关于 女人性冷淡用的兴奋剂【V信;799.196.362】雇 的搜索结果,共1702
y****i 2018-07-11
做容器云最佳
容器编排系统核心优势 很多都说容器云是“私有云谁谁爽,公有云谁谁丧”,其实原因就是:容器云需要开发员配合才能好,而容器编排系统比容器自身更重要。K8S与其说是Docker竞争者,不如说是容器行业庇护者。有了K8S这个容器编排系统,虽然Docker技术不那么醒目了,但其可更高更接地气了。 单纯Dokcer容器,更像是个封装比较彻底,做足了资源隔离JVM。研发员只在程序出错时才会关注Runtime,而运维员没感觉到这有什么酷,但确实容器云已经有存在价值了。比如说OpenStack、PaddlePaddle这类新软件和开发框架部署环境没那么简单,Docker包一层就变非常友好了。 对于持续集成和交付场景来说,以前我们是硬压着研发和测试,务必保持版本一致、务必保证文件打好包,从不盲回滚预案,必须后半夜上线,就这样还天天出故障;现在自动上线压力确实小多了,大家都可以放心测试生产环境一致、保证文件不漏传、可以和Git无缝集成,可以扔给研发和测试半自助上线了。这就是我前文所说,容器快速部署优势在于决策快、操作简单。
c****2 2018-07-10
化推荐(一)
优点是简单直接,不需要依据其他户对商品评价,而是通过商品属进行商品相似度度量,从而推荐给户所感趣商品相似商品;缺点是对于没有任何行为户同样存在启动问题。 组合推荐[5](Hybrid Recommendation):运不同输入和技术共同进行推荐,以弥补各自推荐技术缺点。 近些年来,深度学习在很多领域都取得了巨大成功。学术界和工业界都在尝试将深度学习应于个化推荐系统领域中。深度学习具有优秀自动提取特征能力,能够学习多层次抽象特征表示,并对异质或跨域内容息进行学习,可以一定程度上处理个化推荐系统启动问题[6]。本教程主要介绍个化推荐深度学习模型,以及如何使PaddlePaddle实现模型。 效果展示 我们使包含息、电影息与电影评分数据集作为个化推荐场景。当我们训练好模型后,只需要输入对应户ID和电影ID,就可以得出一个匹配分数(范围[0,5],分数越高视为趣越大),然后根据所有电影推荐得分排序,推荐给户可能感电影。
陈****1 2018-07-11
原始创业——创业者核心竞争力
创业者如果吝啬分享让利,打工者跳槽、风投撤资、第三方大佬对;但创业者不能当活雷锋,其他玩家疯食蛋糕会吃死项目,只有主心骨才能保护着项目慢慢长大。失败创业者容易带着天骄新贵心态独享利益,轻视流失才;成功创业者正好相反,财散聚,而且散财有度只聚强。 2.巧胜巨熊--灵活 创业者遇到烂大街问题是“如果BAT抄袭你怎么办?”,这很符合不了解巨头运行机制提问,但巨头有创业者灵活吗? 原始不会和巨熊对比钢牙利爪,而是偷袭投毒群攻陷阱,最笨原始也会拿个棒子再硬干。 巨头最大缺陷是不灵活,这是他们结构缺陷,根本不可能改变。 巨头决策天天为外部礼仪和内部沟通开会,哪有时间天天研究创新? 巨头资源不敢随便被员工以创新,否则巨头会快速资源枯竭。(参见孟子见梁惠王,谈幕僚政治) 巨头内部创新被亲或老板摘桃例子数不胜数,隐居状态精英多一事不如少一事。 巨头决策链很长,微操控制极弱,一线执行和高层决策者不可能互通,只能先做流程和内控,而流程和内控就是不敏捷意思。 而创业公司理论上可以规避上文结构缺陷,旁观大佬不投自己员工而是投创业团队也是同样道理。
笑****山 2018-07-10
监控专对象存储畅想
我不想涉密去关注具体厂商技术底实现,但会考虑通技术可行,做一个监控型对象存储技术畅想。 每天都有监控抓小偷新闻,监控行业价值已经得到社会认可和买单;监控视频是最容易实现PB级文件容量和百亿级文件数量场景,摄像头数量越来越多、清晰度越来越高,而文件管理、存储和分析压力也越来越大。 监控厂商自己做堆盘式存储是个临时应急方案,而且客户要求开放式管理监控视频,中立又可靠对象存储方案是最佳选择。 最近几年IT行业并没有核心技术飞跃,我们能做都是优化选型,过去针对http访问场景优化选型,现在要做是贴合监控场景优化选型。 从客户访问和内部实现角度,本文分为“访问界面”“读写代理”“元数据设计”“存储实现”四部分。 访问界面 这里指是应程序访问界面,而不是自然访问界面。访问界面有四个问题: 要不要存储系统直接支持RTMP?直播和存储技术跨度太大,且监控厂商已经有方案,低优先级处理该功能。 要不要提供文件系统级访问接口?
5****a 2018-07-11
监控专对象存储畅想
我不想涉密去关注具体厂商技术底实现,但会考虑通技术可行,做一个监控型对象存储技术畅想。 每天都有监控抓小偷新闻,监控行业价值已经得到社会认可和买单;监控视频是最容易实现PB级文件容量和百亿级文件数量场景,摄像头数量越来越多、清晰度越来越高,而文件管理、存储和分析压力也越来越大。 监控厂商自己做堆盘式存储是个临时应急方案,而且客户要求开放式管理监控视频,中立又可靠对象存储方案是最佳选择。 最近几年IT行业并没有核心技术飞跃,我们能做都是优化选型,过去针对http访问场景优化选型,现在要做是贴合监控场景优化选型。 从客户访问和内部实现角度,本文分为“访问界面”“读写代理”“元数据设计”“存储实现”四部分。 访问界面 这里指是应程序访问界面,而不是自然访问界面。访问界面有四个问题: 要不要存储系统直接支持RTMP?直播和存储技术跨度太大,且监控厂商已经有方案,低优先级处理该功能。 要不要提供文件系统级访问接口?
金****洲 2018-07-09
百度安全实验室|机器学习对抗攻击报告
随着工智能和机器学习技术在互联网各个领域广泛应,其受攻击可能 ,以及其是否具备强抗打击能力一直是安全界一直关注。之前关于机器学习模型攻 击探讨常常局限于对训练数据污染。由于其模型经常趋向于封闭式部署,该手段在真实情况中并不实际可行。在GeekPwn2016 硅谷分会场上, 来自北美工业界和 学术界顶尖安全专家们针对当前流行图形对象识别、语音识别场景,为大家揭示 了如何通过构造对抗攻击数据,要么让其与源数据差别细微到类无法通过感官辨 识到,要么该差别对类感知没有本质变化,而机器学习模型可以接受并做出错误分 类决定,并且同时做了攻击演示。以下将详细介绍专家们攻击手段。 1.攻 击 图 像 语 音 识 别 系 统 目前工智能和机器学习技术被广泛应机交互,推荐系统,安全防护等各个 领域。具体场景包括语音,图像识别,评估,防止欺诈,过滤恶意邮件,抵抗恶意 代码攻击,网络攻击等等。攻击者也试图通过各种手段绕过,或直接对机器学习模型进 行攻击达到对抗目。特别是在机交互这一环节,随着语音、图像作为新机输 入手段,其便捷和实被大众所欢迎。
小****园 2018-07-10
让PB级云存储不再神秘
我强烈反对极端优化单点能,就是因为单点能极限优化必然和硬件、内核、文件系统都有深度关联。我推荐存储主力服务是应层服务户态进程,老中青三代服务器和谐运行,群集能瓶颈本来就不在单点,不要给自己软件无故设限。 存储问题 存储分真和低温两种类型,真存储就是磁带、蓝光盘、可离线存储节点来存储数据,这样可以节省机柜电量,但这是个工程学问题不是计算机问题了。低温存储就是标准存储换更大更慢更省电磁盘,通过硬件选型来降低硬件和机柜成本。 5、存储测试标准 前文我大量篇幅介绍对象存储和传统存储不同,如果搭建一个私有对象存储群集,我们该做测试也要贴合场景。 存储系统交付时,我会推荐做如下测试: 户侧标准功能测试,如文件读、写、删除、获取metadata息。 单链接读写速率测试。 一万并发连接读写速率测试。 群集长周期并发写入测试,既要击穿写缓冲池,又为其他测试积累数据。 群集长周期随机读取测试,注意是随机读取避免命中缓存。 随机关一台存储服务器,观测群集读写能是否受影响,观察群集修复速率。 通过读取文件Metadata息对元数据服务进行读取和并发能压测。
h****l 2018-07-09
大数据时代下隐私保护(二)
如果攻击者知道其中99 个是偏爱汽车品还 是电子产品,就可以知道第100 个购物偏好。这样通过比较公开数据和既有知 识推测出个隐私,就叫做差分攻击。 在2009 年,微软研究院Cynthia Dwork 提出差分隐私概念,差分隐私就是为了 防止差分攻击,也就是说尽管攻击者知道发布100 个息和其中99 个 息,他也没办法通过比对这两个息获得第100 个息。 简单来说,差分隐私就是一种方法使得查询100 个息和查询其中99 个息得 到结果是相对一致,那么攻击者就无法通过比较(差分)数据不同找出第100 个 息。这种方法就是加入随机,如果查询100 个记录和99 个记录,输出同样 概率是一样,攻击者就无法进行差分攻击。进一步说,对于差别只有一条记录 两个数据集D 和D' (neighboring datasets),查询他们获得结果相同概率非常接 近。注意,这里并不能保证概率相同,如果一样话,数据就需要完全随机化,那样 公开数据也就没有意义。所以,我们需要尽可能接近,保证在隐私和可之间找到一 个平衡。
TOP