关注“FightingCV”公众号

回复“AI”即可获得超100G人工智能的教程

点击进入→FightingCV交流群

Linux 6.2 是第一个支持苹果 M 系列芯片设备的主流 Linux 内核。

2 月 19 日，Linux 6.2 正式发布，Linux 内核发明人 Linus Torvalds 对这一版本的描述是：「也许它不像 6.1 那样是一个性感的 LTS（ Long Term Support）版本，但这些普通的内核也希望分到测试人员的一点点爱。」

Linus Torvalds 在一篇新博客中发表了他对 Linux 新版本的看法，同时介绍了该版本所包含的新特性。博客链接：https://lkml.org/lkml/2023/2/19/309

这个 6.2 版本真的像 Linus Torvalds 所说的那么平凡吗？可能不然。至少，它是第一个支持苹果 M 系列芯片的主流 Linux 内核。也就是说，由于新版本增加了对 Apple M1 Pro、M1 Max 和 M1 Ultra 芯片的上游支持，拥有较新版本 Mac 电脑的用户可以期待在其 M1 驱动的机器上运行 Linux。对于技术人员来说，这很性感。

众所周知，让 Linux 在 M 芯片支持的苹果设备上运行并不容易。

在这些芯片问世之初，Torvalds 就向 ZDNet 表达过想在下一代 Mac 设备上运行 Linux 的愿望。但他担心地说，「M1 的主要问题是 GPU 和它周围的其他设备，因为这很可能会阻止我使用它。除非苹果开放，否则它不会有任何 Linux 支持。」

幸运的是，Asahi Linux 内核的开发团队迎接了挑战。他们的目标是将 Linux 发行版本移植到 Apple Silicon 芯片上，让 M1 / M2 芯片的 Mac 设备也能运行 Linux 发行版本。

在过去的一年里，该团队先后官宣了首个支持 Mac M1 芯片的 Asahi Linux 版本、首个支持 Mac M2 芯片的 Asahi Linux 版本以及首个适配 Apple Silicon 的 GPU 驱动程序等。这次 Linux 6.2 支持苹果 M 芯片，Asahi Linux 团队功不可没。

随着 Linux 6.2 官宣支持 M 芯片，主流 Linux 用户的烦恼将逐步被解决。当然，目前这些还都处于试验阶段，但这个阶段不会持续太久。Linux 6.2 有望成为 Ubuntu 23.04 的默认内核，并在 4 月下旬 Linux 6.3 发布之前包含在 Fedora 38 中。

与此同时，2022 LTS 内核 Linux 6.1 将继续维护到至少 2026 年底。

此外，Linux 6.2 内核还包括许多由 Intel、AMD、Google 和 Red Hat 等公司贡献的特性。值得注意的新增功能包括开箱即用的对 Intel Arc Graphics (DG2/Alchemist) 的稳定支持，以及使用 Nouveau 开源代码对 Nvidia GeForce RTX 30 系列「安培」加速图形的初始支持。Linux 6.2 内核还包括更新的驱动程序，这包括对 OneXPlayer 游戏手持设备、Habana Labs 的 Gaudi2 AI 加速器等的支持。

这个新内核还包括 Call Depth Tracking，以帮助提高英特尔 Skylake 时代 PC 的性能，以及各种文件系统驱动程序增强和安全改进。除了新的硬件支持之外，NTFS3 文件内核驱动程序也得到了改进，并使用新的挂载选项进行了更新。

参考链接：https://www.zdnet.com/article/linux-6-2-the-first-mainstream-linux-kernel-for-apple-m1-chips-arrives/

往期回顾

基础知识

【CV知识点汇总与解析】|损失函数篇

【CV知识点汇总与解析】|激活函数篇

【CV知识点汇总与解析】| optimizer和学习率篇

【CV知识点汇总与解析】| 正则化篇

【CV知识点汇总与解析】| 参数初始化篇

【CV知识点汇总与解析】| 卷积和池化篇 （超多图警告）

【CV知识点汇总与解析】| 技术发展篇 (超详细！！！)

最新论文解析

NeurIPS2022 Spotlight | TANGO：一种基于光照分解实现逼真稳健的文本驱动3D风格化

ECCV2022 Oral | 微软提出UNICORN，统一文本生成与边框预测任务

NeurIPS 2022 | VideoMAE：南大&腾讯联合提出第一个视频版MAE框架，遮盖率达到90%

NeurIPS 2022 | 清华大学提出OrdinalCLIP，基于序数提示学习的语言引导有序回归

SlowFast Network：用于计算机视觉视频理解的双模CNN

WACV2022 | 一张图片只值五句话吗？UAB提出图像-文本匹配语义的新视角！

CVPR2022 | Attention机制是为了找最相关的item？中科大团队反其道而行之！

ECCV2022 Oral | SeqTR：一个简单而通用的 Visual Grounding网络

如何训练用于图像检索的Vision Transformer？Facebook研究员解决了这个问题！

ICLR22 Workshop | 用两个模型解决一个任务，意大利学者提出维基百科上的高效检索模型

See Finer, See More！腾讯&上交提出IVT，越看越精细，进行精细全面的跨模态对比！

MM2022｜兼具低级和高级表征，百度提出利用显式高级语义增强视频文本检索

MM2022 | 用StyleGAN进行数据增强，真的太好用了

MM2022 | 在特征空间中的多模态数据增强方法

ECCV2022|港中文MM Lab证明Frozen的CLIP 模型是高效视频学习者

ECCV2022｜只能11%的参数就能优于Swin，微软提出快速预训练蒸馏方法TinyViT

CVPR2022|比VinVL快一万倍！人大提出交互协同的双流视觉语言预训练模型COTS，又快又好！

CVPR2022 Oral｜通过多尺度token聚合分流自注意力，代码已开源

CVPR Oral | 谷歌&斯坦福（李飞飞组）提出TIRG，用组合的文本和图像来进行图像检索