关于 女用速效催情口服 复制网09s.xyz/259打开代hnbbi 的搜索结果,共1269
k****0 2018-07-09
使Python SDK发语录类技能模板
本文从技能交互、部署讲述如何快搭建海贼王语录技能。 语录类技能模板的交互模型 语录类技能跟户的交互很简单。户说“来一个”,技能从语录列表中选取一条读给户,户可以继续说“来一个”继续听语录,或者说“退出”以结束交互。 使模板发技能的流程 新建技能 新建技能详请参阅自定义技能创建 配置意图 意图配置详请参阅意图、常表达和槽位 语录类技能模板需要创建“获取语录”意图。获取语录意图如下图所示: 配置技能务部署 语录类技能模板使CFC部署技能务。使CFC部署技能务详请参阅 百度云CFC 修改CFC函数发者通过模板创建函数以后,可在线编辑函数。
冰****蓝 2018-07-09
如何调节『控参数』?
引言 控模块的目标是基于计划轨迹和当前车辆状态生成控命令给车辆。这里我们将为发者讲述如何调节控参数。 背景 一、输入/输出 输入 规划轨迹 当前的车辆状态 HMI驱动模式更改请求 监控系统 输出 输出控命令管理canbus中的转向、节流和动等功能。 二、控器介绍 控器包括管理转向指令的横向控器和管理节气门和动器命令的纵向控器。 横向控器 横向控器是基于LQR的最优控器。该控器的动力学模型是个简单的带有侧滑的自行车模型。它被分为两类,包括闭环和环。 闭环提供具有4种状态的离散反馈LQR控器: 横向误差 横向误差率 航向误差 航向误差率 环利路径曲率信息消除恒定稳态航向误差。 纵向控器 纵向控器配置为级联PID+校准表。它被分为两类,包括闭环和环。 闭环是一个级联PID(站PID +度PID),它将以下数据作为控器输入: 站误差 度误差 环提供了一个校准表,将加度映射到节气门/动百分比。 控器调谐 一、实工具 类似于诊断和realtime_plot可于控器调优,并且可以在apollo/modules/tools/中找到。
疏****月 2018-07-09
一键上线Archer | 百度持续部署的瑞士军刀
因此,在部署系统的发后期,自身的功能变更主要集中于单机部署工具。为了提高自身发迭率,脚本未采部署的方案,只部署到特定插件集群。每次执行时,单机agent会从插件集群下载最新MD5,如果有变更,将重新下载最新插件进行任务的执行。这种设计形式增强了执行端功能的可横向扩展性,并且极大降低了每次自身升级的成本。每次升级只需更新一个集群的插件码,在全部机器上即可生。 总结 百度部署务经历了手工上线- Web化- 放化一系列发展进程,目前正在向智能化逐步发展。Archer作为放化一的运维产品,在百度内部具有极高的使率。期待本文的介绍能为您提供一些思路,也欢迎同行们与我们进行交流,共同促进AIOps的发展!
h****0 2018-07-09
发指南 】智能家居技能
其中0表示灯在时的最小亮度,100表示灯的最大亮度。 详可参考 智能家居控协议——控消息: https://dueros.baidu.com/didp/doc/dueros-bot-platform/dbp-smart-home/protocol/control-message_markdown 是否支持场景模式?如何自定义? 支持户\发者通过发者\厂商的app来自定义场景模式的名称和功能; 发配置: 通过SCENE_TRIGGER来触发场景模式控;SCENE_TRIGGER 描述特定设备的组合场景 设备之间没有相互关联,无特定操作顺序。例如“睡眠模式”包括关灯和锁上房门,但是关灯和锁上房门之间没有必然联系,可以先关灯然后锁上房门,也可以先锁上房门后关灯。 使 friendlyName字段,来传递场景模式的名称; 控灯光颜色,使的是什么色彩模式? DuerOS采的是HSB其中H表色相;S表饱和度;B表亮度。; 设备名称出现ASR识别错误,要如何修正?
x****7 2018-07-10
从外行进阶专业 传统企业AI转型差的可能只是一个百度EasyDL
传统的构造深度学习算法模型的方式来做,整个流程至少要花几个月时间,此时市场需求可能已经“凉”了。同时面对新型的AI场景,企业也无法预测投入AI研发能对业务带来的实际果,这是一大隐患。 面对企业应AI的这几大难点,百度推出了EasyDL定化训练及务平台,放给有需求的户。它的目标,是让零算法基础的户,也可以基于自身业务需求和数据,快训练专属的定化AI模型,并且快落地应发者只需创建模型、上传并标注数据、训练模型并验证果、上线模型获取API或离线SDK四个可视化步骤操作,就能快获得定务接或者离线SDK。百度EasyDL实现零深度学习基础、零码获得定化深度学习模型及接务。 从技术实现方面来看,百度EasyDL采全球领先的AI Workflow引擎,底层基于PaddlePaddle高性能分布式深度学习训练框架、以百度自有大规模数据集预训练模型为基础,利深度优化后的transfer learning算法,并通过Auto Model Search和Early Stopping等策略,能获得高精度模型,超过2/3的模型准确率大于90%。
j****2 2018-07-10
百度大脑放日来袭 24种全新AI能力呈现
在AI能力广度、度、精度不断提升的基础下,百度大脑充分利自己在AI领域内的成功经验不断雕琢着自身的核心技术,始在产业界呈现“乘法应”展现出产业智能化“头雁”的度。 AI落地的乘法应 AI技术的发展,最终还是要落实到我们的生活中。在我们触手可及的各个角落中都有百度大脑加持的智能产品。首期放日着重介绍了近期发者询问较多的市政、物流、教育三个领域的落地案例。 比如百度EasyDL与分形科技造的智能垃圾桶已成功地落地海淀公园,可以对7种常见垃圾自动分类,后期还可以通过增加训练数据识别更多种类;在和德邦物流的合作中,为户免去了自行填写信息的麻烦,使词法分析快递申请,一秒拆分姓名、电话、住址等信息;更具科研意义的还有百度EasyDL与中科院在珍稀鸟类识别项目上展的合作,在传统分类学日渐没落的今天,百度EasyDL可以利强大的图像识别技术协助专家们对动植物标本、照片进行快鉴定,目前中科院使EasyDL训练对超过12万幅图片进行分析,目前在700多种鸟类模top5上的识别准确率达到93.89%,非雀形目鸟类模型top5准确率达到95.79%,满足上线务要求。
红****2 2018-07-10
故障自愈机器人,保你安心好睡眠
干货概览 在大型互联公司中,单机房故障因为其故障时间长、影响范围大,一直是互联公司运维人员的心头之痛。在传统的运维方式中,由于故障感知判断、流量调度决策的杂性,通常需要人工止损,但人工处理的时性会影响务的恢度,同时人的不可靠性也可能导致问题扩大。 为了解决这类问题,我们针对百度内外部络环境建设了基于智能流量调度的单机房故障自愈能力。结合外运营商链路监测、内链路质量监测与业务指标监控构建了全方位故障发现能力,基于百度统一前端(BFE)与百度名字务(BNS)实现了智能流量调度与自动止损能力。同时,基于实时容量与实时流量调度自动止损策略与管控风险,实现了任意单机房故障时业务均可快自愈的果。当前此解决方案已覆盖搜索、广告、信息流、贴吧、地图等众多核心产品的单机房故障自愈场景。 单机房故障频发影响业务可性 回顾近2年来各大互联公司被披露的故障事件,单机房故障层出不穷。
小****园 2018-07-10
让PB级云存储不再神秘
读写理还可以将一些读写策略、缓存策略写入自身配置属性,比如100k以下文件写到SSD存储池,优先写入新扩容存储务器,某Bucket文件自动做异地,某后缀名的文件不缓存,某账户有特殊API语法等等。 综上所述,读写理是元数据和存储系统的可控可信可减负的好朋友好客户。 4、存储的硬功夫 存储在元数据和读写理的保护和调度下过滤了外部访问压力,每个节点都只关心存储本职工作就好。 对象存储群集内部存储可以分为四种,可四种混也可只一两个。 三副本存储,读写理将数据写入到member1,member1一边落盘一边将数据通过给member2,member2将数据传递给member3。这种存储实现原理简单,单链接度上限就是单盘顺序读写度,磁盘再慢也比络块,插上十几块盘就能跑满本机卡。这类存储大多作为纠删码大存储池的持久化写缓冲组件,单独使三副本消耗太多硬盘了,即使不在意硬盘的价格,硬盘越多机器就越多组就越麻烦。 数据库型存储,读写理将数据文件处理成N多kb级碎片,然后塞入数据库中做持久化写缓冲组件,后端有消费者务将数据取出另存到纠删码大存储池。
M****点 2018-07-10
中国云计算现状——产品篇
物理机要求硬件稳定永不死机,而云主机适合批量创建快释放,不太关心单台云主机的可靠性,这要求应务支持高可。即使云平台不承诺主机的无限高可,其故障恢度也远快于物理机。新生的云计算不敢明确挑战物理机时户观念,现在该纠正这个误区了,成熟的云计算平台不强调单机高可。基于同样理念,户追求超高配置的云主机是架构缺课硬件来凑的临时手段,正途是将业务拆散到多台中低配主机上。 当前虚拟络的性能短板并不是率,主流云平台内互通率是1Gb,一个物理万兆卡正好负载20-30台虚拟机,这是性价比均衡的选择。虚拟络的性能短板是包量,务器CPU不是交换机CPU,它的配置再好也只能处理20万左右包量,所以一台低配虚拟机被抓做SYNFlood肉鸡也能瘫痪一个物理节点,各云平台正在逐步推进虚拟卡的包量限,但还有大片的漏之鱼。 虚拟络对户行为的改变是抑ARP广播,各种旧有IP漂移技术都离我们而去了。最初这种鸡肋设定是vxlan发育不全做的权宜之计,但这逐渐变成一种新的权限分配的契机。
1****2 2018-07-09
百度安全:AI 是系统工程 需要真正放的安全护航
因为一旦系统被攻破,就等于给智能终端 的安全来了个釜底抽薪,即便上层的应安全做得再好也是徒劳。但这恰恰是智能系统 的“顽疾”。以往的安全修,需要系统厂商先补丁、升级系统,终端厂商再进行修、版本升级,最后终端户升级智能终端的系统。这个修链条非常长,收敛的度甚至长达几年。加之智能系统碎片化严重,市面上有2 万多种设备型号,安全根本无 从保证。更要命的是,在这个过程中专业的安全企业是缺位的,即便是发现了高危漏洞 也无从“插手”。 针对这个问题,百度安全研发了KARMA 自适应内核漏洞热修方案。它通过五大 策略,最大限度地保证了系统安全,避免系统漏洞被黑客利:从逻辑层阻断攻击,提 升自适应性;使内存安全语言编写安全补丁,防止补丁发者失误导致系统崩溃;对 待修补的内核进行语义聚类,并非只有二进一致才施加修,进一步提升自适应性和 安全性;方案设计了修分级策略,进一步提升方案的自适应性;生态共建,以放、 联合、协作的模式去合力修漏洞,击黑产。 目前,KARMA 已经在1100 多个不同安卓系统版本进行了系统化验证测试,并且 在某些主流智能终端中应
金****洲 2018-07-10
混乱的集群遇见TA 从此岁月静好
部分数据敏感的企业结合自身数据的安全性、所有权和控权等综合因素考虑,会选择搭建自己的私有云或者混合云环境。 但是在上述环境中,户的机器都需要自行管理,这就必然给云运维人员带来很多意想不到的麻烦。 其实我们面临的问题从来就没有什么大的变化,唯一不同的只是机器规模越来越大,人心越来越杂。 Q如何在1台机器上部署基础设施?A 一切都源于那个亘古不变的道理:扔一个文件到机器上,然后跑一个命令。 Q如何在10台机器上部署基础设施?A 写个for循环搞定。 Q如何在10000台机器上部署基础设施?A 这个也好办!定操作系统镜像CUSTOM.iso装机自动化安装! then…… Q如何快升级所有机器上的基础设施? Q务因异常挂掉,能自动重启保活吗? Q公司做活动,预计流量突增,能扩容吗? Q公司活动结束,为节约成本,能缩容吗? Q新发的基础设施务有问题,能立马回滚吗? Q可以做虚拟化资源限基础设施不占过多的机器资源吗? Q如何先部署小批量机器,确认无误之后,再做全集群部署?简而言之,灰度发布。 Q新到位10000机器,如何高部署最新的基础设施?使集群中所有机器环境同质化?
Z****E 2018-07-09
产品迭的最后一公里
变更面临的问题 其实我们对变更的需求并不杂,作为迭的最后一公里,我们只关注两点: 操作过程足够快捷(率) 变更结果符合预期(安全) 但是,在具有一定规模企业的生产环境中,户往往要面对比单台机器手工上线更加杂的状况,在这些状况下上述两点要求通常难以满足: 大批量机器的操作步骤繁琐,较依赖人的经验,变更操作率低下; 由于缺少可靠的检查机,变更果无法保证,甚至引发线上较大异常。 我们在百度各核心产品的大规模变更实践中积累了丰富的经验,发现通过自动化部署可以有提升变更率,在变更过程中严格执行分级发布流程可以确保检查机得到执行,并且能够有异常影响范围,加异常恢。在两者基础之上,融入AIOps智能变更策略,可以进一步降低管理成本,提升检查果。下面将从三个方面详细介绍我们的解决方案。 我们的解决方案 1自动化部署 自动化部署包含变更策略和批量机器执行能力两部分。具体来说,户通过UI/API配置整个变更过程的执行策略,例如先执行A地域机器的变更,再执行B地域机器的变更;执行失败的机器超过10台就自动中止等。
w****0 2018-07-11
单机房故障自愈-黎明之战
那么如何验证业务线是否具备该能力、能力是否出现退化,我们采取盲测验收的方式,模拟或真实造故障,验证不同业务线故障况及止损率,并给出相应的优化意见。 根据业务线进行容灾能力建设的不同阶段,我们从对产品实际可性影响程度、成本、果等方面权衡,将盲测分为三种类型: 无损盲测:仅从监控数据层面假造故障,同时被测业务可根据监控数据决策流量调度目标,对于业务务实际无影响,主要验证故障处置流程是否符合预期、入级流量切换预案是否完整。 提前通知有损盲测:真实植入实际故障,从络、连接关系等基础设施层面植入真实错误,对业务务有损,于实战验证产品线各个组件的逻辑单元隔离性、故障应急处置能力。同时提前告知业务盲测时间和可能的影响,业务线运维人员可以提前准备相应的止损操作,减少单机房止损能力建设不完善导致的损失。 无通知有损盲测:在各业务线单机房容灾能力建设完成后,进行不提前通知的有损盲测,对业务来说与发生真实故障场景完全相同。真实验证业务线在单机房故障况下的止损恢能力。 单机房故障止损流程 一个完整的故障处理生命周期包括感知、止损、定位、分析四个阶段。
布****五 2018-07-10
如何执行一条命令
任务调度问题:为了达到在任意多台务器上执行命令的要求,需要确定何时分发命令、何时回收结果以及怎么样的并发度批量下发。 消息传输问题:为了保证命令高正确送达目标务器,需要构建一个可靠的命令传输络,使命令信息在准确送达的前提下保障传输的可靠与高,毕竟百度的几十万台务器分布在世界各地。 理执行问题:为了更好的处理权限、单机并发等单机执行问题,需要在目标机构建执行理,以应对单机的杂执行环境。 图2简单问题放大后也变得困难 百度目前拥有分布在世界各地的几十万台务器,并且随着业务的不断扩张,这个数字还在持续增长,构建一个高稳定通可扩展的命令描述、传递、执行系统在这样的环境中有着重要的现实意义。对百度各产品线的户来说,这样的一个系统,最基础的要求是:执行高,控灵活,扩展方便。 1.执行高: 单机执行,要求能够达到秒级命令下发/执行/结果收集。 集群执行,要求支持同时在10万台务器上并行执行,同时保证集群中每个机器达到单机执行的性能。 2.控灵活: 单机控,要求支持暂停、取消、重做功能。
TOP