Uber 宣布作为金牌会员加入 Linux 基金会

最新推荐文章于 2025-08-20 22:56:05 发布
转载 最新推荐文章于 2025-08-20 22:56:05 发布 · 96 阅读 · 0
文章标签：

#人工智能

在2018年的Uber开放峰会上，Uber宣布成为Linux基金会的金牌会员，旨在深化与开源社区的合作。Uber首席技术官Thuan Pham表示，开源技术是其核心服务的重要组成部分，随着公司的发展，开源解决方案将扮演更为关键的角色。Uber曾于2017年向Linux基金会旗下的CNCF贡献了分布式跟踪系统Jaeger。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

百度智能云 云生态狂欢季 热门云产品1折起>>>  hot3.png

在 2018 Uber 开放峰会上，Uber 宣布以金牌会员的身份加入 Linux 基金会，继续为开源社区做出贡献。

Uber 首席技术官 Thuan Pham 表示，Linux 基金会是一个培育和开发开源项目的地方， 不仅为许多重要的开源项目提供了家园，还为像 Uber 这样的企业创造了良好的开放环境。开源技术是 Uber 许多核心服务的支柱，随着 Uber 的壮大，这些开源解决方案将变得越来越重要。

“事实上，Uber 多年来通过开源在共享软件开发和社区协作方面已经进行了大量投资，包括 2017 年向 Linux 基金会旗下的 CNCF 贡献分布式跟踪系统 Jaeger 。我们很荣幸加入 Linux 基金会，以促进与开源社区的更多合作。”

Linux 基金会执行董事 Jim Zemlin 也表示，“欢迎 Uber 的加入，他们的专业知识将有助于我们继续推进云原生技术、深度学习、数据可视化以及其他对当今企业至关重要的技术的开源解决方案。”

Mathilda91
关注
开源简史基础：Linux基金会
知行合一 止于至善
09-10 4431
在当前以容器化和微服务推动的技术中，需要了解的一个重要组织就是Linux基金会，在全世界范围内，Linux基金会通过提供开放源码所需要的统一资源和服务，从而促进和保护Linux的发展，推动Linux的标准化。
uber-apk-signer
01-04
uber-apk-signer
对战Uber，Lyft如何打造私域会员生态体系？.pdf
03-12
面对行业先驱Uber的强大市场影响力，作为后来者的Lyft采取了一系列创新策略，尤其是在构建私域会员生态体系方面展现出了独特的优势。本文将深入探讨Lyft是如何通过建立会员营销体系和会员服务生态来增强用户黏性和...
Uber 纽约市乘车数据数据集
07-02
Uber作为全球知名的共享经济代表，其在纽约市的运营数据无疑为我们提供了一扇洞察城市交通、共享经济以及大数据应用的窗口。本数据集包含了Uber在2014年4月至9月以及2015年1月到6月期间，在纽约市的约450万和1430万...
Bot 流量“假阳性”调优笔记
@云安全小杜
08-19 728
这次实验最大的收获是：与其在规则里“猜”爬虫长什么样，不如把判断逻辑外置到一个能持续学习的边缘节点。群联的清洗中心提供了实时封禁 API，让我们可以把模型结果直接落地，而不用改一行业务代码——这比传统“先打日志、再人工加黑名单”的节奏快了整整一个量级。
门控循环单元（GRU, Gated Recurrent Unit）
2501_91641025的博客
08-20 434
门控循环单元（GRU, Gated Recurrent Unit）是循环神经网络（RNN）的一种改进结构，由 Cho 等人在 2014 年提出。它和 LSTM 一样，旨在解决RNN 的梯度消失和梯度爆炸问题，同时能够建模长距离依赖信息。与 LSTM 相比，GRU 结构更简洁，参数更少，计算效率更高。GRU 是 LSTM 的简化版，在很多任务上能取得相似甚至更好的效果。优点：计算效率高、参数量少、适合大规模训练。缺点：缺少独立记忆单元，在极长序列任务中可能稍逊于 LSTM。在实际应用中，
XR（AR/VR/MR）芯片方案，Soc VS “MCU+协处理器”？
houdou112358的博客
08-20 653
本文分析了当前VR/AR/MR设备的主流芯片方案，主要分为SoC（系统级芯片）和MCU+协处理器两种架构。高端VR/MR设备普遍采用高通XR系列或苹果M系列等高性能SoC，而轻量级AR/AI眼镜则多使用低功耗SoC或MCU+AI协处理器方案。文章详细比较了不同设备类型的芯片需求，并介绍了高通、苹果、联发科等主要芯片厂商的XR产品线及其特点，最后总结了不同应用场景下的最佳芯片选择方案。
Huggingface-Qwen2源码解读
Jeremy程序员
08-19 1039
本文记录了基于HuggingFace Transformers最新master分支对Qwen2模型的学习过程。主要内容包括：1) 开发环境搭建（Python 3.11、PyTorch CPU版）；2) 模型测试代码实现，通过调参创建轻量级配置；3) 核心架构分析，包括分词编码、DecoderLayer处理流程（RMSNorm归一化、自注意力机制、前馈网络）和分组查询注意力机制；4) Qwen2的三大优化点：RMSNorm计算优化、RoPE位置编码和GQA注意力机制；5) 开发中遇到的版本依赖问题及解决方法。
【无标题】
最新发布
As3310010的博客
08-20 448
从基础功能到自主决策：Agent 开发进阶之路
CEVA-BX, Cadence HiFi, ARM ，TI， ADI 这5种音频DSP选型
2401_89373706的博客
08-20 883
本文对比了CEVA-BX、Cadence HiFi和ARM Cortex-M三类音频DSP的核心特性及应用场景。CEVA-BX是通用混合DSP/控制器，适合需要兼顾信号处理与控制的IoT、汽车等应用；Cadence HiFi专精音频处理，在降噪、编解码等场景性能突出；带DSP扩展的ARM Cortex-M系列则平衡控制与处理，适合轻量音频任务。选型需综合考量性能需求、开发资源、功耗成本等因素：专业音频选HiFi，复杂混合任务选CEVA-BX，简单音频处理优先ARM方案。
百度Q2财报：总营收327亿 AI新业务收入首次超100亿
大力财经
08-20 236
百度创始人李彦宏表示，本季度内，百度加速推进搜索的AI转型与萝卜快跑全球化进程，“百度始终聚焦于那些最具长期价值创造潜力的AI新领域，让我们的技术与创新，产生最具意义和持久的影响。8月20日晚，百度发布2025年第二季度财报，显示季度总营收327亿元，百度核心营收263亿元，归属百度核心净利润74亿元，同比增长35%。据介绍，百度智能云在Q2增长显著。今年6月，文心大模型4.5系列开源，发布了10款不同架构和尺寸的新模型，企业和开发者可通过百度智能云千帆大模型平台调用文心4.5系列的API服务。
【pytorch】reshape的使用
weixin_63466958的博客
08-16 732
是 PyTorch 中用于的函数。它的作用是重新安排张量的维度，使其符合指定的形状，但不会改变数据的顺序。input。
Python训练营打卡Day35-复习日
m0_60783025的博客
08-17 335
对之前的信贷项目，利用神经网络训练下，尝试用到目前的知识点让代码更加规范和美观。仔细回顾一下神经网络到目前的内容，没跟上进度的同学补一下进度。
可以一键生成PPT的AI PPT工具(最新整理)
qq_2362269412的博客
08-19 1087
可以一键生成PPT的AI PPT工具(最新整理)
Simple o3 Towards Interleaved Vision-Language Reasoning
m0_60388871的博客
08-19 723
论文日报
LLM（大语言模型）的工作原理 图文讲解
m0_59167353的博客
08-19 940
本文介绍了大语言模型(LLM)的核心运作机制。首先解释了条件概率的基础概念，即LLM根据上下文预测下一个词的概率分布。其次说明LLM通过海量文本训练学习高维词序列概率分布，形成预测能力。接着重点讨论了温度(Temperature)参数的妙用，它通过调节softmax函数控制输出多样性，避免机械重复。最后用表格总结LLM三大核心机制：条件概率是预测基础，权重矩阵构成预测核心，温度参数调节输出风格。全文简明扼要地阐述了LLM如何"看着上下文写出下一个词"的技术原理。
AI编程：重塑软件开发范式的实践与探索
zzywxc787的博客
08-20 723
AI正在重塑软件开发范式，通过三大核心实践推动变革：1）自动化代码生成，基于LLM模型实现自然语言到代码的智能转换，显著提升开发效率；2）低代码/无代码平台结合AI能力，使可视化开发更智能；3）算法优化辅助。虽然AI编程大幅降低了技术门槛并加速开发流程，但仍面临准确性、版权合规等挑战。当前AI主要作为"开发副驾驶"，帮助开发者从重复劳动中解放，专注高价值工作，而非完全取代人类开发者。
计算图之雅可比矩阵的应用
qq_50860232的博客
08-19 759
计算图与雅可比矩阵在深度学习中的应用 计算图通过有向图表示数学计算过程，节点代表变量或操作，边表示数据流向，支持前向传播和反向梯度计算。雅可比矩阵作为向量值函数的导数矩阵，描述了多变量函数的局部线性特征。在神经网络中，雅可比矩阵在反向传播过程中起关键作用，如示例中所示：通过链式法则将ReLU激活层和线性层的雅可比矩阵相乘，实现梯度的高效计算。现代框架（如PyTorch）通过自动微分隐式处理雅可比矩阵，避免显式存储，优化计算效率。二者共同构成了深度学习的核心数学基础。
Uber开源项目：Linux下的高频性能测量工具
在Linux平台上，常见的性能监控工具有top、htop、vmstat、iostat、sar等，而cpustat作为一款高频性能测量工具，可能会提供比这些通用工具更详细的数据。 在具体应用中，cpustat可以用于实时性能监控，也可以用于事...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值