Imagination Technologies宣布：得益于全新优化的开源SYCL神经网络库，使用TensorFlow的开发人员将可以直接面向PowerVR图形处理器（GPU）进行开发。其首个版本将在2019年提供商用。
有关 AI 优势与风险的争论如今已成媒体日常，很多此类讨论都集中在潜在负面影响上，话题范围从工作自动化导致广泛失业到 AI 用于创建 “深度伪造” 视频。但另一方面，我们已经在享受 AI 自动化助手的正面效果所带来的种种好处，而自动驾驶汽车之类的未来好处现在眼见着即将到来。
无人驾驶汽车，又称自动驾驶汽车或轮式移动机器人，是一种运输动力的无人地面载具。我们理想的无人驾驶汽车是无需人类操作即能从地点A行驶到地点B，不管途中环境多复杂天气多恶劣都由机器自己完成。无人驾驶汽车的核心在于无人驾驶技术，如果说汽车工业是制造业的皇冠，那么无人驾驶技术就是皇冠上的明珠。
随着万物互联时代的到来，物与物之间的连接方式也在不断发展和更新。 如果说，传感器是物联网的触觉，那么，无线传输就是物联网的神经系统，将遍布物联网的传感器连接起来。在物联网出现以前，网络的接入需求主要体现在PC、移动终端对互联网的接入需求。如今，随着物联网技术的发展，无线接入不仅仅体现在PC、移动终端对网络的连接需求，还有工业生产环境下物与物之间的连接需求。
形态学又称数学形态学(Mathematical morphology),这是一门建立在格论和拓扑学基础之上的学科，是数学形态学图像处理的基本理论。常见的基本运算包括膨胀和腐蚀、开运算和闭运算、顶帽和黑帽运算等。图像的形态学处理常被用在图像的消除噪声和一些目标的特征提取上。
Draw Call 本身的含义很简单，就是CPU调用图像编程接口，如OpenGL 中的glDrawElements 命令或者DirectX 中的DrawlndexedPrimitive命令，以命令GPU 进行渲染的操作。
蓝牙技术在耳机、手机、手表及汽车领域的普及为人们带来了许多便利，却也引发了一些人们对于蓝牙的误解。目前，蓝牙可为多种重要的解决方案提供支持，其中包括家庭自动化、室内导航以及商业和工业创新等。
一般而言，比较成功的神经网络需要大量的参数，许许多多的神经网路的参数都是数以百万计，而使得这些参数可以正确工作则需要大量的数据进行训练，而实际情况中数据并没有我们想象中的那么多。
均值滤波，是图像处理中最常用的手段，从频率域观点来看均值滤波是一种低通滤波器，高频信号将会去掉，因此可以帮助消除图像尖锐噪声，实现图像平滑，模糊等功能。理想的均值滤波是用每个像素和它周围像素计算出来的平均值替换图像中每个像素。
如果没有流水线化，那么CPU需要等到GPU完成上一个渲染任务才能再次发送渲染命令。但这种方法显然会造成效率低下。我们需要让CPU和GPU可以并行工作。而解决方法就是使用一个命令缓冲区（Command Buffer）。
笔者希望通过多年的图形开发经验，结合对OpenGL的理解，对OpenGL整体的知识做一个梳理，剔除掉特别复杂又较少使用的部分。遗留下来常见和易于理解的部分，同时也尽量在介绍的时候兼顾易懂性和严谨性。希望对即将或正在学习OpenGL的开发者，提供一定的帮助。
自动驾驶车，其实就是机器人的一种。所以在英文中经常被叫做Robotic Car。当然Autonomous Car、Self Driving Car或Driverless Car会更常用一些。更具体地讲，自动驾驶车是一个轮式机器人。自动驾驶可以说是一个涉及了多个学科的综合领域，本文带你探寻自动驾驶的5大主要技术，看看这个轮式机器人的大脑、眼睛等都是如何工作的。
与机器可以实现的功能相比，在许多方面，人类驾驶员所拥有的感知能力仍然遥遥领先，而且在许多关键领域我们仍然无法提供能够实现SAE 4级自动化所需性能和功能的传感器。在本文，我们涉及了一些特别具有挑战性或目前完全无法解决的情境来加以说明。
CPU：中央处理器，它集成了运算，缓冲，控制等单元,包括绘图功能。CPU将对象处理为多维图形，纹理(Bitmaps、Drawables等都是一起打包到统一的纹理)。GPU：一个类似于CPU的专门用来处理Graphics的处理器，作用用来帮助加快格栅化操作，当然，也有相应的缓存数据(例如缓存已经光栅化过的bitmap等)机制。
