6月10日，腾讯优图实验室宣布正式开源新一代移动端深度学习推理框架TNN，通过底层技术优化实现在多个不同平台的轻量部署落地，性能优异、简单易用。腾讯方面称，基于TNN，开发者能够轻松将深度学习算法移植到手机端高效的执行，开发出人工智能 App，真正将 AI 带到指尖。
GitHub链接：
https://github.com/Tencent/TNN
轻量级部署，TNN助力深度学习提速增效
深度学习对算力的巨大需求一直制约着其更广泛的落地，尤其是在移动端，由于手机处理器性能弱、算力无法多机拓展、运算耗时长等因素常常导致发热和高功耗，直接影响到App等应用的用户体验。腾讯优图基于自身在深度学习方面的技术积累，并借鉴业内主流框架优点，推出了针对手机端的高性能、轻量级移动端推理框架TNN。
TNN在设计之初便将移动端高性能融入核心理念，对2017年开源的ncnn框架进行了重构升级。通过GPU深度调优、ARM SIMD深入汇编指令调优、低精度计算等技术手段，在性能上取得了进一步提升。以下是MNN, ncnn, TNN框架在多款主流平台的实测性能：
新加坡国立大学NExT中心的王翔博士分析了知识图谱在个性化推荐领域的应用背景，并详细介绍了课题组在个性化推荐中的相关研究技术和进展，包括基于路径、基于表征学习、基于图神经网络等知识图谱在推荐系统中的融合技术
根据各种指法的具体特点,对时频网格图、时域网格图、频域网格图划分出若干个不同的计算区域,并以每个计算区域的均值与标准差作为指法自动识别的特征使用，用于基于机器学习方法的指法自动识别
Tube Feature Aggregation Network（TFAN）新方法，即利用时序信息来辅助当前帧的遮挡行人检测，目前该方法已在 Caltech 和 NightOwls 两个数据集取得了业界领先的准确率
姚霆指出，当前的多模态技术还是属于狭隘的单任务学习，整个训练和测试的过程都是在封闭和静态的环境下进行，这就和真实世界中开放动态的应用场景存在一定的差异性
优酷智能档突破“传统自适应码率算法”的局限，解决视频观看体验中高清和流畅的矛盾
通过使用仿真和量化指标，使基准测试能够通用于许多操作领域，但又足够具体，能够提供系统的有关信息
基于内容图谱结构化特征与索引更新平台，在结构化方面打破传统的数仓建模方式，以知识化、业务化、服务化为视角进行数据平台化建设，来沉淀内容、行为、关系图谱，目前在优酷搜索、票票、大麦等场景开始进行应用
NVIDIA解决方案架构师王闪闪讲解了BERT模型原理及其成就，NVIDIA开发的Megatron-BERT
自然语言处理技术的应用和研究领域发生了许多有意义的标志性事件，技术进展方面主要体现在预训练语言模型、跨语言 NLP/无监督机器翻译、知识图谱发展 + 对话技术融合、智能人机交互、平台厂商整合AI产品线
下一个十年，智能人机交互、多模态融合、结合领域需求的 NLP 解决方案建设、知识图谱结合落地场景等将会有突破性变化
中国移动联合产业合作伙伴发布《室内定位白皮书》，对室内定位产业发展现状及面临的挑战，深入分析了垂直行业的室内定位需求，并详细阐述了实现室内定位的技术原理， 及室内定位评测体系
机器人、无人机、自动驾驶汽车等加快落地，智慧城市深入建设，更是为传感器产业带来了难以估量的庞大机遇
