关于 丹阳开入职体检表 微电15292128512代nilwz办蔚吉 的搜索结果,共1009
l****m 2018-07-10
五年前的预言——2012年云计算时的运维位展望
在191x年的时候,每个工厂都有一个副厂长负责管理力,那个时候新建工厂要考虑是自己建水站还是火站,甚至连拉煤球的车都要自己准备;但后来各个工厂用的力标准趋于一致,就没有企业自主发而是从网买了,这个力副总裁的位就成为历史了。 我记得05年以前做运维,我们都要自己找很多种驱动、学习不同的主板配置方式、研究自有机房的空调系统,但如今运维的位完全不用关心这些事情了,反倒是对负载均衡、高可用、大数据等问题越研究越深了。 云计算的目标是让IT服务像力一样随时可用,这是一个积极正面的趋势,没有人能也没有人应该挡住他,运维位可用消失,但你不应该因此而失业。 本次去参加WOT云计算架构师大会,我就是想看一下云计算究竟发展成什么样子了。这次会后我大胆估计,云计算会在短则五年、长则十年的时间里将大部分运维的饭碗抢走。其中损失最严重的是中小网站,他们已经不需要的运维人员;大型网站对运维人员的需求会逐渐减少;对非网站应用的影响可能仅仅限于技术革新;因此对软硬件生产商、IDC托管商甚至运维培训、IT论坛都会造成衍生影响。
y****n 2018-07-09
Apollo 自动驾驶感知技术分享
我们有很多任务,每个任务输是多源的,包括激光雷达、图像等。如果要用 Apollo 搭建感知系统,如何选择传感器、传感器配置?希望它做什么任务。 这是三种基本传感器的效果对比,LiDAR 是激光雷达,Radar 是汽车通用毫米波雷达,Camera 是摄像头。绿色做得好,黄色做得普通,红色做得差。最后,说明了三种传感器融合效果是最好的。 那么 ,感知系统放模块怎么做? 点云感知。放了 LiDAR 点云测,可以判断点云里的每个点是否为障碍物,障碍物的类型是什么。 感知框架。用的是深度学习,它可以做到精准测和识别。而深度学习非常耗费计算量。需要依靠搭建的车载智能系统,来支撑深度学习模型,以达到毫秒级感知。 高精地图。先以当前的激光雷达作为坐标系核心,把地图中的点投到坐标系里。然后建立快速的格,根据感知的距离扩大坐标区域。之后对俯视图进行网格化,网格化参数可以在 Apollo 进行配置。最后输送给障碍物测。 障碍物测。分为特征抽取、点云测、点云聚类、后处理、闭包提取。
TOP