5月12日消息，微軟和英特爾宣布合作，探索一種新的檢測和分類惡意軟件的方法。該項目被稱為STAMINA（STAtic Malware-as-Image Network Analysis），該項目依靠一種新技術，將惡意軟件樣本轉換為灰度圖像，然后對圖像進行掃描，以獲取特定于惡意軟件樣本的紋理和結構模式。

此前，微軟團隊推出了一個新的深度學習加速平臺，其代號為腦波計劃（Project Brainwave），機器之心將簡要介紹該計劃。腦波計劃在深度學習模型云服務方面實現了性能與靈活性的巨大提升。微軟專為實時人工智能設計了該系統，它可以超低延遲地處理接收到的請求。云基礎架構也可以處理實時數據流，如搜索查詢、視頻、傳感器流，或者與用戶的交互，因此實時 AI 變的越發重要。

近年，人工智能從概念逐步實現市場化，眾多該領域的國際巨頭企業將開源深度學習軟件框架作為打造開發及使用生態核心的核心。總體來說開源軟件框架在模型庫建設及調用功能方面具有相當共性，但同時又各具特點。業界目前主要有深度學習訓練軟件框架和推斷軟件框架兩大類別。

基于深度學習的訓練框架主要實現對海量數據的讀取、處理及訓練，主要部署在 CPU 及 GPU 服務集群，主要側重于海量訓練模型實現、系統穩定性及多硬件并行計算優化等方面的任務。目前主流的深度學習訓練軟件框架主要有 TensorFlow，MXNet，Caffe/2+PyTorch等。

TensorFlow 以其功能全面，兼容性廣泛和生態完備而著稱。該軟件框架由谷歌大腦（Google Brain）團隊主要支撐，實現了多 GPU上運行深度學習模型的功能，可以提供數據流水線的使用程序，并具有模型檢查，可視化和序列化的配套模塊。其生態系統已經成為深度學習開源軟件框架大的活躍社區。

MXNet 以其優異性能及全面的平臺支持而著稱。該軟件框架是由亞馬遜公司（Amazon）主導的深度學習平臺，目前已經捐獻到阿帕奇軟件基金會（Apache）進行孵化。其主要特點包括：一是可以在全硬件平臺（包括手機端）運行，提供包括 Python、R 語言、Julia、C++、Scala、Matlab 以及 Javascript 的編程接口；二是具有靈活的編程模型，支持命令式和符號式編程模型；三是從云端到客戶端可移植，可運行于多 CPU、多 GPU、集群、服務器、工作站及移動智能手機；四是支持本地分布式訓練，在多 CPU/GPU 設備上的分布式訓練，使其可充分利用計算集群的規模優勢。

Caffe/2+PyTorch 以其在圖像處理領域的深耕和易用性而著稱。該軟件框架是由臉書公司（Facebook）主導的平臺，目前 Caffe 1/2兩個項目已經合并到 PyTorch 統一維護。在圖像處理領域 Caffe有著深厚的生態積累，結合 PyTorch 作為一個易用性很強的軟件框架，越來越受到數據科學家的喜愛。我國很多人工智能圖像處理團隊選擇PyTorch 作為主要工作平臺。

Microsoft Cognitive Toolkit （CNTK）以其在智能語音語義領域的優勢及良好性能而著稱。該軟件框架由微軟公司于 2016 年基于 MIT協議開源，它具有速度快、可擴展性強、商業級質量高以及 C++和Python 兼容性好等優點，支持各種神經網絡模型、異構及分布式計算，依托于微軟的產品生態，在語音識別、機器翻譯、類別分析、圖像識別、圖像字幕、文本處理、語言理解和語言建模等領域都擁有良好應用。

PaddlePaddle 以其易用性和支持工業級應用而著稱。該軟件框架是百度旗下的深度學習開源平臺，是我國自主開發軟件框架代表。其大特點就是易用性，得益于其對算法的封裝，對于現成算法（卷積神經網絡 VGG、深度殘差網絡 ResNet、長短期記憶網絡 LSTM 等） 的使用可以直接執行命令替換數據進行訓練。非常適合需要成熟穩定的模型來處理新數據的情況。

除上之外，業界及學術界還存在著多個機器學習及深度學習軟件框架，如 Scikit-learn，Theano 等。這些軟件框架在其專長領域仍然發揮重要作用。但由于各軟件框架的維護力量及發展思路不同，同時缺少貢獻人員，導致軟件框架發展水平略顯滯后，存在著包括算法庫擴展不及時，API 水平較低以及不支持分布式任務等問題。

責任編輯：gt