关于 百度快排系统发帖软件σσ:171616 的搜索结果,共841
l****4 2020-08-27
强烈建议优化百度carLife 语音识别问题
太差了,还是哪个吗?好山寨的车机
1****2 2018-07-09
安全:AI 是工程 需要真正开放的安全护航
根据安全的总结,AI 的安全既包含传安全层面,比如AI 的硬、 框架、协议等,也包含AI 自身层面的安全,比如错误地引导机器学习,以达到攻 击者的目的,或者破坏机器学习的样本,让机器学习得出错误的结果。 在最近的GeekPwn 极棒破解大会现场,安全实验室的研究员只用一张打印的A4 纸晃了晃,就成功秒破了某安卓智能手机的人脸识别认证,虹膜和指纹也相继 被破解。AI 时代,人脸识别、指纹密码、人眼虹膜认证等生物认证方法,取代了传 的密码。很多人认为生物识别的唯一性保护了我们的隐私。但事实上,这种想法实在过 于简单。要知道,当你成功把自己变成一个活着的人体密码的时候,也就成为了黑客的 重要“资源”。 云管端一体化的AI 安全方案 在这次OASES 联盟成立的布会上,安全宣布向联盟成员开放了其在AI 生态上的多项安全能力。官方的说法是,希望在智能终端领域,通过专利共享、技术开源、标准共建,与联盟合作伙伴共同推动安全技术与服务的应用落地,共建安全的AI 时代。
j****2 2018-07-10
大脑开放日来袭 24种全新AI能力呈现
在深学习基础之上,大脑通用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:语音方面推出了语音识别极速版,首次对外开放搭载国际领先的注意力(attention)模型的语音能力,拥有更的响应速,相对识别准确提升15%,为开者带来更极致的识别体验。此外,语音识别预置语义解析全新升级,预置场景由35个升级为51个,从影视娱乐到外卖打车,语义解析效果全面提升。另外,还预告了即将推出的几款新产品,包括语音识别自训练平台、远场语音开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新增了户口本、出生医学证明、港澳通行证和台湾通行证四类新能力,可识别卡证总数达到9种。只需对着你的户口本拍一张照片,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、性别、身份证号码。而票据OCR和汽车场景OCR也分别新增了行程单、保单、通用机打票、定额票、车辆VIN码、机动车销售票、车辆合格证等识别能力。
x****7 2018-07-10
从外行进阶专业 传企业AI转型差的可能只是一个EasyDL
佛山供电局输电管理所将存在桩机、吊车、挖掘机、运货运水泥大型车的现场1000张隐患图像,使用EasyDL定制化图像识别进行训练,经过3个月的训练,更新了10个版本,最终获得“输电线路外部隐患识别”模型,该模型可以识别出输电线路中存在的吊车、挖掘机等外部隐患,目前识别准确率达到80%,超出预期,并且以2-3周更新一次模型的频率持续训练,准确率在不断提升。 源创电喷位于广西柳州,是一家生产汽油机电喷的公司。为汽车动力中的关键部,喷油器质量要求非常高,过去,源创只能用人工肉眼来检测喷油器阀座瑕疵,每日平均检查4000-6000,峰值是12000,整个视觉判断工序,需付出4~7人每班的复核人力,是投入产出比最低的工序之一。 依托EasyDL定制化训练和服务平台,柳州源创构建了自己的喷油嘴识别模型,结合原有业务流程和硬,先通过自动化上传每次采集待测样品图片,然后实时上传已通过的识别模型进行判定,再返回相应的处理结果,最后由自动化将样品进行分类流转。
y****i 2018-07-11
做容器云的最佳用户
容器编的核心优势 很多人都说容器云是“私有云谁用谁爽,公有云谁用谁丧”,其实原因就是:容器云需要开人员配合才能用好,而容器编比容器自身更重要。K8S与其说是Docker的竞争者,不如说是容器行业的庇护者。有了K8S这个容器编,虽然Docker技术不那么醒目了,但其可用性更高更接地气了。 单纯用Dokcer的容器,更像是个封装的比较彻底,做足了资源隔离的JVM。研人员只在程序出错时才会关注Runtime,而运维人员没感觉到这有什么酷的,但确实容器云已经有存在的价值了。比如说OpenStack、PaddlePaddle这类新兴和开框架的部署环境没那么简单,用Docker包一层就变的非常友好了。 对于持续集成和交付场景来说,以前我们是硬压着研和测试,务必保持版本一致、务必保证文打好包,从不盲信回滚预案,必须后半夜上线,就这样还天天出故障;现在自动上线的压力确实小多了,大家都可以放心测试生产环境一致、保证文不漏传、可以和Git无缝集成,可以扔给研和测试半自助上线了。这就是我前文所说的,容器速部署的优势在于决策的、操作的简单。
b****z 2018-07-11
智能运维基础-运维知识库之ETL
自适应ETL,是我们针对适用范围较广的数据源(如名字服务BNS、Noah监控平台、Noah部署平台等)开的,用户仅需配置好ETL规则,自适应调器会自动解析规则,并将数据按规则接入运维知识库。 基于SDK的自定义ETL,是我们为其他数据源提供的ETL方式,用户基于我们提供的SDK可以开各种数据源的ETL脚本,配置好调策略,通用调器根据调策略执行ETL脚本,即可将数据接入运维知识库。 2Push ETL Push ETL采用消息队列(MQ),来支持时效性高的数据建设。数据源生变更时,需要将变更消息推送至MQ,运维知识库订阅、消费这些消息,并转换、存储数据。 如下图所示,用户基于SDK开Push ETL脚本,调器执行脚本并保证其一直处于执行状态。数据源推送变更消息至MQ,Push ETL脚本订阅MQ中的变更消息,将变更的数据转换成一的模型并存储在知识库中。 3Lazy ETL Lazy ETL是为实时数据查询而提供的ETL模式。在运维领域我们需要看到的某些元数据/状态的实时变化,比如实时路由数据、监控的时序数据等。
布****五 2018-07-10
如何执行一条命令
图3集群控制架构 截至目前,CCS已经部署在全的所有机房中,用户可以方便的在任意一台机器上进行秒级命令下和结果收集,日均承载数亿次来自各产品的接口调用。关于数据模型、传输模型、执行代理这“分布式命令三要素”的设计及应用,我们将在下一篇文章中详细介绍。
w****0 2018-07-11
单机房故障自愈-黎明之战
我们来具体看下的监控与流量调是如何在单机房故障止损场景中起作用。 故障现:监控平台 监控平台,针对单机房止损过程中的可用性场景,覆盖故障现、止损决策、问题定位各阶段的监控。同时针对单机房止损依赖的容量管理场景,提供资源类监控采集,为容量规划、扩缩容提供数据支持。实现从运营商外网链路、内部网络设备/链路、服务/实例、机器/容器的全方位数据采集与监控。满足网络类单机房故障、业务类单机房故障的监控覆盖需求。 同时提供一列数据分析方法。如智能异常检测、趋势预测、多维分析、关联分析、服务和链路拓扑分析,实现故障的精准现和定位。 故障止损:流量调平台 针对的网络架构和业务架构,我们将流量调拆分为三层:接入层、服务层、依赖层。 接入层:从外网用户起请求经过运营商网络到一前端(BFE)的过程,使用DNS实现外网流量调。 服务层:从BFE流量转至内网服务的过程,使用BFE提供的GSLB动态负载均衡进行流量调。 依赖层:内网上下游业务之间的流量调过程,使用名字服务(BNS)进行流量调
金****洲 2018-07-10
混乱的集群遇见TA 从此岁月静好
当裸机启动之后,这个便以root身份运行,能保活自己,还能托管维护其余基础设施,后续迭代升级也能自动完成,整个流程高自动化,不需要人工介入,极大地降低运维成本。 第二天 工程师们说:“这个必须运行稳定,性能卓越,支持跨平台(Linux、Windows、ARM)安装,要做到同时管理上万台服务器,一点儿都不慌”。 第三天 工程师们说:“这个不能像瑞士军刀,而应该重剑无锋、大巧不工,仅支持基础设施的维护管理,要能做到速扩缩容!出现问题能立刻回滚,保障云环境的安全和稳定。” 第四天 工程师们说:“这个还要做到‘麻雀虽小,五脏俱全’!要为基础设施提供虚拟化容器隔离,应用部署,应用拓扑搭建和集群控制的功能。为应用的整个生命周期保驾护航,提供一条龙服务。” 总之就是四个字,“轻”、“稳”、“专”、“全”,对于这一切,工程师们很满意。 于是云的工程师们结合历年来云计算的经验与技术沉淀,潜心打磨,匠心打造,最终强势推出新一代私有云云基础设施管理引擎HALO。 Q:HALO是什么?
流****水 2018-07-11
云企业级运维平台——NoahEE
如图来总结部署的能力: 图4 部署管理 监控管理 在任何工作里,信息掌握的全面与否往往关乎到工作的成败。“知己知彼战不殆”这句话说的就是这个道理。运维工作中,监控就是这个让我们做到这点的关键。是否工作正常,出了问题是否能及时现与报警,甚至是对异常事等进行提前预测,都仰仗监控。在NoahEE的监控管理模块中,你可以期待全面的各种监控相关功能,包括了采集Agent、强大的汇聚计算与指标派生、灵活的报警机制、高效的时序数据库(TSDB)等等。除了这些以外,考虑到企业中更复杂的监控场景,例如通过SNMP/IPMI等标准协议对于网络设备等进行数据采集,报警通知方式可以自定义,支持和企业内通讯例如Lync等进行整合。NoahEE的这些监控能力,可以让你全面掌握运维工作的方方面面,各种问题洞若观火。
TOP