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高效的執行，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高功耗，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高性能、輕量級移動端推理框架TNN。
TNN在設計之初便將移動端高性能融入核心理念，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領域的應用背景，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領先的準確率
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高清和流暢的矛盾
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領域，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領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、結合領域需求的 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
