IT技术精华 http://it.taocms.org/ 聚合国内IT技术精华文章,分享IT技术精华,帮助IT从业人士成长 2022-06-29 IT技术精华 109368 Google 辟谣放弃 TensorFlow,它还活着!

作者 | 苏宓
出品 | CSDN(ID:CSDNnews)

不知道是不是之前“TensorFlow 将死”的谣言传得过盛,Google 于日前紧急发布了一篇标题为《Bringing Machine Learning to every developer’s toolbox》(将机器学习带入每位开发者的工具箱)的公告,广而告之,TensorFlow 没有“死”,而且各种数据表明,其现如今发展地非常好,也是全球 300 万软件开发者最常用的 ML 工具。

与此同时,Google 也没有放弃继续开发 TensorFlow,未来它将与 JAX 同在。


被左右夹击的 TensorFlow


TensorFlow,是 Google 在 2015 年开源的端到端机器学习平台。其一经发布,业内如苹果、Netflix、Stripe、腾讯、Uber、LinkedIn、Twitter、百度、Orange、LVMH 等公司常将它用来优化运营工作,同时也应用在深度神经网络的训练和推理中。

随着时间的迭代,TensorFlow 最强劲的竞争对手 PyTorch 在 2016 年出现了,它带来了比 TensorFlow 更快的原型设计。此外,PyTorch 与 Python 生态系统的集成比 TensorFlow 更为紧密,调试体验也简单得多。

来源:The Gradient

多年间,TensorFlow 与 PyTorch 的竞争可以说已经到了较为焦灼的状态。

然而,当时间来到 2020 年,Google 的一个决策,给本就与 PyTorch 竞争稍显被动局势下的 TensorFlow 浇了一波凉水,其同属于一个母公司 Alphabet 旗下的 DeepMind 对外表示,他们正在使用 JAX 来加速 AI/ML 研究。

根据 JAX 在 GitHub 上的官方介绍显示:

JAX 是由 Google Brain 团队推出的进行高性能机器学习研究的新框架,其前身是 Autograd 和 XLA 的结合体。

通过 Autograd 的更新版本,JAX 可以对 Python 程序与 NumPy 运算执行自动微分,且支持循环、分支、递归、闭包函数求导。另外,JAX 还可以使用 XLA 实现在 GPU 和 TPU 上编译和运行 NumPy 程序。默认情况下,编译按照系统调用被 JIT 编译和执行。但是 JAX 也允许开发者使用一个单一函数的 API jit 将自己的 Python 函数编译为 XLA 优化的内核。

现如今 JAX 发展的势头似乎比此前 TensorFlow 刚推出时更为迅猛。截至目前,其在 GitHub 上已获得了 19k 个 Star。

因此,很难不让众人对 TensorFlow 未来去向担心。

就连图灵奖得主、CNN 之父 Yann LeCun 也曾评价道,“深度学习框架之间的激烈竞争进入了一个新阶段。现在 Google 的 TensorFlow 已经输给了 Meta 的 PyTorch,Google 内部也正在转向 JAX。”

那么,Google 是否真的用后起之秀 JAX 将众人所熟知的 TensorFlow 取而代之?


TensorFlow 依然是开发者最常用的框架


就目前而言,Google 给出了确信以及肯定的答复:不会

在最新的公告中,Google 用诸多的数据来说明 TensorFlow 的当前现状。

正如此前 Stack Overflow 开发者调查的数据结果显示,TensorFlow 是开发者最常用的 ML 工具,被全球 300 万的软件开发者采用,以此增强他们的产品和解决方案。与此同时,TensorFlow 也是不少开发者在未来最想使用的框架,预期在不久的将来,TensorFlow 的用户群体将会达到 400 万。

最想要尝试的框架和库

TensorFlow 现在每月下载超过 1800 万次,并在 GitHub 上积累了 166k 颗个 Star,这个数据在当前所有深度学习框架中也处于领先地位。

Google 称,在其公司内部,TensorFlow 几乎支持所有 AI 研发的工作流程,包括搜索、广告、YouTube、GMail、地图、播放、照片等等。与此同时,每个月,Google Scholar 都会为超过 3,000 篇提及 TensorFlow 或 Keras 的新科学出版物编制索引,其中包括重要的应用科学,如 CANDLE(癌症分布式学习环境框架)对理解癌症的研究。


一种框架不足以走天下


对于为何要研发一种新的框架,Google 也做出解释,「单一的通用框架不可能适用于所有情况——特别是,“现实的生产环境”和“顶端的科学研究”的需求经常发生冲突。

故而,其推出了一个用于分布式数值计算的极简主义 API——JAX,来为下一个时代的科学计算研究提供动力。

简单来看,TensorFlow 和 JAX 的受众各有所倾向性,前者倾向于 ML 开发者群体,后者则主要面向研究人员。

Google 表示,“在这个新的多框架世界中,TensorFlow 是我们对应用 ML 开发人员需求的回应——在任何规模和任何平台上,工程师需要构建和部署可靠、稳定、高性能的 ML 系统。我们的愿景是创建一个有凝聚力的生态系统,研究人员和工程师可以利用协同工作的组件,无论它们起源于哪个框架。我们已经在 JAX 和 TensorFlow 互操作性方面取得了长足的进步,特别是通过 jax2tf。开发 JAX 模型的研究人员将能够通过 TensorFlow 平台的工具将它们投入生产。” 

展望 TensorFlow 的未来,Google 进一步表明了态度,「我们打算继续开发 TensorFlow,作为应用 ML 的一流平台,与 JAX 并肩,推动 ML 的研究范围。我们将继续投资这两个 ML 框架,以推动数百万用户的研究和应用。」


国产深度学习框架冲破“垄断”的机遇


TensorFlow 未曾放弃,PyTorch 依然引领,JAX 奋起直追,深度学习框架领域已然越来越热闹。而放眼国内,也有不少深度学习框架迅速崛起。

截至 2021 年 12 月,百度“飞桨”深度学习平台(即 PaddlePaddle),已经冲破了过去在中国市场上 Google、Facebook(Meta)的垄断局面,成为中国深度学习平台综合市场份额第一。

全球AI开源框架Star数4月、5月榜TOP2,来源:OSS Insight 数据

与此同时,国产 MindSpore、OneFlow、MegEngine、Jittor 等框架也正在渗透各个领域的应用中。

对于这一趋势,一流科技 OneFlow 创始人袁进辉不久前也在朋友圈评价道,“我原本也以为 Google 放弃了 Tensorflow,因为很久没看到显著的更新,不最近看正在引入 dtensor,以及重构 runtime,这说明 TF 并没有被放弃,应该是两条腿走路的策略。最近看到,国内框架进步也很快,聚焦于创新和本土化策略,还是很有机会

不过,根据数据调研显示,TensorFlow 与 PaddlePaddle 的 Star 数差距接近 10:1。同时,TensorFlow 与 PaddlePaddle 的 Commits 数量,中美差距近 3 倍。管从 AI 发展历程上,国外具有一定的先发优势,但开源框架 Star 数和 Commits 数的欠缺仍能反映出中国开源生态中存在的些许问题。

前瞻产业研究院报告指出,中国 AI 的发展更偏向于应用层。对此,CSDN 创始人&董事长、极客帮创投创始合伙人蒋涛表示,“重应用,轻生态”的 AI 开源模式并非长久之计。「目前的开源生态尚且存在问题,甚至形成了一种“各自为政”的局面,这会导致内部消耗,增加用户选择成本,以及技术复用难度,阻碍整个行业的大规模发展。所以,开源生态建设对于中国的发展至关重要。」而这也是“弯道超车”的最佳突破口。

参考链接:

https://blog.tensorflow.org/2022/06/%20bringing-machine-learning-to-every-developers-toolbox.html?m=1

https://github.com/google/jax

— 推荐阅读 —

新程序员001-004》已全面上市

欢迎扫描下方二维码或点击进入立即订阅

即可畅享电子书及精美纸质书。

☞任职 22 年,PowerShell 之父将从微软离职:曾因开发 PowerShell 被微软降级过
我们离成为C++、C#、MySQL之父有多远?
☞微信推出图片大爆炸功能;苹果自研 5G 芯片或已失败;微软解决导致 Edge 停止响应的 bug|极客头条

一键三连 「分享」「点赞」「在看」

成就一亿技术人


立即购买:淘宝网]]>
IT技术精华 2022-06-29 17:06:11
109355 盘点2022架构创新实践—GIAC深圳大会全日程公布

IDC预测,2023年几乎每个企业都将成为日益数字化的全球经济中的“数字原生”。数字化进程,正在迭代各行各业, 连数字化本身也正在被持续迭代。

所有产业革命都是从降本增效开始的。在企业数字化转型过程中,一个重要的议题就是技术如何赋能业务,以及如何开创数字化业务。

我们都知道架构的优劣决定着企业IT的建设和运营成本,架构设计上的漏洞可能会给企业带来巨大的损失。这就要求架构师以及技术管理者们能透彻的理解业务,根据业务问题准确的提炼、抽象、设计解决方案,并最终使之落地。

作为架构师都希望自己能懂产品、懂业务,为企业降本增效贡献力量,可实际上却又要面对一个又一个难以逾越的横沟,这其中包括:

  • 带项目实战经验不足,架构设计能力如何进一步提升?

  • 如何激发团队成员的潜能,打造一支高效协作的团队?

  • 如何重构之前团队留下的烂坑?

  • 项目的技术选型要考虑哪些因素,容易出现哪些问题?

  • 遇技术问题无从下手,缺乏整体分析思维?

  • ……


想解决上述困扰,并快速升级自己的架构实力、管理能力,最好的方式就是与优秀比肩,与业界大咖同步前沿趋势,并真实了解到更多的技术创新及研发实践的架构案例。

推荐大家参与由msup、高可用架构和深圳市软件行业协会联合主办的2022年GIAC全球互联网架构大会深圳站, 组委会携手了100余位行业内资深技术专家与会分享,涉及“Web3”、“湖仓一体”、“架构演进”、“低代码”、“云原生”、“人工智能”24个热门技术领域,希望通过2天、84+落地实践与前沿技术案例,可以为大家带来一场收获之旅。

本届大会日程现已上线,欢迎大家查看全部议题:



大会正在火热报名中,现在点击“阅读原文”,在峰会咨询处填写信息,即可有机会获得单天体验票一张,欢迎大家报名参与。



立即购买:淘宝网]]>
IT技术精华 2022-06-29 13:06:05
109354 BEV下统一的多传感器融合框架 - FUTR3D

本文来源清华大学交叉信息院MARS Lab,由赵行老师指导  

阅读原文,关注作者知乎!


引言

在自动驾驶汽车或者移动机器人上,通常会配备许多种传感器,比如:光学相机、激光雷达、毫米波雷达等。由于不同传感器的数据形式不同,如RGB图像,点云等,不同模态的数据的信息密度和特性也不同,如何能够有效地融合各个模态的数据使得车或机器人能够准备地感知周围的场景是一个非常关键的问题。

下面就由陈炫耀同学来介绍我们的论文:FUTR3D: A Unified Sensor Fusion Framework for 3D Detection[1],网站链接:FUTR3D。 

之前多模态融合的工作主要是为特定的传感器组合设计算法,比如用图像去增强点云(PointPainting,MVP)、用图像检测框去辅助点云检测(Frustum PointNet)等。而在FUTR3D中,我们试着在BEV下构建一个通用的可容纳各种不同传感器的3D目标检测框架。

FUTR3D的主要贡献如下:

  1. 通用框架。FUTR3D是第一个通用的可适应各种不同传感器的端到端的三维目标检测框架。

  2. 有效性。它在Camera, LiDAR, Camera+LiDAR , Camera+Radar等不同的传感器组合情况下都能实现领先效果。

  3. 低成本。FUTR3D在Camera+4线LiDAR的情况下能够超过32线LiDAR的结果,因此能够促进低成本的自动驾驶系统。


  4. FUTR3D方案

FUTR3D主要包括Modality-Specific Feature Extractor, Modality-Agnostic Feature Sampler和Loss。

Modality-Specific Feature Extractor

对于不同的传感器输入数据,我们根据它们各自的模态形式分别用不同的backbone去提取它们的特征。

  • 对于camera images,采用ResNet50/101和FPN来对每张图片提取多尺度的特征图。


  • 对于LiDAR point clouds,用PointPillar或者VoxelNet来提取点云的特征。


  • 对于Radar point clouds,用3层MLP来提取每个Radar point的特征。

Modality-Agnostic Feature Sampler

模态无关的特征采样器,下面简称MAFS,是FUTR3D的detection head与各个模态的特征进行交互的部分。

类似于DETR3D,MAFS含有600个object query,每个query会经过一个全连接网络预测出在BEV下的3D reference points。

对于camera部分,我们依照DETR3D的做法,利用相机的内外参数将reference points投影到image上采集feature,得到  。具体做法可以参看上篇文章,这里就不详细展开。

对于LiDAR部分,我们按照reference points在3D空间中的坐标,投影到LiDAR BEV特征上去采集它在LiDAR feature map上对应位置的feature,得到  。

对于Radar部分,根据每个reference points的位置,选取离它最近的10个Radar points的特征,并聚合在一起得到  。

采集得到各个模态的对应特征之后,将它们concatenate到一起,并经过一个MLP网络投射到一个共同的特征空间中。

之后再利用  以及reference points的位置编码去更新object query的信息。

在FUTR3D中,我们同样有6层decoder layer,在每层decoder layer中,用object query之间的self attention和MAFS去更新object query的信息,并且每个query会去通过MLP网络去预测得到bounding box的参数和reference points的offsets去迭代更新每一层的预测结果。

Loss

在loss部分,我们先利用Hungarian算法来将每个object query预测得到的bbox去和ground-truth box进行二分图匹配,得到最优的matching方案,然后对匹配成功的box计算regression L1 loss和classification focal loss,没有匹配到gt box的predicted box就只计算classification loss。

实验结果

FUTR3D作为一个通用框架,在各个不同传感器的配置下都能取得state-of-the-art的结果,超过针对特定输入组合的算法。特别是在低线LiDAR,如1线、4线等,FUTR3D表现出了很好的鲁棒性,结果远超其他方案。值得一提的是,在Cameras+4线LiDAR的情况下,FUTR3D达到了56.8mAP,超过了32线LiDAR的sota结果56.6mAP(CenterPoint)。

表 Cameras和LiDAR融合的结表 Cameras和Radar融合的结


结果分析
由于FUTR3D的通用性,我们得以分析各个模态在目标检测中不同的特性。
在Cameras+LiDAR融合中,Cameras对体积小和距离远的物体有着显著的帮助作用。
表 对不同距离的物体的模型表现

可视化结果

在各种不同传感器配置组合的融合中,我们发现一些非常有趣的场景,并由其可以对比看出各个不同传感器之间不同的特性。

在Cameras+4 Beam LiDAR和32 Beam LiDAR的对比中,可以看出即使点云稀疏得多的情况下,相机也能极大地帮助检测那些体积小和距离远导致point很少的物体。


图 Cameras+4线LiDAR vs. 32线LiDAR对比

在Cameras+1线LiDAR和Cameras-only的对比中,可以看到即使只有一线LiDAR,也可以通过它提供的距离信息来帮助检测。

图 Cameras+1线LiDAR vs. Cameras-only 对

报告下载

附下载 IHS中国自动驾驶和未来出行服务市场展望报告

附下载  Apollo,中国自动驾驶先驱者

附下载 从芯片到软件,车载计算平台产业链全面拆解

附下载  全球车载计算平台赛道核心玩家全面梳理

附下载 汽车远程升级发展面临关键问题与战略思考


推介活动

直播预告:自动驾驶汽车数据存储应用论坛 


END


立即购买:淘宝网]]>
IT技术精华 2022-06-29 13:06:04
109343 Redis分布式锁故障,我忍不住想爆粗...

文章来源:https://c1n.cn/OZvGN


目录
  • 背景

  • 问题分析

  • 解决方案

  • 总结


背景


企微报警群里连续发出生产环境报错警告,报错核心信息如下:
redis setNX error java.lang.NumberFormatExceptionFor input string: "null"
  at java.lang.NumberFormatException.forInputString(NumberFormatException.java:65)
  at java.lang.Long.parseLong(Long.java:589)
  at java.lang.Long.parseLong(Long.java:631)
......


经异常信息定位,发现是项目中自定义的 Redis 分布式锁报错,并且该异常是在最近需求上线后突然出现,并且伴随该异常出现的,还有需求涉及的业务数据出现部分错乱的问题。


问题分析


老规矩,先贴涉及代码:
//切面
public class RedisLockAspect{
  public void around(ProceedingJoinPoint pjp{
    String key = "...";
    try {
      //阻塞,直到获取锁为止
      while (!JedisUtil.lock(key, timeOut)) {
        Thread.sleep(10);
      }
      //执行业务逻辑
      pjp.proceed();
    }finally {
      JedisUtil.unLock(key);
    }
  }
}


以上为自定义 Redis 分布式锁的切面,不看细节,只看整体逻辑,问题不大。


那再看实际加锁方法:
public class JedisUtil{
  public static boolean lock(String key, long timeOut){
        long currentTimeMillis = System.currentTimeMillis();
        long newExpireTime = currentTimeMillis + timeOut;
        RedisConnection connection = null;
        try {
            connection = getRedisTemplate().getConnectionFactory().getConnection();
            Boolean setNxResult = connection.setNX(key.getBytes(StandardCharsets.UTF_8), String.valueOf(newExpireTime).getBytes(StandardCharsets.UTF_8));
          //位置1
            if(setNxResult){
                expire(key,timeOut, TimeUnit.MILLISECONDS);
                return true;
            }
          //位置2
            Object objVal = getRedisTemplate().opsForValue().get(key);
            String currentValue  = String.valueOf(objVal);
          //位置3,异常位置为if判断中Long.parseLong(currentValue),currentValue为null的字符串
            if (currentValue != null && Long.parseLong(currentValue) < currentTimeMillis)  {
                String oldExpireTime = (String) getAndSet(key, String.valueOf(newExpireTime));
                if (oldExpireTime != null && oldExpireTime.equals(currentValue)) {
                    return true;
                }
            }
        }
        return false;
    }

  public static void unLock(String key){
    getRedisTemplate().delete(key);
  }
}


有经验的大佬看到这段代码,估计会忍不住爆粗,但咱先不管,先看错误位置。


异常信息可以看出,currentValue 的值为字符串“null”,即 String.valueOf(objVal) 中的 objVal 对象为 null,也就是在 Redis 中,key 对应的 value 不存在。


此时思考一下,key 对应的 value 不存在,无非以下两种情况:

  • key 被主动删除

  • key 过期了


继续跟着代码往上走,发现前面执行了 setNx 命令,并且返回 setNxResult 表示是否成功。


正常来说,当 setNxResult 为 false 的时候,加锁失败,此时代码时不应该往下走的,但在本段代码中,却继续往下走!


问了下相关同事,说是为了做可重入锁......(弱弱吐槽下,可重入锁也不是这样干的啊...)


其实分析到这,已经可以知道是什么原因导致的异常故障了,即上面说的,key 被主动删除、key 过期导致。


下面假设有两个线程,对同一个 key 加锁,分别对应以上两种情况:


①key 被主动删除的情况,发生于分布式锁加锁逻辑执行完后,调用 unlock 方法,见以上 RedisLockAspect 类中 finally 部分,如下图:

②key 过期的情况,主要在线程加锁并设置过期时间后,执行业务代码耗费的时间超过设置的锁过期时间,并且在锁过期前,未对锁进行续期:

解决方案


从上面的代码看来,这已经不是简单的 Long.parseLong("null") 问题了,这是整个 Redis 分布式锁实现的问题。


并且该分布式锁在整个项目中大量使用,可想而知其实问题非常严重,如果只是解决 Long.parseLong("null") 的问题,无疑就是隔靴挠痒,没有任何意义的。


一般情况下,自定义 Redis 分布式锁容易出现以下几大问题:

  • setNx 锁释放问题

  • setNx Expire 原子性问题

  • 锁过期问题

  • 多线程释放锁问题

  • 可重入问题

  • 大量失败时自旋锁问题

  • 主从架构下锁数据同步问题


结合以上故障代码,可以发现项目中的 Redis 分布式锁实现几乎未对 Redis 分布式锁问题进行考虑。


以下为主要问题以及对应解决方案:

  • setNx 和 expire 原子操作:使用 Lua 脚本,在一次 Lua 脚本命令中,执行 setNx  与 expire 命令,保证原子性。

  • 锁过期问题:为防止锁自动过期,可在锁过期前,定时对锁过期时间进行续期。

  • 可重入问题:可重入设计粒度需到线程级别,可在锁上加上线程唯一 id。

  • 锁自旋问题:参考 JDK 中 AQS 设计,实现获取锁时最大等待时长。


对于项目中的问题以及每个问题的解决方案实现,baidu 一下就有大量参考,此处不再介绍。


目前比较成熟的综合解决方案为使用 Redisson 客户端,以下为简单伪代码 demo:
public class RedisLockAspect{
  @Autowired
  private Redisson redisson;

  public void around(ProceedingJoinPoint pjp{
    String key = "...";
    Long waitTime = 3000L;
    //获取锁
    RLock lock = redisson.getLock(key);
    boolean lockSuccess = false;
    try {
      //加锁设置超时时间,防止无限自旋。默认启用看门狗功能(自动对锁进行续期)
      lockSuccess = lock.tryLock(waitTime);
      //执行业务逻辑
      pjp.proceed();
    }finally {
      //解锁,防止释放其他线程锁
      if (lock.isLocked() && lock.isHeldByCurrentThread() && lockSuccess){
          lock.unlock();
      }
    }
  }
}


使用 Redisson 可以快速解决目前项目中 Redis 分布式锁存在的问题。除此之外,对于 Redis 主从架构下数据同步导致的锁问题,对应的解决方案 RedLock,也提供了相应的实现。


更多使用文档详见官方文档:
https://github.com/liulongbiao/redisson-doc-cn


总结


对于分布式锁来说,可实现方案其实远远不止 Redis 这个实现途径,比如基于 Zookeeper、基于 Etcd 等方案。


但其实对于目的来说,都是殊途同归,重点在于,如何安全、正确的使用这些方案,保证业务正常。


对于研发团队来说,针对类似的问题,需要对技术小伙伴进行培训,不断提升技术,更需要重视 codereview 工作,及时识别风险,避免发生故障造成严重损失(本次故障造成脏数据修复耗时一个多星期)。


敬畏技术,忠于业务。

-------------  END  -------------

扫码免费获取600+页石杉老师原创精品文章汇总PDF

原创技术文章汇总

点个在看你最好看


立即购买:淘宝网]]>
IT技术精华 2022-06-29 09:06:05
109342 微信推出图片大爆炸功能;苹果自研 5G 芯片或已失败;微软解决导致 Edge 停止响应的 bug|极客头条

「极客头条」—— 技术人员的新闻圈!

CSDN 的读者朋友们早上好哇,「极客头条」来啦,快来看今天都有哪些值得我们技术人关注的重要新闻吧。


整理 | 梦依丹
出品 | CSDN(ID:CSDNnews)

一分钟速览新闻点!


  • 功能增强,微信推出图片大爆炸功能

  • 腾讯QQ现奇怪Bug,输入密码123456789可登录

  • 网易云音乐内测 MUS App,试水音乐社交

  • 传字节跳动将前小米 VR 负责人招入麾下

  • HTC 宣布推出首款元宇宙手机  

  • 苹果自研 5G 芯片或已失败:下一代 iPhone 用高通

  • 特斯拉大规模裁员:200 名自动驾驶部门员工被开

  • 立陶宛网络遭大规模 DDoS 攻击

  • Plus时隔5年回归,苹果或将推出iPhone14 Plus

  • 微软解决导致 Edge 停止响应的 bug

  • AMD 公开 FidelityFX Super Resolution 2.0 源代码


国内要闻

功能增强,微信推出图片大爆炸功能

据微信派消息,在微信最新版本,“快速提取文字”功能更新了。用户直接摁住图片,选择“提取文字”,就可以将图片中包含的文字信息全部提出来。紧接着,用户可以开始各种各样的下一步的操作,比如,直接进行复制、转发、收藏、搜索等;文字网址 、快递单号、手机号、地址、邮箱更是提供了快捷入口,一键打通。此外,对于那些用户想了解的词语:可在在操作区增加搜一搜入口。

腾讯QQ现奇怪Bug,输入密码123456789可登录

昨日有大量网友反馈,自己的QQ账号退出之后,显示的密码是“123456789”。不仅如此,在登录界面,只要输入“123456789”就可以登录进去。有网友表示,这个在登已经保存在QQ里的号的时候,去点“显示密码”才会显示123456789,并且成功登录,但如果把123456789删掉,再去输一遍123456789的时候就登不上了,而且如果这个号只是没有在本设备上登录过的话,123456789的密码也是没用的。(搜狐)

网易云音乐内测 MUS App,试水音乐社交

网音云音乐于近期测试了一款名为“MUS”的新产品,根据 App Store 中的产品介绍可知,这是网易云音乐推出的首款基于音乐的社交 App,“MUS”取自“Music with us”的缩写,其 Slogan 为“音乐连接你我”,产品仍处于内测阶段,需要邀请码注册才能使用。MUS 的社交玩法是,通过音乐认识性格和兴趣相契合的好友,具体则是基于系统对用户听歌数据的解析,再通过匹配机制为用户匹配到同频共振的人。匹配成功后,还可以查看与同频朋友的详细共同点。此外,MUS 还会通过音乐解析用户的“性格”,总体看来,MUS 的社交匹配机制有点类似于 Soul。(Tech星球)

传字节跳动将前小米 VR 负责人招入麾下

近期有消息称,前小米VR负责人、虚拟形象社交娱乐应用“Vyou微你”创始人马杰思已入职字节跳动,并负责Pico社交业务,而其实控的北京波粒子科技有限公司亦被字节跳动收购。对此传闻,字节跳动方面暂时未有回应。但字节跳动内部人士证实了该消息,并称马杰思目前向Pico负责人周宏伟汇报。(中证报)

HTC 宣布推出首款元宇宙手机  

6月28日,两年没有出新机的HTC发布了旗下首部元宇宙手机 Desire 22 Pro。该机主打的是Viverse与元宇宙相关的功能,内置了元宇宙入口的Viverse App、建立虚拟分身的Vive Avatar与管理虚拟资产的Vive Wallet 等,并且推荐配合自家的Vive Flow眼镜一同使用。据悉,这款机型提供波光金和星夜黑两款配色,售价约 2709 元人民币。(新浪科技)


国际要闻

苹果自研 5G 芯片或已失败:下一代 iPhone 用高通

苹果正在加强自研CPU,而基带也是其中一环,不过它的进程要比预想的难了不少,毕竟有了芯片后,他们还要跟全球不同的运营商一起测试,工程量特别的大。在过去几年中,苹果一直在研发5G modem芯片,最终目标是让iPhone搭载苹果自研5G芯片,取代高通5G芯片。不过,今天知名苹果分析师郭明錤表示,苹果5G芯片研发可能已经失败,这意味着2023年的iPhone依然会使用高通芯片。高通将获得100%订单。(快科技)

特斯拉大规模裁员:200 名自动驾驶部门员工被开

近日有知情人士称,特斯拉公司关闭了加州一处设施,并裁掉了大约200名自动辅助驾驶系统 (Autopilot) 团队的员工。这是已知的科技行业广泛裁员行动中规模较大的一次。据悉,特斯拉CEO马斯克前不久刚在卡塔尔经济论坛上发表公开讲话,他表示美国经济衰退在某些时候是不可避免的。因此,特斯拉决定在未来三个月内将全薪员工减少10%,因为美国员工普遍不接受加班。但希望能增加一些时薪临时工,这样或许能提高汽车产能,同时也降低员工成本支出。(凤凰科技)

立陶宛网络遭大规模 DDoS 攻击

立陶宛网络周一遭大规模 DDoS 攻击,亲俄罗斯的黑客组织 Killnet 宣称对此负责,声称是报复立陶宛禁止俄罗斯向其飞地加里宁格勒运送欧盟禁止的货物。立陶宛国家网络安全中心代理主任 Jonas Skardinskas 在一份声明中表示,DDoS 攻击可能会持续数天,主要针对通信、能源和金融部门。加里宁格勒位于立陶宛和波兰之间,通过立陶宛的铁路连接俄罗斯。安全公司 Flashpoint 表示,Killnet 将周一发动的大规模攻击计划命名为“审判日”。此次 DDoS 攻击的细节尚不清楚。(Solidot)

Plus时隔5年回归,苹果或将推出iPhone14 Plus

近日,一位接近供应链的爆料人Lanzuk给出消息称,今年iPhone阵容中更有可能出现的是iPhone 14 Plus。自5年前的iPhone 8 Plus之后,苹果就没在iPhone上再使用“Plus”一词了。配置方面,iPhone 14 Plus将继续采用A15处理器和60Hz刷新率LTPS刘海屏,背部双摄,128GB容量的起步价预计是6799元。(新浪财经)


程序员专区

微软解决导致 Edge 停止响应的 bug

微软解决了导致运行在 IE 模式下的 MS Edge 浏览器停止响应的 bug。该问题影响安装了可选累计更新 KB5014019、KB5014023 和 KB5014021 的 Windows 11 (version 21H2)、Windows 10 (versions 20H2、221H1 和 21H2 以及 Windows Server 2022,在安装上述更新之后, 当一个网站展示模态对话框后 Microsoft Edge 的 IE 模式标签页将停止响应。微软解释说,所谓的模态对话框是指一种表格或对话框,要求用户在与网站继续互动前做出回应。微软通过已知问题回滚(Known Issue Rollback)修复了该问题。(Solidot)

AMD 公开 FidelityFX Super Resolution 2.0 源代码

AMD 在今年三月宣布了 FidelityFX Super Resolution 2.0(FSR 2.0)。FSR 不同于英伟达的 Deep Learning Super Sampling (DLSS),没有使用 AI 训练模型,而是采用传统图像处理算法,其优点是容易整合到游戏中,支持旧显卡,甚至包括竞争对手的旧显卡。DLSS 需要英伟达显卡上的专门硬件重构图像,它甚至能重建出比原生画质更高的像素数。FSR 依赖和受制于游戏的基本像素,难以真正挑战 DLSS。上周  FSR 2.0 的源代码已公布在 GitHub 上,采用 MIT 许可证。上周末 Mod 开发者发布了《赛博朋克 2077》的 FSR 2.0 版本,使用英伟达旧显卡的用户可用它取代 DLSS。(Solidot)


观点互碰

— 推荐阅读 —
☞任职 22 年,PowerShell 之父将从微软离职:曾因开发 PowerShell 被微软降级过
☞当技术人成长为 CEO,应该修改哪些“Bug”?
☞“AI x 科学计算”进行时,华为昇思 MindSpore 赛题火热开启,等你来!


立即购买:淘宝网]]>
IT技术精华 2022-06-29 09:06:03
109329 [原]微秒级 TCP 时间戳 作者:dog250 发表于 2022/06/29 02:15:00 原文链接 [sourcelinkurl]
阅读:10

立即购买:淘宝网]]>
IT技术精华 2022-06-29 04:06:01