设为首页收藏本站

LUPA开源社区

 找回密码
 注册
文章 帖子 博客
LUPA开源社区 首页 开源热点 查看内容

LUPA开源周刊:微软新品剽窃开源项目?

2020-5-30 21:37| 发布者: joejoe0332| 查看: 19783| 评论: 0|原作者: LUPA开源社区|来自: LUPA开源社区

摘要: 微软发布新品被指剽窃:交涉无果,两年开源项目被迫终结  一名开发者用两年的业余时间开发并维护了一个开源项目 AppGet,项目取得了比较大的成功,并引起了微软的注意。不幸的是,微软在上周的 Build 2020 大会上 ...

  今日,深度操作系统官方宣布,百度网盘正式上线。百度网盘为百度旗下的一款云存储产品,用户可以轻松将自己的文件上传到网盘上,并可跨终端随时随地查看和分享。目前,百度网盘已经上线Deepin应用商店,用户可以下载使用。


  从官方公布的截图来看,深度版百度网盘同样需要超级会员,才能享受云解压等特权。有网友在评论中问道:“Linux版的下载速度能到几兆的,不用会员?”去年年底, 2019年度最受欢迎中国开源软件在2019中国开源峰会上正式揭晓。

  其中,deepin深度操作系统获票14610,成为基础软件类排名第一。方舟编译器以5767票排名七。值得一提的是,深度操作系统是所有类别项目中得票数最高的,也是国内唯一上榜的操作系统产品。

  深度操作系统基于Linux打造,桌面环境主要由桌面、启动器、任务栏、控制中心、窗口管理器等组成,系统中预装了 WPS Office、搜狗输入法、有道词典、网易云音乐以及近30款深度原生应用。

  今年4月份,深度的Deepin v20操作系统正式发布,带来了全新的Deepin桌面及全家桶软件,Linux 5.3内核,永久免费使用。对于大多数用户来说,既能在深度操作系统上体验到丰富多彩的娱乐生活,也可以很好的代替Windows系统满足日常工作需求。

  据官方介绍,深度操作系统支持全球30多种语言,累计下载量已达8000万次, 进入全球关注度排行榜前10名,镜像站点遍及6大洲33个国家,共105个。

  Android Studio 4.0 已经发布。此版本亮点包括新的 Motion 编辑器;构建分析器,可用于分析构建速度较慢的原因。同时对 CPU Profiler 用户界面进行了大修,提供更加直观的工作流和简单的线程并行分析。另一方面是改进了 Layout Inspector,现在可以提供应用 UI 的实时数据,调试设备内容更加准确。


  MotionLayout API 扩展了ConstraintLayout丰富的功能,可以帮助 Android 开发管理应用的复杂运动和 widget 动画,在 Android Studio 4.0 中,新的 Motion 编辑器使这一 API 的使用变得更加容易,该编辑器是用于创建、编辑和预览MotionLayout动画的强大界面。

  开发者不再需要创建和修改复杂的 XML 文件,Motion 编辑器会生成,同时还支持编辑约束集、过渡、关键帧和视图属性。并且,此前已经使用了ConstraintLayout的项目,IDE 可以轻松地将其转换为MotionLayout。

  此版本改进了 Layout Inspector,通过访问正在运行的应用中保持最新状态的数据并提供解决资源问题的思路,开发者可以更直观地调试 UI。如果部署到运行 API 29 或更高版本的设备,还可以访问其它功能,例如随着视图的更改而更新的动态布局层次结构、详细的视图属性,以及实时正在运行应用的用户界面的 3D 模型等。

  当开发多种屏幕尺寸和分辨率的应用时,需要验证对 UI 所做的更改在所支持的每个屏幕上都适配。使用“布局验证”窗口,可以同时在不同的屏幕和配置上预览布局。

  前几天有人发布了一个可以在 iOS 设备上直接训练神经网络的开源项目 MNIST-CoreML-Training,引起热议。项目使用 MNIST 手写数字数据集部署图像分类模型,不需要在其他 ML 框架中训练,而是基于 Core ML 直接本地训练出一个卷积神经网络(LeNet CNN) 模型。

  项目作者还将之和其他设备模型做了对比。在模型架构和训练参数相同的情况下,同时在 iphone 11上运行 Core ML 和在 i7 MacBook Pro 上运行 TensorFlow 2.0,两种方式的准确率都超过了0.98,前者训练时间大概为248秒,后者为158秒。

  虽然用时上还有一定差距。但该项目和实验被认为证明了 ios 设备计算性能的提升,也探索了移动设备在本地训练的可能性。目前移动设备本地训练还难以完美实现,但想要在移动端部署 AI 应用还是有很多途径的,今天就来看看移动端的 AI 开发。

  在移动端实现卷积神经网络,一般可以先在 GPU 或 TPU 上训练模型,之后再压缩部署到移动端。早前,有人基于开源的计算机视觉库 OpenCV 和开源训练模型 Caffe,在 Android 端实现车牌识别。Caffe 便是在 GPU 机器上训练,然后部署到商品集群或移动设备,在 CPU 和 GPU 之间切换,Caffe 模型还曾被用来在 Android 上做性别识别卷积神经训练。

  当然,也已经有项目基于移动设备内置的一些 ML 框架,省去了在 GPU 和 TPU 上提前训练模型的步骤,直接在移动端部署。如 ios 内置的 Core ML,主要解决训练模型部署在移动端的问题,是一个模型转换工具,开头提到的 MNIST-CoreML-Training 就是基于它实现的。


酷毙

雷人

鲜花

鸡蛋

漂亮
  • 快毕业了,没工作经验,
    找份工作好难啊?
    赶紧去人才芯片公司磨练吧!!

最新评论

关于LUPA|人才芯片工程|人才招聘|LUPA认证|LUPA教育|LUPA开源社区 ( 浙B2-20090187 浙公网安备 33010602006705号   

返回顶部