关于 如何做寄生虫排名〖_q扣1716160940〗 通化县百度经验 的搜索结果,共1007
小****盈 2018-07-09
成和发布Docker镜像?
概述 本文档将演练一次成和发布Docker镜像到Docker镜像数据中心的步骤。 成发布版本镜像 首先,键入指令exit退出Docker容器环境。 然后,成一个新的Docker镜像: bash apollo_docker.sh gen 果出现下述的报错,则需要检查一下文件夹${HOME}/.cache/apollo_release/apollo/是否存在,镜像文件默认存放在该文件夹下。果不存在该文件夹,则需要新创建一个。 Release directory does not exist! 上述指令将在发布版本的文件夹内成一个新的Docker镜像。发布版本镜像被命为 release-yyyymmdd_hhmm。同时,最近构建的镜像文件会被标记为 release-latest。
j****2 2018-07-10
大脑开放日来袭 24种全新AI能力呈现
3月20日,首场大脑开放日全新登场,介绍了全新开放的24种全新AI能力,AI赋能市政、物流、教育等行业的20个案例,也为向开发者、行业人士展现了搭上AI开放态的高速列车。 大脑开放日来袭 作为在人工智能领域多年研究成果的集大成者,大脑正在飞速进步着。自2016年启动开放以来,大脑目前已是服务规模最大的AI开放平台,开放了158项AI能力,24小时快速集成,开发者数量超过100万,面向广泛的企业和开发者提供最先进、最全面的AI能力,不断降低AI应用落地的门槛。 AI技术态部总理喻友平谈到,“在大脑的开放态中,开发者一直是最为重要的一环。大脑开放能力不断加速,有很多有价值的技术难以被开发者了解。2019年大脑开放日全新登场,希望为AI开发者提供及时、全面、近距离地了解大脑最新AI产品和案例,且能深、持续交流的平台。” AI技术态部总理喻友平 首期开放日,喻友平介绍了大脑开源深学习平台PaddlePaddle以及用AI能力两方面的技术和产品更新,以及大脑在市政、物流、教育等行业的落地案例,与开发者们进行深交流。
h****0 2018-07-09
【 开发指南 】智能家居技能
DuerOS会过数据训练和算法升级不断优ASR识别情况,也欢迎各位开发者为我们提供建议和需求一同优技能体有识别率较低的词句,欢迎将此类例子及常见表达方式或误识别结果反馈给我们,定向的提优。 五、智能家居文档 树状提纲
C****X 2018-07-10
群雄逐“图”,备受关注?
高精地图采集设备 RIEGL VMX-1HA (参考资料:http://www.riegl.com/nc/products/mobile-scanning/) 简单说,就是把 GPS、点云、图像等数据叠加在一起,进行道路标线、路沿、路牌、交标志等道路元素的识别。此外,果同一条道路上下行双向采集后带来了数据重复, 也会在这个过程中被自动整合,去掉重复内容。 人工证、发布这一步是需要人工完成的,属于内部操作。 尽管现在自动水平发达,但依然不能完全分之的准确无误,所以还是需要进行一轮人工证。 就需要从云端下载需要证的路段数据,将自动处理后的高精地图数据和对应位置的图像信息进行比对,找出错误的地方并进行更正,其中每个员工每天需要操作30-50公里的测绘数据。 这些改正后的数据不会保存在本地,而是上传到云端,最终的高精地图成品也会过云平台分发。 高精地图究竟应用? 据了解,现在的高精地图涉及到云端服务,就是以服务的方式,将云端已采集好的高精地图以数据的形式分发。 此外,关于路径规划问题。例一辆自动驾驶的汽车,需要某条车道高精地图的数据。
M****H 2018-07-11
故障定位场景下的数据可视实践
干货概览 拥有上条产品线,数十万的服务,每个服务时时刻刻都在产着海量的监控数据,形成的监控项规模总数已达数十亿。面对此海量的数据,在日常运维(故障诊断、成本分析、性能优等场景)过程中,传统的统计图表难以有效直观地展示此庞大的数据。因此,优秀的监控数据可视产品就呼之欲出,他既要数据准确、全面、时效性高,也需要提升用户的使用体,使其能在茫茫数据中一眼就能发现想要观察的数据。 那么怎么才能适应用户需求、完成精准展示,同时又能挖掘数据价值呢?下面我们从故障诊断的场景出发,来看智能监控平台是充分利用数据可视武器来解决实际业务问题的。 故障定位可视思路 在标准的故障处理流程中,故障定位一般可分为两个阶段: 故障止损前:期望可以快速获得可用于止损决策的信息,出相应的止损操作使得服务恢复。比过确定故障范围,调流量绕过故障机房或摘除故障实例等。 故障止损后:仍需要进一步找到导致故障的深层次原因,确定故障根因,将线上环境恢复到正常状态。
c****2 2018-07-10
个性推荐(一)
整个系统由两个神网络组成:候选成网络和序网络。候选成网络从万量级的视频库中成上个候选,序网络对候选进行打分序,输出最高的数十个结果。系统结构图1所示: 图1. YouTube 个性推荐系统结构 候选成网络(Candidate Generation Network) 候选成网络将推荐问题建模为一个类别数极大的多类分类问题:对于一个Youtube用户,使用其观看历史(视频ID)、搜索词记录(search tokens)、人口学信息(地理位置、用户登录设备)、二值特征(性别,是否登录)和连续特征(用户年龄)等,对视频库中所有视频进行多分类,得到每一类别的分类结果(即每一个视频的推荐概率),最终输出概率较高的几个视频。 首先,将观看历史及搜索词记录这类历史信息,映射为向量后取平均值得到定长表示;同时,输入人口学特征以优新用户的推荐效果,并将二值特征和连续特征归一处理到[0, 1]范围。接下来,将所有特征表示拼接为一个向量,并输入给非线形多层感知器(MLP,详见识别数字教程)处理。
红****2 2018-07-10
故障自愈机器人,保你安心好睡眠
单机房故障自愈解决方案概述 AIOps框架中,单机房故障自愈解决方案构建在运维知识库、运维开发框架、运维策略框架三个核心能力之上。具体过程为自愈程序搜集分散的运维对象状态数据,自动感知异常后进行决策,得出基于动态编规划的止损操作,并过标准运维操作接口执行。该解决方案策略和架构解耦,并且托管到高可用的自动运维平台之上,实现了业务在任意单个机房故障情况下皆可自愈的效果。 截至目前该方案已覆盖大多数核心产品,止损效率较人工处理提升60%以上。典型案例: 在8月28日某产品在单机房故障发后1min55s完成止损。 在后续文章中我们会继续介绍单机房故障自愈的更多详细内容,敬请期待! 单机房故障容灾能力的建设 在容灾能力建设中有哪些常见问题? 证明服务已具备单机房容灾能力? 单机房故障人工止损方法 人工止损时感知服务故障? 人工止损时收集故障信息? 人工止损时进行流量调? 单机房故障机器人止损方法 设计单机房故障自愈整体方案? 降低流量调风险? 应对不同业务流量调策略和平台的差异?
1****9 2018-07-11
【强势出击】第二期大脑体师来袭
4月25日,大脑开放日第二期正式开启 与第一期有所不同,第二期大脑开放日,介绍了多种用 AI新 能力;除此之外,还推出了两个新的定制训练平台-帮助开发者更简单高效地训练出满足细分场景的业务模型。 无论你是资深AI开发者,还是AI初体者,加入“大脑新品体师计划” 分享改进建议、使用技巧/攻略或者有价值有意思的案例,与我们一起推动大脑进,帮助他人一起成长,探索AI前沿应用。 我们将评选出“最佳”的内容和开发者,发布获奖公告、颁发大脑定制礼品、现金礼品卡等多重奖励! 【征集内容及要求】 产品改进建议或者您对大脑AI的新需求:描述清晰、字数不限 使用技巧 攻略:接入流程清晰具体、可读性可参考性强,不少于500字 有价值有意思的案例:场景、应用价值明确、图文结合,不少于500字 【参与方式】 在AI社区“交流”版块发帖:http://ai.baidu.com/forum/topic/add?
1****2 2018-07-09
安全:AI 是系统工程 需要真正开放的安全护航
它希望针对AI 安全能够发动整个产 业链的力量,联合终端厂商、安全厂商和研究机构,态开放、联合的力量,保护 各种智能设备的安全,最大避免AI 态出现安全和隐私的灾难。据悉,安全已 将上述的云管端安全方案对联盟内开放。 作为一个技术型的态联盟,它跟以往联盟最大的不同之处就在于实现了真正的开 放,不仅是提供单方向的服务,而且是核心基础技术开源,专利共享。这就打消了产业 链上的顾虑,有效地推动了核心技术落地,推动联盟之间的合作。 AI 时代,安全希望于行业联合和技术创新,让安全的天秤向防御的一方倾斜 一点,再倾斜一点。
w****0 2018-07-11
单机房故障自愈-黎明之战
问题:流量调导致其余机房服务过载,造成多个机房服务故障,造成更大范围的影响。 要求:容量建设需要对于每个逻辑服务单元都要有明确的容量数据,并具备N+1冗余,即任意机房故障情况下,其余机房均可承载这部分流量,同时需要保证服务变时及时更新数据和扩容服务,避免容量数据退。同时对于流量的变趋势,也需要有提前的预估,为重大事件流量高峰预留足够容量(节日、运营、假期)。 4.服务关联强耦合 描述:上下游服务使用固定IP或固定机器进行直接连接。 问题:单机房故障发时,关联的上下游之间无法进行快速的流量调止损。 要求:线上服务关联不允许使用固定IP或机器链接,需使用具备流量调能力的上下游连接方式以实现上下游依赖解耦,下游服务发单机房故障,可以快速调整路由比例实现止损。 单机房容灾能力--盲测收 完成以上四点单机房容灾能力建设后,业务线就具备了过流量调进行止损单机房故障的基本条件。那么证业务线是否具备该能力、能力是否出现退,我们采取盲测收的方式,模拟或真实制造故障,证不同业务线故障情况及止损效率,并给出相应的优意见。
Z****E 2018-07-09
产品迭代的最后一公里
针对这种状况,我们结合内部的实践和总结抽象,提出了包含自动部署、分级发布和智能变更策略的完整解决方案。这套解决方案将以智能变更产品的形态在云上落地,期待与您分享!
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EasyDL
所谓平台,即AI技术以最低的门槛向外输出,合作伙伴基于场景进行开发,用于解决实际问题;而的核心,就是核心技术平台不争利,放利给态伙伴,进而产巨大辐射效应。 EasyDL展示AI开放态的一种策略:用平台的思路,将AI规模落地,实实在在解决真问题。 近期,大量个人也正加入到EasyDL的开发者行列中来。比有位“天文迷”孙睿康同学,基于EasyDL设计了一个超新星自动搜寻系统,希望过对星云图片的AI技术分析,发现可能存在宇宙中的超新星,这一脑洞大型的研究成果,已被哈尔滨工业大学《智能计算机与应用》刊发。而孙睿康只是一高中,这清楚不过地表明了EasyDL在推动AI普惠上的可能性。 AI所带来的惊喜,才刚刚开始。 欢迎点击【EasyDL定制训练及服务平台】,了解更多产品内容。 需合作咨询可点击屏幕右下角标志,提交具体咨询信息;或可进入AI开发者社区,进行沟交流。
金****洲 2018-07-09
安全实室|机器学习对抗性攻击报告
我们不妨将Master 的60 连胜视为人工智能与人类交锋的信号和警报,在人工 智能时代人类完成自身的“刷新升级”值得每个人思考。同时其带来的安全问题也急需安全专家去突破。 科技的发展使人工智能离人类的活越来越近,其中隐含的安全问题也渐渐引起顶 级安全专家们的关注。本文由安全实室专家撰写,详细介绍了在GeekPwn2016 硅谷分会场上,顶尖安全专家们针对当前流行的人工智能图形对象识别、语音识别的场 景所采用的构造攻击数据方式和攻击演示。安全实室的专家对这些攻击方式提出 了独到见解,并对未来趋势进行了预测。 随着人工智能和机器学习技术在互联网的各个领域的广泛应用,其受攻击的可能 性,以及其是否具备强抗打击能力一直是安全界一直关注的。之前关于机器学习模型攻 击的探讨常常局限于对训练数据的污染。由于其模型常趋向于封闭式的部署,该手段在真实的情况中并不实际可行。
雾****士 2018-07-09
添加新的控制算法?
三、注册新控制器 要激活Apollo系统中的新控制器,请在下文件中的“ControllerAgent”中注册新控制器:modules/control/controller/controller_agent.cc 按照下示例添加注册信息: void ControllerAgent::RegisterControllers() { controller_factory_.Register( ControlConf::NEW_CONTROLLER, []() - Controller * { return new NewController(); }); } 在完成以上步骤后,您的新控制器便可在Apollo系统中效。 以下是本文章在Github上的Apollo模块的连接。后续我们还会发布更多的 Github 技术干货哦。 https://github.com/ApolloAuto/apollo/blob/master/docs/howto/how_to_add_a_new_control_algorithm_cn.md
f****8 2018-07-09
调试Dreamview启动问题?
果您在gdb backtrace中看到错误“非法指令”以及与 libpcl_sample_consensus.so.1.7 相关的内容,那么您可能需要自己从源代码重建pcl lib并替换docker中的那个。 这常发在您尝试在CPU不支持FMA/FMA3指令的机器上运行Apollo/dreamview时,它会失败,因为docker image附带的预构建的pcl lib是使用FMA/ FMA3支持编译的。
TOP