专访MySQL CEO:无形之手指导开源发展_MySQL
你能想到在现代经济学之父苏格兰哲学家Adam Smith和开源软件发展之间存在什么联系么?在开源数据库厂商MySQL的首席执行官Marten Mickos看来,正是Smith所说的“无形之手”在指导着开源社区的人们不断的追求完善以达到目标,同时也造福于社会。
Mickos看到一只无形的手在今天开源社区的发展中发挥着作用。其中也包括正在争论的GNU公共授权协议(GPLv3)草案的制定,他相信最后会有一个好的结果。MySQL的数据库就是遵循GPL发布的。
Mickos表示,即使甲骨文一年前对InnoDB的收购也不例外。甲骨文对InnoDB的收购被大多数人看作是甲骨文对MySQL的侵略性打击,MySQL在其数据库终捆绑了来自芬兰的InnoDB数据库存储引擎。这逼迫MySQL开放了数据接口,允许用户自行选择不同的数据库存储引擎。
Mickos还讨论了开源业务模型的其他方面,以及MySQL下一步所面临的问题。
问:最近许多开源开发者已经表达了他们对免费软件基金组织和GPLv3的第二个草案的不满。现在一部分人坚持使用GPLv2,而另一部分人则转向GPLv3,对于这种分流现象你感到担心么?
Marten Mickos:假若我们拥有两个GPL,这并不是一件灾难。事实上,GPLv2如此成功,开发者没有看到改变的需要。他们这样说,“如果一个东西还没有破,就不要去修补它”。我同意这个观点。这是一个伟大的领域,但是开发者并不关心。在MySQL,我们目前还没有把精力放在GPL上,而且现在也还不是我们需要采取行动的时候。
问:你如何决定MySQL什么时候需要新的功能,以及什么时候需要依靠开源社区的创新来改变。
Marten Mickos:我们业务的关键问题之一就是知道什么时候该做什么。你必须了解终端用户所想要的功能。我们现在有一千万用户,我们可以根据用户的需要来决定哪些是用户最需要的。
另外,我们要感谢我们产品的早期测试阶段,在这个时候我们可以修正错误。
问:那么开源软件是否比专有商业软件面临的竞争环境更温和一些?
Marten Mickos:错了,并非如此,但是开源软件具有自我治疗的能力。随时都有人会替代你。一年前甲骨文刚刚收购了InnoDB。最后好的东西会留下来。
问:MySQL在2007年面临着什么发展?
Marten Mickos:我们将看到在企业市场具有较大的发展,更多的用户会开始使用MySQL 5.0。开发者需要时间来采用新版的数据库,而且我们将会有更多的合作伙伴。另外我们在图形化用户界面方面正在进行着改进工作,并会使我们的ODBC和JDBC驱动更加完善。
问:关于Falcon有什么最新的消息?该交易数据库引擎是由一月份刚加入MySQL的Jim Starkey开发的么?
Marten Mickos:不仅仅是Jim,还有围绕在他身边的一部分工程师。Falcon不久将推出测试版。
问:MySQL目前在开源数据库市场的统治优势会对MySQL的发展有什么影响么?
Marten Mickos:我有时候会听到员工说,“我们已经很伟大了,我们不需要再工作。”但是,我们的工程师都是非常谦虚的,而且他们会对任何问题都感到不安。这是一个平衡的问题。有时候,我必须对单位员工说,“高兴一下吧,我们拥有一个伟大的产品;”而有些时候则是“我们做的还不够好。”在甲骨文收购InnoDB的时候,最初我们面临的是如何才能应对这个问题,但是现在已经转变成为我们的优势了

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds



L'annotation d'images est le processus consistant à associer des étiquettes ou des informations descriptives à des images pour donner une signification et une explication plus profondes au contenu de l'image. Ce processus est essentiel à l’apprentissage automatique, qui permet d’entraîner les modèles de vision à identifier plus précisément les éléments individuels des images. En ajoutant des annotations aux images, l'ordinateur peut comprendre la sémantique et le contexte derrière les images, améliorant ainsi la capacité de comprendre et d'analyser le contenu de l'image. L'annotation d'images a un large éventail d'applications, couvrant de nombreux domaines, tels que la vision par ordinateur, le traitement du langage naturel et les modèles de vision graphique. Elle a un large éventail d'applications, telles que l'assistance aux véhicules pour identifier les obstacles sur la route, en aidant à la détection. et le diagnostic des maladies grâce à la reconnaissance d'images médicales. Cet article recommande principalement de meilleurs outils d'annotation d'images open source et gratuits. 1.Makesens

L'annotation de texte est le travail d'étiquettes ou de balises correspondant à un contenu spécifique dans le texte. Son objectif principal est d’apporter des informations complémentaires au texte pour une analyse et un traitement plus approfondis, notamment dans le domaine de l’intelligence artificielle. L'annotation de texte est cruciale pour les tâches d'apprentissage automatique supervisées dans les applications d'intelligence artificielle. Il est utilisé pour entraîner des modèles d'IA afin de mieux comprendre les informations textuelles en langage naturel et d'améliorer les performances de tâches telles que la classification de texte, l'analyse des sentiments et la traduction linguistique. Grâce à l'annotation de texte, nous pouvons apprendre aux modèles d'IA à reconnaître les entités dans le texte, à comprendre le contexte et à faire des prédictions précises lorsque de nouvelles données similaires apparaissent. Cet article recommande principalement de meilleurs outils d'annotation de texte open source. 1.LabelStudiohttps://github.com/Hu

Le public familier avec "Westworld" sait que ce spectacle se déroule dans un immense parc à thème pour adultes de haute technologie dans le monde futur. Les robots ont des capacités comportementales similaires à celles des humains, et peuvent se souvenir de ce qu'ils voient et entendent et répéter le scénario principal. Chaque jour, ces robots seront réinitialisés et ramenés à leur état initial. Après la publication de l'article de Stanford « Generative Agents : Interactive Simulacra of Human Behaviour », ce scénario ne se limite plus aux films et aux séries télévisées. L'IA a réussi à le reproduire. scène dans la « ville virtuelle » de Smallville 》Aperçu de l'adresse du papier cartographique : https://arxiv.org/pdf/2304.03442v1.pdf

La technologie de détection et de reconnaissance des visages est déjà une technologie relativement mature et largement utilisée. Actuellement, le langage d'application Internet le plus utilisé est JS. La mise en œuvre de la détection et de la reconnaissance faciale sur le front-end Web présente des avantages et des inconvénients par rapport à la reconnaissance faciale back-end. Les avantages incluent la réduction de l'interaction réseau et de la reconnaissance en temps réel, ce qui réduit considérablement le temps d'attente des utilisateurs et améliore l'expérience utilisateur. Les inconvénients sont les suivants : il est limité par la taille du modèle et la précision est également limitée ; Comment utiliser js pour implémenter la détection de visage sur le web ? Afin de mettre en œuvre la reconnaissance faciale sur le Web, vous devez être familier avec les langages et technologies de programmation associés, tels que JavaScript, HTML, CSS, WebRTC, etc. Dans le même temps, vous devez également maîtriser les technologies pertinentes de vision par ordinateur et d’intelligence artificielle. Il convient de noter qu'en raison de la conception du côté Web

Permettez-moi de vous présenter le dernier projet open source AIGC-AnimagineXL3.1. Ce projet est la dernière itération du modèle texte-image sur le thème de l'anime, visant à offrir aux utilisateurs une expérience de génération d'images d'anime plus optimisée et plus puissante. Dans AnimagineXL3.1, l'équipe de développement s'est concentrée sur l'optimisation de plusieurs aspects clés pour garantir que le modèle atteigne de nouveaux sommets en termes de performances et de fonctionnalités. Premièrement, ils ont élargi les données d’entraînement pour inclure non seulement les données des personnages du jeu des versions précédentes, mais également les données de nombreuses autres séries animées bien connues dans l’ensemble d’entraînement. Cette décision enrichit la base de connaissances du modèle, lui permettant de mieux comprendre les différents styles et personnages d'anime. AnimagineXL3.1 introduit un nouvel ensemble de balises et d'esthétiques spéciales

Nouveau SOTA pour des capacités de compréhension de documents multimodaux ! L'équipe Alibaba mPLUG a publié le dernier travail open source mPLUG-DocOwl1.5, qui propose une série de solutions pour relever les quatre défis majeurs que sont la reconnaissance de texte d'image haute résolution, la compréhension générale de la structure des documents, le suivi des instructions et l'introduction de connaissances externes. Sans plus tarder, examinons d’abord les effets. Reconnaissance et conversion en un clic de graphiques aux structures complexes au format Markdown : Des graphiques de différents styles sont disponibles : Une reconnaissance et un positionnement de texte plus détaillés peuvent également être facilement traités : Des explications détaillées sur la compréhension du document peuvent également être données : Vous savez, « Compréhension du document " est actuellement un scénario important pour la mise en œuvre de grands modèles linguistiques. Il existe de nombreux produits sur le marché pour aider à la lecture de documents. Certains d'entre eux utilisent principalement des systèmes OCR pour la reconnaissance de texte et coopèrent avec LLM pour le traitement de texte.

Le FP8 et la précision de quantification inférieure en virgule flottante ne sont plus le « brevet » du H100 ! Lao Huang voulait que tout le monde utilise INT8/INT4, et l'équipe Microsoft DeepSpeed a commencé à exécuter FP6 sur A100 sans le soutien officiel de NVIDIA. Les résultats des tests montrent que la quantification FP6 de la nouvelle méthode TC-FPx sur A100 est proche ou parfois plus rapide que celle de INT4, et a une précision supérieure à celle de cette dernière. En plus de cela, il existe également une prise en charge de bout en bout des grands modèles, qui ont été open source et intégrés dans des cadres d'inférence d'apprentissage profond tels que DeepSpeed. Ce résultat a également un effet immédiat sur l'accélération des grands modèles : dans ce cadre, en utilisant une seule carte pour exécuter Llama, le débit est 2,65 fois supérieur à celui des cartes doubles. un

Adresse papier : https://arxiv.org/abs/2307.09283 Adresse code : https://github.com/THU-MIG/RepViTRepViT fonctionne bien dans l'architecture ViT mobile et présente des avantages significatifs. Ensuite, nous explorons les contributions de cette étude. Il est mentionné dans l'article que les ViT légers fonctionnent généralement mieux que les CNN légers sur les tâches visuelles, principalement en raison de leur module d'auto-attention multi-têtes (MSHA) qui permet au modèle d'apprendre des représentations globales. Cependant, les différences architecturales entre les ViT légers et les CNN légers n'ont pas été entièrement étudiées. Dans cette étude, les auteurs ont intégré des ViT légers dans le système efficace.
