數據中心最新文章 重量級廠商Ampere加入綠色計算產業聯盟（GCC） 致力于面向未來大規模云計算開發 Arm® 參考設計平臺的領先企業Ampere?今日宣布正式加盟綠色計算產業聯盟，其董事長兼首席執行官蕾妮·詹姆士女士也將擔任該聯盟副理事長。通過這一舉措，Ampere將與其生態體系中的合作伙伴一道，全力推動綠色計算和Arm®服務器生態環境的建設。蕾妮·詹姆士女士于2018 年 4 月 11 日在 GCC 深圳峰會上做了主題演講，分享了她對于未來綠色計算的深入見解，闡述了產業深入合作制定開放式標準的必要性。此外，蕾妮·詹姆士女士還為與會觀眾介紹了Ampere 圍繞其 eMAG?參考平臺打造的開發者項目的概況。 發表于：4/12/2018 印度政府建立生物辨識居民身份認證系統，隱私和便利的兩難之爭 印度政府將為 13 億居民建立全面的身份認證體系，涉及指紋、虹膜和臉部資訊，居民資訊將與多種社會服務體系綁定，甚至還有智能手機等電子產品。 發表于：4/10/2018 趙偉國從紫光股份辭職 紫光股份4月8日晚間公告，公司董事長趙偉國因工作繁忙申請辭去公司董事、董事長職務，并不在公司任職。 發表于：4/9/2018 羅德與施瓦茨將參加NAB 2018的IP秀場：展示SMPTE 2110的實際應用場景 羅德與施瓦茨公司將會在NAB 2018的IP秀場中展出三種設備。在VSF的主持下，打算過渡到IP的設備廠商和廣播商可以對其遵循SMPTE2110和AMWA NMOS規格的設備在實際應用場景下進行互通性測試。 發表于：4/4/2018 華大九天榮獲“年度本土EDA技術突破”獎項 由AspenCore旗下《電子工程專輯》、《電子技術設計》和《國際電子商情》聯合舉辦的“2018年度中國IC設計成就獎”于2018年3月30日在上海揭曉。 發表于：3/31/2018 華北電力輔助服務市場將啟 保障華北電網安全 華北能監局日前編制起草了《華北電力輔助服務市場建設方案(征求意見稿)》，并下發給華北區域各電網、發電企業征求意見。據了解，待該《方案》按照反饋意見修訂下發后，華北地區電力輔助服務市場化程度將顯著提高。 發表于：3/29/2018 活在實驗室還是實現霸權？揭開當前量子計算技術進展之謎 隨著谷歌要在今年實現「量子霸權」等新聞的出現，社交網絡上最近出現了一個熱門的話題：當前的量子計算技術前沿是什么水平？量子計算和人工智能一樣，是目前人類科技發展的重要方向。在摩爾定律逐漸失效的今天，科技巨頭和創業公司無不想使量子計算成為主流，但成功與否依然未知。本文作者探訪了數位一線研究人員，試圖為你揭開當前人類量子技術水平的謎團。 發表于：3/28/2018 Nvidia黃仁勛發布了全球最大GPU 北京時間3月28日凌晨00:00，英偉達GTC 2018（GPU Technology Conference 2018，以下簡稱GTC）在美國圣何塞舉行。英偉達再一次在提升計算力的路上越走越遠。GPU產品依然是主旋律，Tesla V100系列、DGX系列和Quadro GPU系列都進行了更新。 發表于：3/28/2018 高通新董事“拷問”公司未來的發展戰略 據路透社北京時間3月24日報道，當地時間星期五，雖然沒有得到股東全力支持，高通現有的10名董事仍然在董事會選舉中涉險過關。 發表于：3/27/2018 深圳出臺扶持政策，區塊鏈項目最高可補貼200萬元 3月21日，深圳市經濟貿易和信息化委員會發布文件《市經貿信息委關于組織實施深圳市戰略性新興產業新一代信息技術信息安全專項2018年第二批扶持計劃的通知》，通知中說，為貫徹落實市政府戰略性新興產業政策，現決定組織實施深圳市戰略性新興產業新一代信息技術信息安全專項2018年扶持計劃。 發表于：3/23/2018 你對數據分析是不是有什么誤解？來看看這六個問題 數據對于現代企業的重要程度不言而喻，擁有卓越的數據分析能力可在市場上擁有更大的競爭優勢。然而企業用戶和一些決策者對于數據分析仍然有一些誤解和偏見。 發表于：3/22/2018 角逐數據中心，賽靈思新CEO亮出殺手锏 3月16日，Victor Peng來到北京，首次以CEO的身份向中國媒體描繪了賽靈思的新愿景與戰略藍圖，并送上一份見面禮，又一次給大家帶來震撼！ 發表于：3/21/2018 賽普拉斯推出全新Excelon?F-RAM?高速、高可靠性的非易失性存儲器系列 賽普拉斯推出全新Excelon?F-RAM?高速、高可靠性的非易失性存儲器系列 發表于：3/20/2018 學界 | 新型循環神經網絡IndRNN：可構建更長更深的RNN（附GitHub實現） 近日，澳大利亞伍倫貢大學聯合電子科技大學提出一種新型的循環神經網絡 IndRNN，不僅可以解決傳統 RNN 所存在的梯度消失和梯度爆炸問題，還學習長期依賴關系；此外，借助 relu 等非飽和激活函數，訓練之后 IndRNN 會變得非常魯棒，并且通過堆疊多層 IndRNN 還可以構建比現有 RNN 更深的網絡。實驗結果表明，與傳統的 RNN 和 LSTM 相比，使用 IndRNN 可以在各種任務中取得更好的結果。同時本文還給出了 IndRNN 的 TensorFlow 實現，詳見文中 GitHub 鏈接。 發表于：3/20/2018 觀點 | 為什么深度學習仍未取代傳統的計算機視覺技術？ 本文作者認為，深度學習只是一種計算機視覺工具，而不是包治百病的良藥，不要因為流行就一味地使用它。傳統的計算機視覺技術仍然可以大顯身手，了解它們可以為你省去很多的時間和煩惱；并且掌握傳統計算機視覺確實可以讓你在深度學習方面做得更好。這是因為你可以更好地理解深度學習的內部狀況，并可執行預處理步驟改善深度學習結果。 發表于：3/20/2018 ?…128129130131132133134135136137…?
