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

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











画像の注釈は、ラベルまたは説明情報を画像に関連付けて、画像の内容に深い意味と説明を与えるプロセスです。このプロセスは機械学習にとって重要であり、画像内の個々の要素をより正確に識別するために視覚モデルをトレーニングするのに役立ちます。画像に注釈を追加することで、コンピュータは画像の背後にあるセマンティクスとコンテキストを理解できるため、画像の内容を理解して分析する能力が向上します。画像アノテーションは、コンピュータ ビジョン、自然言語処理、グラフ ビジョン モデルなどの多くの分野をカバーする幅広い用途があり、車両が道路上の障害物を識別するのを支援したり、障害物の検出を支援したりするなど、幅広い用途があります。医用画像認識による病気の診断。この記事では主に、より優れたオープンソースおよび無料の画像注釈ツールをいくつか推奨します。 1.マケセンス

テキスト注釈は、テキスト内の特定のコンテンツにラベルまたはタグを対応させる作業です。その主な目的は、特に人工知能の分野で、より深い分析と処理のためにテキストに追加情報を提供することです。テキスト注釈は、人工知能アプリケーションの教師あり機械学習タスクにとって非常に重要です。これは、自然言語テキスト情報をより正確に理解し、テキスト分類、感情分析、言語翻訳などのタスクのパフォーマンスを向上させるために AI モデルをトレーニングするために使用されます。テキスト アノテーションを通じて、AI モデルにテキスト内のエンティティを認識し、コンテキストを理解し、新しい同様のデータが出現したときに正確な予測を行うように教えることができます。この記事では主に、より優れたオープンソースのテキスト注釈ツールをいくつか推奨します。 1.LabelStudiohttps://github.com/Hu

「ウエストワールド」に慣れている視聴者は、このショーが未来の世界にある巨大なハイテク成人向けテーマパークを舞台としていることを知っています。ロボットは人間と同様の行動能力を持ち、見聞きしたものを記憶し、核となるストーリーラインを繰り返すことができます。これらのロボットは毎日リセットされ、初期状態に戻ります。スタンフォード大学の論文「Generative Agents: Interactive Simulacra of Human Behavior」の発表後、このシナリオは映画やテレビシリーズに限定されなくなりました。AI はこれを再現することに成功しました。スモールヴィルの「バーチャルタウン」のシーン》概要図用紙アドレス:https://arxiv.org/pdf/2304.03442v1.pdf

顔の検出および認識テクノロジーは、すでに比較的成熟しており、広く使用されているテクノロジーです。現在、最も広く使用されているインターネット アプリケーション言語は JS ですが、Web フロントエンドでの顔検出と認識の実装には、バックエンドの顔認識と比較して利点と欠点があります。利点としては、ネットワーク インタラクションの削減とリアルタイム認識により、ユーザーの待ち時間が大幅に短縮され、ユーザー エクスペリエンスが向上することが挙げられます。欠点としては、モデル サイズによって制限されるため、精度も制限されることが挙げられます。 js を使用して Web 上に顔検出を実装するにはどうすればよいですか? Web 上で顔認識を実装するには、JavaScript、HTML、CSS、WebRTC など、関連するプログラミング言語とテクノロジに精通している必要があります。同時に、関連するコンピューター ビジョンと人工知能テクノロジーを習得する必要もあります。 Web 側の設計により、次の点に注意してください。

最新の AIGC オープンソース プロジェクト、AnimagineXL3.1 をご紹介します。このプロジェクトは、アニメをテーマにしたテキストから画像へのモデルの最新版であり、より最適化された強力なアニメ画像生成エクスペリエンスをユーザーに提供することを目的としています。 AnimagineXL3.1 では、開発チームは、モデルのパフォーマンスと機能が新たな高みに達することを保証するために、いくつかの重要な側面の最適化に重点を置きました。まず、トレーニング データを拡張して、以前のバージョンのゲーム キャラクター データだけでなく、他の多くの有名なアニメ シリーズのデータもトレーニング セットに含めました。この動きによりモデルの知識ベースが充実し、さまざまなアニメのスタイルやキャラクターをより完全に理解できるようになります。 AnimagineXL3.1 では、特別なタグと美学の新しいセットが導入されています

マルチモーダル文書理解機能のための新しい SOTA!アリババの mPLUG チームは、最新のオープンソース作品 mPLUG-DocOwl1.5 をリリースしました。これは、高解像度の画像テキスト認識、一般的な文書構造の理解、指示の遵守、外部知識の導入という 4 つの主要な課題に対処するための一連のソリューションを提案しています。さっそく、その効果を見てみましょう。複雑な構造のグラフをワンクリックで認識しMarkdown形式に変換:さまざまなスタイルのグラフが利用可能:より詳細な文字認識や位置決めも簡単に対応:文書理解の詳しい説明も可能:ご存知「文書理解」 「」は現在、大規模な言語モデルの実装にとって重要なシナリオです。市場には文書の読み取りを支援する多くの製品が存在します。その中には、主にテキスト認識に OCR システムを使用し、テキスト処理に LLM と連携する製品もあります。

FP8 以下の浮動小数点数値化精度は、もはや H100 の「特許」ではありません。 Lao Huang は誰もが INT8/INT4 を使用できるようにしたいと考え、Microsoft DeepSpeed チームは NVIDIA からの公式サポートなしで A100 上で FP6 の実行を開始しました。テスト結果は、A100 での新しい方式 TC-FPx の FP6 量子化が INT4 に近いか、場合によってはそれよりも高速であり、後者よりも精度が高いことを示しています。これに加えて、エンドツーエンドの大規模モデルのサポートもあり、オープンソース化され、DeepSpeed などの深層学習推論フレームワークに統合されています。この結果は、大規模モデルの高速化にも即座に影響します。このフレームワークでは、シングル カードを使用して Llama を実行すると、スループットはデュアル カードのスループットの 2.65 倍になります。 1つ

論文のアドレス: https://arxiv.org/abs/2307.09283 コードのアドレス: https://github.com/THU-MIG/RepViTRepViT は、モバイル ViT アーキテクチャで優れたパフォーマンスを発揮し、大きな利点を示します。次に、この研究の貢献を検討します。記事では、主にモデルがグローバル表現を学習できるようにするマルチヘッド セルフ アテンション モジュール (MSHA) のおかげで、軽量 ViT は一般的に視覚タスクにおいて軽量 CNN よりも優れたパフォーマンスを発揮すると述べられています。ただし、軽量 ViT と軽量 CNN のアーキテクチャの違いは十分に研究されていません。この研究では、著者らは軽量の ViT を効果的なシステムに統合しました。
