红旗国宾车
原标题：Waymo自动驾驶新专利：可防止乘客晕车
乘客出现晕车反应时，系统会自动切换驾驶风格，减慢行驶速度并且躲避较为拥堵的路线，避免频繁启停加重乘客的不适感。
【PChome智能硬件频道资讯报道】对于人类来说，自动驾驶的最大价值就是能够解放人们的驾驶时间，并有望提高行驶的安全性。而近日，谷歌母公司Alphabet旗下无人驾驶汽车部门Waymo获得的一项专利显示，自动驾驶技术还可以提升人们的乘车舒适度，避免晕车的出现。
据悉，这个专利能够在乘客上车之后对容易晕车的乘客进行提示，例如在乘坐车辆的过程中不要向下看或是看书。另外无人车还会推荐容易晕车的乘客坐在比较平稳的座位上，从而将晕车反应做到最小化。乘客出现晕车反应时，系统会自动切换驾驶风格，减慢行驶速度并且躲避较为拥堵的路线，避免频繁启停加重乘客的不适感。
此前，Waymo曾宣布计划于今年晚些时候在亚利桑那州推出公共无人驾驶服务，但并未针对是否会在测试的车辆中使用这一专利技术作出回应。
编辑点评：对于许多人类驾驶员来说，已经养成的驾驶习惯很难改变，这些习惯可能会导致晕车，也可能会更大概率地导致交通事故，但对于自动驾驶系统来说，技术的升级带来的行驶体验和安红旗国宾车
原标题：智能音箱新势力（上）：力压谷歌的HomePod和抢赛道的亚马逊
要怎么看待2017年的全球智能音箱战争？
亚马逊和谷歌还在恶斗不休，Sonos和HomePod也加入战场，智能音箱格局看似杂乱，其实脉络清晰。从数据上看，亚马逊压制住了增长的谷歌，赢了2017。
一、2017战局总览
1、中低高三价位的乱战
2017年，海外智能音箱市场主要玩家分别有如下重大举措：
Google 在16年年底推出Google home，迅速成为美国智能音箱二号霸主，随之在在17年10月推出低价音箱Google home mini和高端音箱Google home max。
Apple在17年6月推出了高价HomePod，原计划17年底发售，但最终跳票，在18年2月开始发售。
Amazon 在17年上半年4月推出了穿衣助手Echo Look，这款产品至今还处于邀请内测阶段；5月份发布了屏幕音箱Echo Show；在9月底，也就是谷歌发布会前夕，发布了Echo Dot 2代、Echo 2代、Echo Plus和迷你版屏幕音箱Echo Spot。
在三巨头之外，传统的家庭音箱领导者Sonos，也在10月份，推出了智能音箱Sonos one，首先搭载Alexa，据说搭载Google Assistant的版本会在18年上市。
回顾这些事件，我们把主要的音箱产品，按价位、派系，划分到如下商战地图中红旗国宾车
原标题：凌晨见！努比亚将发性能超强/散热给力游戏手机
中关村在线消息：前不久，诸多的爆料消息显示，努比亚将会推出一款专为手游而设计的“游戏手机”。努比亚官方微博曾发消息称：牛场将要造游戏手机，其总裁@倪飞转发并点赞。随后，爆料达人们也是为我们带来了努比亚内部文件：努比亚游戏事业部成立。短短不到一个月的时间，在MWC2018上，我们有望能见到努比亚的这款游戏手机，跑车风格设计你喜欢吗？
近日努比亚官方微博发布的MWC新机预热图令人无限遐想，图中出现了“超跑”“涡轮”“灯光”等等汽车元素，一般的手机如果配上这三点的话多少有点“另类”，但是咱们把它想成游戏手机的话，那么一切就会显得那么自然而然。
努比亚官方预热图（图片来自@nubia智能手机）
努比亚官方预热图（图片来自@nubia智能手机）
努比亚官方预热图（图片来自@nubia智能手机）
根据官博给出的预热图来看，努比亚新机集“超跑棱角分明的外观设计”、“玩游戏时肯定会闪光”、“散热效果更佳”三大亮点于一身。并且看最后这张图中，除了有涡轮增压还有“XOXO键”，经常玩游戏的同学肯定知道，XOXO按键是游戏手柄上的专属按键，努比亚此时放出这样的图片只能说明一个问题——努红旗国宾车
原标题：苹果将在五月底停止iTunes对WinXP/Vista的支持
据报道，苹果iTunes将从5月25日起停止对WindowsXP/Vista操作系统以及第一代AppleTV的支持。用户除了无法获得软件更新外，也无法再进行浏览、购买、下载等操作，不过进行固件修复以及备份依然是允许的。
据苹果表示，这一决定主要是出于安全方面的考虑，因为微软已经停止支持这两版操作系统，看来苹果的用户们也没有办法再坚持使用老操作系统了。红旗国宾车
原标题：代码+实战：TensorFlow Estimator of Deep CTR——DeepFM/NFM/AFM/FNN/PNN
雷锋网 AI 研习社按，本文作者 lambdaJi，本文首发于知乎，雷锋网 AI 研习社获其授权转载。
深度学习在 ctr 预估领域的应用越来越多，新的模型不断冒出。从 ctr 预估问题看看 f(x) 设计—DNN 篇整理了各模型之间的联系之后，一直在琢磨这些东西如何在工业界落地。经过几个月的调研，发现目前存在的一些问题：
开源的实现基本都是学术界的人在搞，距离工业应用还有较大的鸿沟
模型实现大量调用底层 API，各版本实现千差万别，代码臃肿难懂，迁移成本较高
单机，放到工业场景下跑不动
针对存在的问题做了一些探索，摸索出一套可行方案，有以下特性：
读数据采用 Dataset API，支持 parallel and prefetch 读取
通过 Estimator model_fn 来实现 f(x)，迁移到其他算法非常方便，只需要改写 model_fn f(x) 部分
支持分布式以及单机多线程训练
支持 export model，然后用 TensorFlow Serving 提供线上预测服务
按工业界的套路，完整的机器学习项目应该包含五个部分：特红旗国宾车