6月10日，騰訊優圖實驗室宣布正式開源新一代移動端深度學習推理框架TNN，通過底層技術優化實現在多個不同平臺的輕量部署落地，性能優異、簡單易用。騰訊方面稱，基于TNN，開發者能夠輕松將深度學習算法移植到手機端G效的執行，開發出人工智能 App，真正將 AI 帶到指尖。
GitHub鏈接：
https://github.com/Tencent/TNN
輕量級部署，TNN助力深度學習提速增效
深度學習對算力的巨大需求一直制約著其更廣泛的落地，尤其是在移動端，由于手機處理器性能弱、算力無法多機拓展、運算耗時長等因素常常導致發熱和G功耗，直接影響到App等應用的用戶體驗。騰訊優圖基于自身在深度學習方面的技術積累，并借鑒業內主流框架優點，推出了針對手機端的G性能、輕量級移動端推理框架TNN。
TNN在設計之初便將移動端G性能融入核心理念，對2017年開源的ncnn框架進行了重構升級。通過GPU深度調優、ARM SIMD深入匯編指令調優、低精度計算等技術手段，在性能上取得了進一步提升。以下是MNN, ncnn, TNN框架在多款主流平臺的實測性能：
新加坡國立大學NExT中心的王翔博士分析了知識圖譜在個性化推薦L域的應用背景，并詳細介紹了課題組在個性化推薦中的相關研究技術和進展，包括基于路徑、基于表征學習、基于圖神經網絡等知識圖譜在推薦系統中的融合技術
根據各種指法的具體特點,對時頻網格圖、時域網格圖、頻域網格圖劃分出若干個不同的計算區域,并以每個計算區域的均值與標準差作為指法自動識別的特征使用，用于基于機器學習方法的指法自動識別
Tube Feature Aggregation Network（TFAN）新方法，即利用時序信息來輔助當前幀的遮擋行人檢測，目前該方法已在 Caltech 和 NightOwls 兩個數據集取得了業界L先的準確率
姚霆指出，當前的多模態技術還是屬于狹隘的單任務學習，整個訓練和測試的過程都是在封閉和靜態的環境下進行，這就和真實世界中開放動態的應用場景存在一定的差異性
優酷智能檔突破“傳統自適應碼率算法”的局限，解決視頻觀看體驗中G清和流暢的矛盾
通過使用仿真和量化指標，使基準測試能夠通用于許多操作L域，但又足夠具體，能夠提供系統的有關信息
基于內容圖譜結構化特征與索引更新平臺，在結構化方面打破傳統的數倉建模方式，以知識化、業務化、服務化為視角進行數據平臺化建設，來沉淀內容、行為、關系圖譜，目前在優酷搜索、票票、大麥等場景開始進行應用
NVIDIA解決方案架構師王閃閃講解了BERT模型原理及其成就，NVIDIA開發的Megatron-BERT
自然語言處理技術的應用和研究L域發生了許多有意義的標志性事件，技術進展方面主要體現在預訓練語言模型、跨語言 NLP/無監督機器翻譯、知識圖譜發展 + 對話技術融合、智能人機交互、平臺廠商整合AI產品線
下一個十年，智能人機交互、多模態融合、結合L域需求的 NLP 解決方案建設、知識圖譜結合落地場景等將會有突破性變化
中國移動聯合產業合作伙伴發布《室內定位白皮書》，對室內定位產業發展現狀及面臨的挑戰，深入分析了垂直行業的室內定位需求，并詳細闡述了實現室內定位的技術原理， 及室內定位評測體系
機器人、無人機、自動駕駛汽車等加快落地，智慧城市深入建設，更是為傳感器產業帶來了難以估量的龐大機遇
