原文【Open Source Guides——Building Welcoming Communities】 建立成功的项目 你们已经启动了你们的项目，你们正在传播它，同时有人正在查看它。真棒！现在，你如何让他们坚持下去。 一个受欢迎的社区是对你们项目的未来和声誉的投资。如果你的项目才开始收到第一次

导读：6月22日，腾讯“云+未来”峰会进入到各专场的环节。来自腾讯技术工程事业群（TEG）的领导及员工作为演讲嘉宾参加了政企、AI大数据、开发者3个专场，并向行业合作伙伴介绍了TEG在该领域的沉淀和探索。TEG数据平台部负责人蒋杰为AI大数据专场致辞，来自TEG数据平台部的智能学习组及海量计算组组长

感谢阅读腾讯AI Lab微信号第二篇文章，我们将深度解析本届CVPR热门研究。第一部分是五大前沿领域的重点文章解析，包括低中层视觉、图像描述生成、3D视觉、计算机视觉与机器学习、弱监督下的图像识别等。第二部分是CVPR及我们计算机视觉团队简介等。接下来的两篇文章中，我们将对顶级会议ACL和ICML做

​ 感谢阅读腾讯AI Lab微信号第五篇文章，我们将深度解析机器学习领域顶会ICML的热门研究。第一部分解析了五大热门研究领域的重点文章，包括强化学习、随机优化、连续（非）凸优化、分布式机器学习及递归神经网络等。第二部分简介本届ICML，第三部分为腾讯AI Lab机器学习团队的首次公开亮相。 腾讯A

倪辉，喜爱C/C++，腾讯优图实验室基础研究组高级研究员，负责图像和人脸相关的技术研究和软件开发，非常热爱开源社区，系腾讯社交网络事业群首个AI开源项目ncnn负责人。 ​ ncnn （GitHub地址：https://github.com/Tencent/ncnn ） 是一个为手机端极致优化的高性

嘉宾：黄明 编辑：Natalie 转载自：AI前线 摘要 ​ 2017年6月，腾讯正式开源面向机器学习的第三代高性能计算平台 Angel，在GitHub上备受关注；2017年10月19日，腾讯T4专家Andymhuang（黄明）将为QCon上海的听众奉上一场Spark on Angel的精彩分享。作

作者简介： derickwang(王玉伟)，2014年硕士毕业于华中科技大学，主要研究和实践方向是数据中心FPGA异构计算，项目在深度学习、高性能网络以及大数据加速等方向成功落地。现为架构平台部基础研发组成员，为向互联网数据中心提供优秀基础架构而不懈努力。 导语 基于FPGA的通用CNN加速设计，可

作者：曹建峰 腾讯研究院法律研究中心高级研究员 祝林华 腾讯研究院法律研究中心助理研究员 ​ 一、 AI公共政策成AI领域全球热点 ​ AI研究开发和行业应用的热度仍在持续，在此背景下，AI公共政策成为了全球公私部门关注的热点。比如，2017年10月，石油大国阿联酋将人工智能确立为国家战略，同时高调

AI热点事件 ​ 1.西部眼科联盟携手腾讯觅影 69家医疗机构首启AI眼底筛查 西部眼科联盟（由西安市第四医院为核心的西部地区69家医疗单位组成）10月31日在2017年“互联网+”数字经济中国行·陕西峰会携手腾讯公司成立人工智能医学影像联合实验室，共同启动眼底筛查临床预试验。此次西部眼科联盟联手腾

作者：kevinxiaoyu，高级研究员，隶属腾讯TEG-架构平台部，主要研究方向为深度学习异构计算与硬件加速、FPGA云、高速视觉感知等方向的构架设计和优化。“深度学习的异构加速技术”系列共有三篇文章，主要在技术层面，对学术界和工业界异构加速的构架演进进行分析。 一、概述：通用=低效 作为通用处理

作者简介：kevinxiaoyu，高级研究员，隶属腾讯TEG-架构平台部，主要研究方向为深度学习异构计算与硬件加速、FPGA云、高速视觉感知等方向的构架设计和优化。“深度学习的异构加速技术”系列共有三篇文章，主要在技术层面，对学术界和工业界异构加速的构架演进进行分析。 在前面的论述中，主要在解决带宽

感谢阅读腾讯AI Lab微信号第10篇文章。本文介绍了我们在图像描述生成与TTS等技术跨界的前沿研究进展，并邀请大家测试一个趣味Demo。我们还会分享在多媒体内容AI应用上一点思考。 2017年8月，在图像描述生成技术这一计算机视觉与NLP交叉研究领域，腾讯AI Lab凭借自主研发的强化学习算法在微

​ ​ ​ 演讲摘要 Gershon Dublon & Nan Zhao：用传感器网络感知世界 都说好事成三，互联网也有三种 ，感知互联网、人类互联网和物联网。感知互联网是所有传感器互联网，包含上十亿传感器中的数据、遍及家用商用的各种设备。我们都熟悉人类互联网，腾讯是典型的代表。物联网这个术语也被多

​ 将深度卷积神经网络（Convolutional Neural Networks, 简称CNNs）用于图像识别在研究领域吸引着越来越多目光。由于卷积神经网络结构非常适合模型并行的训练，因此以模型并行+数据并行的方式来加速Deep CNNs训练，可预期取得较大收获。Deep CNNs的单机多GPU模

​ 深度神经网络（Deep Neural Networks, 简称DNN）是近年来机器学习领域中的研究热点，产生了广泛的应用。DNN具有深层结构、数千万参数需要学习，导致训练非常耗时。GPU有强大的计算能力，适合于加速深度神经网络训练。DNN的单机多GPU数据并行框架是腾讯深度学习平台的一部分，腾讯