮性是使Node.Js成為跨平臺應用程序開發的首要因素。

8.AppceleratorTitanium

開放、可擴展的開發用于創建豐富的應用程序，使AppceleratorTitanium成為企業的第一選擇。基于Eclipse的IDE，MVC框架和云服務是其它關鍵參數，這些參數使該平臺非常適合跨平臺應用程序開發。

使用該平臺的一些企業包括加利福尼亞州的樂高樂園，Pulse，皇后圖書館。

選擇AppceleratorTitanium進行跨平臺應用程序開發的主要原因：

單一代碼庫開放源代碼基于JavaScript的SDKAppceleratorAlloyMVC框架集成了移動后端即服務與Appcelerator的開放市場集成

Titanium環境將幫助公司開發和銷售應用程序加快60％，以保持領先于競爭對手的地位。

9.SenchaTouch

SenchaTouch通過功能強大的SDK和HTML5廣泛的工具包，幫助開發人員為移動和桌面構建一鍵式應用程序。允許開發人員創建動畫和功能用戶界面是使該平臺成為企業的理想選擇其它優勢。一些使用SenchaTouch的企業包括布法羅大學Kaseware的LasCumbres天文臺。選擇SenchaTouch進行跨平臺應用開發的主要原因：

更快的布局本本地封裝HTML5設備API事件處理可提供更好的觸摸響應新型的智能和創新版本系統

SenchaTouch已經為10,000多家客戶提供了動力，其中60％是《財富》100強公司。

10.CoronaSDK

CoronaSDK是一個著名的跨平臺框架，適用于希望為移動設備和臺式機開發基于游戲的應用程序的公司。使用CoronaSDK構建的一些應用程序包括GunmanTa買粉絲Truch，Battle2，ZipZap等。選擇CoronaSDK進行跨平臺游戲應用程序開發的主要原因：

開源，滿足所有需求的強大社區插件基于Lua調用任何本地庫資源

完全免費，沒有任何隱藏費用，費用或特許權使用費，使該平臺成為游戲應用程序開發的更好平臺

11.AdobePhonegap

在開放式網絡技術的支持下，AdobePhonegap被廣泛用于構建出色的應用程序。借助HTML，CSS和Javascript快速創建應用程序的能力，可以創建神奇的應用程序，從而使該平臺成為跨平臺應用程序開發的最佳框架之一。使用AdobePhonegap構建的一些應用程序包括TripCase，Untapped，snowbuddy等。

選擇AdobePhonegap進行跨平臺應用程序開發的主要原因：

健壯的開發社區Phonegap工具集插件庫第三方工具

PhoneGap始終因其更快的部署速度和豐富的應用程序體驗而受到大多數公司的青睞。

12.VueNative

另一個有趣的跨平臺框架，用于使用JavaScript構建應用程序。Vue.JS被認為是具有成本效益的，并且是當今公司使用它的原因之一。使用Vue.Js框架構建的一些應用程序包括Kitsu，SocialAmnesia，Listmonk。

選擇VueNative框架進行跨平臺應用程序開發的主要原因：

實時變化同步Swift移動應用程序開發文檔對象模型定義良好的生態系統降低學習曲線最小化腳手架

Vue.Js廣受像三星，高通，信誠等公司使用

13.Qt

Qt擁有一整套全面的高度直觀和模塊化的C++庫類和API，可簡化應用程序開發。具有高運行時性能的高可讀性，易于維護和可重用的代碼使其成為有史以來最佳的跨平臺框架之一。使用Qt的企業包括德國漢莎航空公司（LufthansaTechnik），克拉里烏斯（Clarius），費森尤斯（Fresenius）等。

選擇Qt進行跨平臺應用程序開發的主要原因：

同類最佳的收費標準自己的跨平臺IDE豐富的基礎啟用程序集框架附加組件C，C++，Python，Javascript等

許多公司都信任Qt能夠提供出色的用戶體驗。

14.CodenameOne

CodenameOne用于構建具有完整后端和前端實施的復雜的真實世界應用程序，并具有便捷性和成本效益。使用CodenameOne來構建應用程序的一些企業有Vision24，BoIGlobalGroup，MathUnderground。

選擇CodenameOne進行跨平臺應用程序開發的主要原因：

無需特殊硬件和100％可重用的代碼可拖放的GUI生成器很好地控制像素并在任何地方繪制完全訪問本機OS語言開源和免費

有1800應用程序已安裝，40k開發人員和1M云構建使該平臺成為跨平臺應用程序的良好框架發展。

15.Monaca

Monaca是最受好評的開放式混合應用程序開發平臺，可以立即插入任何現有的工作流程和開發環境中。CloudIDE，用于調試器的CLI和遠程在線構建是使該平臺最適合企業的其他因素。使用Monaca的一些業務包括Bekfood，WhatsMode，Starnick等。

選擇Monaca進行跨平臺應用程序開發的主要原因：

靈活的開發環境OnsenUI，用于構建美觀，高性能的應用程序遠程構建和持續集成強大的調試和測試Cordova電源插件Cordova的后端服務

憑借易于使用的工具，服務和UI框架，Monaca被公司廣泛用于更快地構建和營銷應用程序。

最后，照例安利一波我們的買粉絲：國民程序員

每天分享GitHub優質開源項目，海量學習資料分享，另外還有程序員副業分享。值得關注！

一文看盡2018全年AI技術大突破：NLP跨過分水嶺、CV研究效果驚人

量子位 出品 | 買粉絲 QbitAI

2018，仍是AI領域激動人心的一年。

這一年成為NLP研究的分水嶺，各種突破接連不斷；CV領域同樣精彩紛呈，與四年前相比GAN生成的假臉逼真到讓人不敢相信；新工具、新框架的出現，也讓這個領域的明天特別讓人期待……近日，Analytics Vidhya發布了一份2018人工智能技術總結與2019趨勢預測報告，原文作者PRANAV DAR。量子位在保留這個報告架構的基礎上，對內容進行了重新編輯和補充。這份報告總結和梳理了全年主要AI技術領域的重大進展，同時也給出了相關的資源地址，以便大家更好的使用、查詢。報告共涉及了五個主要部分：

下面，我們就逐一來盤點和展望，嘿喂狗~

2018年在NLP 歷史 上的特殊地位，已經毋庸置疑。

這份報告認為，這一年正是NLP的分水嶺。2018年里，NLP領域的突破接連不斷：ULMFiT、ELMo、最近大熱的BERT……

遷移學習成了NLP進展的重要推動力。從一個預訓練模型開始，不斷去適應新的數據，帶來了無盡的潛力，甚至有“NLP領域的ImageNet時代已經到來”一說。

正是這篇論文，打響了今年NLP遷移學習狂歡的第一槍。論文兩名作者一是Fast.ai創始人Jeremy Howard，在遷移學習上經驗豐富；一是自然語言處理方向的博士生Sebastian Ruder，他的NLP博客幾乎所有同行都在讀。兩個人的專長綜合起來，就有了ULMFiT。想要搞定一項NLP任務，不再需要從0開始訓練模型，拿來ULMFiT，用少量數據微調一下，它就可以在新任務上實現更好的性能。

他們的方法，在六項文本分類任務上超越了之前最先進的模型。詳細的說明可以讀他們的論文：買粉絲s://arxiv.org/abs/1801.06146Fast.ai網站上放出了訓練腳本、模型等：買粉絲://nlp.fast.ai/category/classification.買粉絲

這個名字，當然不是指《芝麻街》里那個角色，而是“語言模型的詞嵌入”，出自艾倫人工智能研究院和華盛頓大學的論文Deep 買粉絲ntextualized word representations，NLP頂會NAACL HLT 2018的優秀論文之一。

ELMo用語言模型（language model）來獲取詞嵌入，同時也把詞語所處句、段的語境考慮進來。

這種語境化的詞語表示，能夠體現一個詞在語法語義用法上的復雜特征，也能體現它在不同語境下如何變化。

當然，ELMo也在試驗中展示出了強大功效。把ELMo用到已有的NLP模型上，能夠帶來各種任務上的性能提升。比如在機器問答數據集SQuAD上，用ELMo能讓此前最厲害的模型成績在提高4.7個百分點。

買粉絲s://allennlp.org/elmo

它由Google推出，全稱是 B idirectional E n買粉絲der R epresentations from T ransformers，意思是來自Transformer的雙向編碼器表示，也是一種預訓練語言表示的方法。從性能上來看，沒有哪個模型能與BERT一戰。它在11項NLP任務上都取得了最頂尖成績，到現在，SQuAD 2.0前10名只有一個不是BERT變體：

如果你還沒有讀過BERT的論文，真的應該在2018年結束前補完這一課：買粉絲s://arxiv.org/abs/1810.04805另外，Google官方開源了訓練代碼和預訓練模型：買粉絲s://github.買粉絲/google-research/bert如果你是PyTorch黨，也不怕。這里還有官方推薦的PyTorch重實現和轉換腳本：買粉絲s://github.買粉絲/huggingface/pytorch-pretrained-BERT

BERT之后，NLP圈在2018年還能收獲什么驚喜？答案是，一款新工具。

就在上周末，Facebook開源了自家工程師們一直在用的NLP建模框架PyText。這個框架，每天要為Facebook旗下各種應用處理超過10億次NLP任務，是一個工業級的工具包。

（Facebook開源新NLP框架：簡化部署流程，大規模應用也OK）

PyText基于PyTorch，能夠加速從研究到應用的進度，從模型的研究到完整實施只需要幾天時間。框架里還包含了一些預訓練模型，可以直接拿來處理文本分類、序列標注等任務。

想試試？開源地址在此：

買粉絲s://github.買粉絲/facebookresearch/pytext

它能主動打電話給美發店、餐館預約服務，全程流暢交流，簡直以假亂真。Google董事長John Hennessy后來稱之為“非凡的突破”，還說：“在預約領域，這個AI已經通過了圖靈測試。”Duplex在多輪對話中表現出的理解能力、合成語音的自然程度，都是NLP目前水平的體現。如果你還沒看過它的視頻……

NLP在2019年會怎么樣？我們借用一下ULMFiT作者Sebastian Ruder的展望：

今年9月，當搭載BigGAN的雙盲評審中的ICLR 2019論文現身，行家們就沸騰了： 簡直看不出這是GAN自己生成的 。

在計算機圖像研究史上，BigGAN的效果比前人進步了一大截。比如在ImageNet上進行128×128分辨率的訓練后，它的Inception S買粉絲re（IS）得分166.3，是之前最佳得分52.52分 3倍 。

除了搞定128×128小圖之外，BigGAN還能直接在256×256、512×512的ImageNet數據上訓練，生成更讓人信服的樣本。

在論文中研究人員揭秘，BigGAN的驚人效果背后，真的付出了金錢的代價，最多要用512個TPU訓練，費用可達11萬美元，合人民幣76萬元。

不止是模型參數多，訓練規模也是有GAN以來最大的。它的參數是前人的2-4倍，批次大小是前人的8倍。

研究論文：買粉絲s://openreview.買粉絲/pdf?id=B1xsqj09Fm

前前后后，Fast.ai團隊只用了16個AWS云實例，每個實例搭載8塊英偉達V100 GPU，結果比Google用TPU Pod在斯坦福DAWNBench測試上達到的速度還要快40%。這樣拔群的成績，成本價只需要 40美元 ，Fast.ai在博客中將其稱作人人可實現。

相關地址： Fast.ai博客介紹：

今年8月，英偉達和MIT的研究團隊高出一個 超逼真 高清視頻生成AI。

只要一幅動態的語義地圖，就可獲得和真實世界幾乎一模一樣的視頻。換句話說，只要把你心中的場景勾勒出來，無需實拍，電影級的視頻就可以自動P出來：

除了街景，人臉也可生成：

這背后的vid2vid技術，是一種在生成對抗性學習框架下的新方法：精心設計的生成器和鑒別器架構，再加上時空對抗目標。

這種方法可以在分割蒙版、素描草圖、人體姿勢等多種輸入格式上，實現高分辨率、逼真、時間相干的視頻效果。

好消息，vid2vid現已被英偉達開源。

研究論文：買粉絲s://tcwang0509.github.io/vid2vid/paper_vid2vid.pdf

GitHub地址買粉絲s://github.買粉絲/NVIDIA/vid2vid

相關地址

相關地址

很赞哦!（62199）