关于 新浪大数据外推软件_q扣89651584镇海招宝山小度路由必看 的搜索结果,共1215
C****X 2018-07-10
群雄逐“图”,百缘何备受关注?
这么来,百高精地图的采集目前还并未涉及到其他的采集方式,例如步采背包以及无人机,是否会在这方面有所调整呢? (图片来源于网络) 目前百的高精地图以满足L3级别自动驾驶的要求为标准,所以采集的道场景以高速公为主。采集车队总量达280台,其中具备高精地图采集能力的车辆约40多台,单车设备成本在100万人民币左右,自动化处理程可以超过 90%。 地图的管理与更问题 关于地图的管理,自动驾驶领域专家刘少等专家表示,无人车使用的高精地图是2D网格,主要激光雷达提供。 于激光雷达的精约是5厘米,所以地图的最高精可以达到每个网格5×5厘米,在如此高倍的精下,如何有效管理是很“麻烦”的一事儿。 一般情况下,激光雷达可覆盖方圆100米范围,假设每个反光强可以用一个字节记录,那么每次激光雷达扫描后就可产生4MB。 但是这种扫描会涵盖公旁边的树木及房屋等,实际上无人车行驶并不需要这些,只需记录公表面的过滤就成为关键一步。 过滤中,通常可以使用无损压缩算法,例如LASzip,有望达到超过10倍的压缩率。
l****4 2020-08-27
强烈建议优化百度carLife 语音识别问题
太差了,还是哪个百吗?好寨的车机
小****园 2018-07-10
让PB级云存储不再神秘
读取的性能也不是问题,互联网类型的缓存命中功率极高,一台缓存可以减负一堆元和存储服务;一下要读几百T的然是多链接,每个存储节点都会分到读取任务的,而且应用要读这么多不会要秒级完成任务,五分钟内完成下载就是闪电速了。 回收空间的性能 前文提到都是顺序写硬盘,这样文删除时回收空间很慢,但4T盘费50%的空间也比买15K盘或者SSD合算,某些规模或超有钱云存储都没做回收空间这个功能。 当文有计划内滚动删除需求需求,比如说互联网安防监控,一般是用两副本或单副本群集扛性能,为回收空间要费50%空间,也有公司在开发快删专用的环形存储结构。如果进了纠删码才被删掉,比如说走了个PB级相册客户,那费磁盘空间的损失可能要持续半年以上。 去重问题 对象存储不做去重功能,着简单的功能背后都有蛛网一样的复杂考量,元服务、计费服务、存储服务、增逻辑、删逻辑、回收空间逻辑、用户资源隔离逻辑都会因为这个很炫的功能被彻底改变。
h****l 2018-07-09
时代下的隐私保护(二)
如果公开的说住在五道口 的明爱买电子产品,那么这显然就是隐私泄漏了。但是如果中只包含一个区域的 人的购买偏好,就没有泄露用户隐私。如果进一步讲,家都知道明住在淀区五道 口,那么是不是明就爱买点此产品了呢?这种情况算不算事隐私泄漏呢?答案是不 算,因为家只是通过这个趋势测,并不显示明一定爱买电子产品。 所以,从隐私保护的角来说,隐私是针对单个用户的概念,公开群体用户的信息不算 是隐私泄漏,但是如果能从中能准确测出个体的信息,那么就算是隐私泄漏。 隐私保护的方法 从信息时代开始,关于隐私保护的研究就开始了。随着不断地增长,人们对隐私越 来越重视。我们在讨论隐私保护的时候包括两种情况。 第一种是公司为了学术研究和交流开放用户,学术机构或者个人可以向库 发起查询请求,公司返回对应的时需要保证用户的隐私。 第二种情况是公司作为服务提供商,为了提高服务质量,主动收集用户的,这些在 客户端上收集的也需要保证隐私性。
M****H 2018-07-11
故障定位场景下的可视化实践
通过事类型标签,打开或关闭某一类事的展示,优先排查最有可能的根因。同时对于每一类事的支持细分筛选,用户可以自定义事筛选的条,支持多项选择、文本模糊匹配等多种方式,使得定位范围一层层缩,最终找到问题根因。 总结 以上我们介绍了百智能监控平台在全局故障分析、细分维定位、事关联定位三个故障定位阶段中进行的可视化探索。当前百智能监控平台已成为百业务可用性保障不可少的利器。 可视化能力的优势不仅仅在故障定位场景中突出体现。还能应用在更多的分析领域。我们未来会进一步介绍百智能监控平台在应用性能分析、商业分析等领域的实践成果,欢迎各位继续关注。
b****z 2018-07-11
智能运维基础-运维知识库之ETL
在运维领域我们需要到系统的某些元/状态的实时变化,比如实时、监控系统的时序等。Pull ETL于是周期性的执行,因此在时效性上无法满足需求;Push ETL需要源进行改造,有一定的成本,且变更消息传输存在一定的延迟,无法实时查询到最。 因此,如下图所示,我们采用另一种经典方法Federation(Lazy ETL)来实现集成:即运维知识库处理用户查询时,直接调用接口去访问原始源,按schema转换后,返回给用户。 总结 本文主要介绍了百云Noah智能运维产品中的运维知识库之ETL。针对不同业务场景使用的,提供不同的ETL方式。针对离线建设,采用Pull ETL周期性从源获取,此综合考虑接入收益和成本,提供了自适应ETL以及基于SDK的自定义ETL;针对时效性高的建设,采用Push ETL,源主动送变更到运维知识库中;针对实时建设,采用Lazy ETL,在查询时回源获取并进行转换。有对运维知识库和ETL感兴趣的同学,欢迎留言探讨。
j****2 2018-07-10
脑开放日来袭 24种全AI能力呈现
在深学习基础之上,百脑通用AI能力开放涵盖语音、视觉、自然语言处理、知识图谱等全面AI技术。 语音方向:语音方面出了语音识别极速版,首次对开放搭载国际领先的注意力(attention)模型的语音能力,拥有更快的响应速,相对识别准确提升15%,为开发者带来更极致的识别体验。此,语音识别预置语义解析全升级,预置场景35个升级为51个,从影视娱乐到卖打车,语义解析效果全面提升。另,还预告了即将出的几款产品,包括语音识别自训练平台、远场语音开发套和语音离线合成等产品。 视觉方向:OCR、车辆分析、人脸人体、图像识别都有重磅升级。比如卡证OCR增了户口本、出生医学证明、港澳通行证和台湾通行证四类能力,可识别卡证总达到9种。只需对着你的户口本拍一张照片,系统就能字段进行结构化识别,然后反馈出信息页的出生地、出生日期、姓名、民族、与户主关系、性别、身份证号码。而票OCR和汽车场景OCR也分别增了行程单、保单、通用机打发票、定额发票、车辆VIN码、机动车销售发票、车辆合格证等识别能力。
不****主 2018-07-09
高精地图
Apollo高精地图的构建 高精地图的构建五个过程组成:采集、处理、对象检测、手动验证和地图发布。 采集是一项庞的密集型任务,近300辆Apollo测试车辆负责收集用于制作地图的源,以便确保每次道发生改变时,地图均会得到快速更。测试车辆使用了多种传感器,如GPS、IMU、激光雷达、摄像机。Apollo定义了一个硬框架,将这些传感器集成到单个自主系统中,通过支持多种类的传感器,Apollo收集各类将这些融合,最终生成高精地图。 处理指的是Apollo如何对收集到的进行整理、分类和精简,以获得没有任何语义信息或注释的初始地图模板。 对于对象检测,Apollo使用人工智能来检测静态对象并对其进行分类,其中包括车道线、交通标志、甚至是电线杆,手动验证可确保自动地图创建过程正确进行并及时发现问题。Apollo使手动验证团队能够高效标记和编辑地图,在经过采集、处理、对象检测、手动验证之后,高精地图才能发布。 除高精地图,Apollo还发布了采用自上而下视图的相应定位地图、三维点云地图。
思****来 2018-07-11
重磅:构建AIOps的MNIST
正在上… 除了上述已有功能,一波更正在上,接下来还会有: 更快的加载速,标注过程更加流畅:在原型实现中,包括库、网络交互在内的诸多工程细节都没有进行针对性优化,导致标注中会出现轻微卡顿情况,这些卡顿将在下一版完整修复。 在线的标注工具,打开即用:在前期试用中发现,对于标注人员,从源代码开始部署一个服务比较麻烦。为了让使用者更加方便,我们会在收集足够意见反馈后整合出一个SaaS化的标注平台,让标注人员即开即用。 拉一波标注出来祭天:在调研时发现,时序异常检测领域缺少一个类似MNIST的标准集,虽然有部分高校给出了一些集(如石溪学的http://odds.cs.stonybrook.edu/),但是这些集过,难以用于统计方法和机器学习方法建模。为了让更多有想法但是接触不到的同学有条参与相关探索,我们将公开部分标注,和家一起建设一个公共的标准集。 INVITATIONS 上文中提到的各种基础功能优化和辅助功能均通过插的形式实现,家可以参照给出的样例方便地编写适合自己场景的插
G****H 2018-07-09
【 开发指南 】内容播报技能,持续更
2、教学视频 点击观 3、开发步骤 开发流程详见文档:https://dueros.baidu.com/didp/doc/dueros-bot-platform/dbp-broadcast/news-broadcast_markdown 内容播报格式 闻:https://dueros.baidu.com/didp/doc/dueros-bot-platform/dbp-broadcast/news-broadcast_markdown 有声:目前暂未上线,敬请期待;可以先使用自定义技能来实现; 资源文注意事项(符合特定的Schema) XML格式 Encoding=“UTF-8” 单个文 <10 Mb,且每个文记录 <50000条;否则需要拆分; 同一结构中,标签应按照文档中的标签序号排列 拆分后的文的URL,需要整理成一个的文,这个的地址作为资源地址提交到平台 source_name是对应的技能Id 如何调试播放效果 在线校验 直接粘贴资源文(全部\部分)的内容,系统会自动进行校验并提示是否存在错误; 模拟器测试 资源地址和格式校验通过后,可以在模拟测试里按照提示进行调试
2018-07-10
解密开源这门生意——商业角开源
前言 很多朋友都问过我,开源技术究竟好在哪里,一个公司拥抱开源是不是加分项,参与开源的人是不是很酷的技术牛。本文抛开虚浮的情怀和热情,我们从商业和管理的角开源。 1. 本质是对抗认知垄断 远古期的计算机没有版权概念,每一份代码都是一份全人类都可以学习借鉴的教学。 随着商业的兴起,商业公司倾向于将代码当做秘方保护,引入了版权的概念。闭源实操过程中有如下缺点: IT技术无法跨跨公司进行交流,行业人才培养的很慢; 一个只能在很可控范围内迭代,的进步速偏慢; 公司的商业策略以盈利优先,可能会掐灭技术革; 一个黑盒化的交付物,交付质量只能靠商业信誉保障; 商业总是试图建立垄断,黑客们警惕着垄断的恶行。 在版权限制下感到压抑的IT精英,自发动开放源代码的交付方式,其中最出名的是GNU计划。GNU计划的重点是对抗IT技术认知垄断,更自的传播IT知识;GNU等开源计划既不是为了开源公司的商业利益,也没要给参与者发高级技工证书,更不会因为开源而强行免费。
x****3 2018-07-10
零基础认识深学习——猿人的第一次直立行走
前言 人工智能是当今的热议行业,深学习是热门中的热门,尖上的潮,但对传统IT从业人员来说,人工智能技术到处都是模型、算法、矢量向量,太晦涩难懂了。所以我写了这篇入门级科普文章,目标是让IT从业者能清读懂深学习技术的特点,以及我们如何从中受益,找到自己的工作。 一、人工智能的天时地利人和 行业的成熟要靠从业者的奋斗(人和),也要考虑环境和历史的进程(天时和地利)。人工智能技术的井喷并不是单纯的技术进步,而是、硬三方面共同努力水到渠成的结果,深学习是AI技术的最热分支,也是受这三方面条的限制。 AI所依赖的算法已经存在很多年了,神经网络是50年前提出的技术,CNN/RNN等算法比部分读者的年龄都要。AI技术一直被束之高阁,是因为缺乏硬算力和。随着CPU、GPU、FPGA硬的更,几十年时间硬算力扩充了万倍,硬算力被逐渐解放。随着硬盘和带宽的降价提速,20年前全人类都没几张高清照片,现在单个公司的量就能达到EB级。技术只能读写结构化日志,要读视频和图片须用AI,人类已经盯不过来这么多摄像头了。
笑****山 2018-07-10
监控专用对象存储的畅想
每天都有用监控抓偷的闻,监控行业的价值已经得到社会认可和买单;监控视频是最容易实现PB级文容量和百亿级文量的场景,摄像头量越来越多、清晰越来越高,而文管理、存储和分析的压力也越来越。 监控厂商自己做的堆盘式存储是个临时应急性方案,而且客户要求开放式管理监控视频,中立又可靠的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,我们能做的都是优化选型,过去针对http访问场景的优化选型,现在要做的是贴合监控场景的优化选型。 从客户访问和内部实现的角,本文分为“访问界面”“读写代理”“元设计”“存储实现”四部分。 访问界面 这里指的是应用程序访问界面,而不是自然人访问界面。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,且监控厂商已经有方案,低优先级处理该功能。 要不要提供文系统级访问接口?优先要求监控厂商使用存储SDK读写和管理监控,但可以考虑开发只支持明确径文的写入和读取、不支持文的管理和遍历的伪文系统驱动,这样才不会给元服务造成负担。 要不要贴合业务做URL规范?
5****a 2018-07-11
监控专用对象存储的畅想
每天都有用监控抓偷的闻,监控行业的价值已经得到社会认可和买单;监控视频是最容易实现PB级文容量和百亿级文量的场景,摄像头量越来越多、清晰越来越高,而文管理、存储和分析的压力也越来越。 监控厂商自己做的堆盘式存储是个临时应急性方案,而且客户要求开放式管理监控视频,中立又可靠的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,我们能做的都是优化选型,过去针对http访问场景的优化选型,现在要做的是贴合监控场景的优化选型。 从客户访问和内部实现的角,本文分为“访问界面”“读写代理”“元设计”“存储实现”四部分。 访问界面 这里指的是应用程序访问界面,而不是自然人访问界面。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,且监控厂商已经有方案,低优先级处理该功能。 要不要提供文系统级访问接口?优先要求监控厂商使用存储SDK读写和管理监控,但可以考虑开发只支持明确径文的写入和读取、不支持文的管理和遍历的伪文系统驱动,这样才不会给元服务造成负担。 要不要贴合业务做URL规范?
TOP