机器学习框架比较
翻译自外文网站，比较结果如下：
比较对象:Caffe,Caffe2,Deeplearning4j,Dlib,Gensim,Keras,MatConvNet,Microsoft Cognitive Toolkit,MXNet,Neural Designer,OpenNN,Paddle,Pytorch.
通过阿里云容器服务深度学习解决方案上手Caffe+多GPU训练
阿里云容器服务提供的深度学习解决方案内置了对Tensorflow, Keras, MXnet框架的环境，并支持基于它们的深度学习模型开发、模型训练和模型预测。同时，对于模型训练和预测，用户还可以通过指定自定义容器镜像的方式，使用其他深度学习框架。
FashionBERT 电商领域多模态研究：如何做图文拟合？
目前学术界关于多模态的研究重点在通用领域，针对电商领域的研究相对较少。在多模态数据匹配上，使用 ViLBERT 方法在通用领域的效果确实不错，但是在电商领域，由于提取的 ROI 并不理想，导致效果低于预期。本文提出了一种图文匹配模型—— FashionBERT，其核心问题是如何解决电商领域图像特征的提取或者表达，分享了模型的整体结构及算法，以及在业务上的应用效果和实验数据提升。该论文已经被信息检索领域国际顶级会议 SIGIR20 Industry Track 接收。（文末福利：贾扬清分享人工智能算法和系统的进化）
浪潮POWER 9：英特尔的挑战者
英特尔在推出至强处理器，进入服务器市场后，依靠其在桌面电脑上建立起来的生态平台和对技术的持续改进，在成本和性能上实现了对 RISC 芯片的超越，几乎垄断了数据中心 CPU 市场。
为什么GEMM是深度学习的核心
在之前写的一篇计算机视觉入门路线文章中，我推荐大家在不用任何框架、只使用numpy这种包的情况下，从零实现一个卷积神经网络。其中一个很重要的因素就是在这个过程中大家会了解到卷积过程在底层中是如何优化实现的，其主流的方法就是GEMM。这篇博客比较细致地介绍了什么是GEMM，以及它的优缺点。