关于 百度霸屏系统源码360搜狗发布者软件一天上qq:8965158 的搜索结果,共1555
2018-07-10
解密开这门生意——商业角看开
而闭的安全问题,和开样看写代和查漏洞的人。 新接触开的开经常带着皈依狂热去鼓吹开质量,但这种狂热没有实质性帮助,贡献更好的代、观摩精妙的架构,才是开精英应该做的事情。
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,拥有更快的响应速,相对识别准确提升15%,为开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。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、机动车销售票、车辆合格证等识别能力。
****ac 2018-07-12
亿元免费算力 | 大脑AI Studio重磅推出算力支持计划
“提供总计1亿元免费算力,助力开成功”——大脑AI Studio 大数据、大模型、大算力是深学习展的必备因素,算力的重要性不言而喻。4月23日,首届 WAVE SUMMIT 2019深学习开峰会,站式开平台 AI Studio 重磅推出算力支持计划:豪掷1亿元免费算力,为普通开破除算力桎梏。 大脑AI Studio 大脑AI Studio是集合AI教程、代环境、算法算力、数据集和比赛的站式学习、开、交流平台。该平台旨在帮助开迅速掌握AI开知识,并熟悉模型创建,训练及部署的全过程。 大脑AI Studio中,项目有两个模式::卡(单机)和远程集群模式。 其中卡模式的配置此前以CPU为主。为了解决该模式下性能不足的问题,大脑AI Studio准备了大量的Tesla V100训练卡和相关资,总价值1亿人民币。 Tesla V100训练卡是当前性能最好的工业级训练卡之。根据英伟达的说明, 该GPU的性能是单核CPU的47倍。此举将普惠大脑AI Studio用户,破除用户的算力困境。
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 击的目的,或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、人眼虹膜认证等生物认证方法,取代了传 的密。很多人认为生物识别的唯性保护了我们的隐私。但事实,这种想法实在过 于简单。要知道,当你成功把自己变成个活着的人体密的时候,也就成为了黑客的 重要“资”。 云管端体化的AI 安全方案 在这次OASES 联盟成立的安全宣向联盟成员开放了其在AI 生态的多项安全能力。官方的说法是,希望在智能终端领域,通过专利共享、技术开、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。
h****e 2018-07-10
程序:我从哪里来?
干货概览 在计算机程序或服务的层次,我们来试着分析前面提到的几个问题。 问题 1.我是谁? 服务叫什么,服务包含了哪些实例,服务规模、部署情况、实例运行状况如何? 2.我从哪里来? 服务的游有哪些,不同的游流量如何分配? 3.我往哪里去? 服务的下游有哪些,不同的下游流量如何分配? 面对这样的问题,我们的答案是什么呢? 在的运维实践中,我们只需“BNS”就可以获得想要的答案。 BNS(Baidu Naming Service,名字服务)是云智能运维团队研套分式的名字服务,是云Noah智能运维产品中的个重要基础服务。它为每个服务赋予个独无二的名字,根据这个名字,我们就可以获取到这个服务的相关信息 ,这些信息包括:服务在机器部署信息(机器IP,部署路径,服务配置,端口信息),服务的实例运行状况等其他重要信息。简单来讲,它提供了个服务名到资信息的个映射关
疏****月 2018-07-09
线Archer | 持续部署的瑞士军刀
另外,Archer也可作为层服务托管平台的底层工具链,为PaaS平台提供稳定的底层部署服务。 通用场景 在内部,通用的部署需要适用于以下场景: 各业务线拥有各自的包规范,语言、框架不,部署策略不致; 支持分级,及时拦截部署引入的线故障; 业务的多地域部署; 多种网络环境及大包部署; 提高自动化效率,能够集成测试自动化流水线。 后面,我们将结合面场景,向大家介绍持续部署是如何实现的。 服务架构 整个由命令行工具、web服务、中转服务及单机agent+部署插几部分组成(如图2所示)。用户通过命令行工具触次变更,在web端进行参数解析及任务分,对应执行机器agent通过心跳获取任务后,调用部署插执行实际任务。涉及大包及不同网络环境的部署会进行中转下载。 解决方案 各业务线拥有各自的包规范,语言、框架不,部署策略不致 为避免杂乱无章又不规范的服务代及配置文的目录结构,Archer规定了套既灵活又完整的包规范。
金****洲 2018-07-10
混乱的集群遇见TA 从此岁月静好
Q新开的基础设施服务有问题,能立马回滚吗? Q可以做虚拟化资限制基础设施不占用过多的机器资吗? 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。 Q新到位10000机器,如何高效部署最新的基础设施?使集群中所有机器环境同质化? 管中窥豹,我们可以现如果在私有云或混合云场景中还是通过人肉运维的方式管理,那么管理效率将会十分低下,并且其中重复繁杂的操作,难以保证云环境的稳定性和安全性。急人之所急,需人之所需。云的工程师们便展开了场头脑风暴...... 原始太初 私有云中存在大规模的机器集群,集群中片空虚混沌,渊面黑暗,仅有字节流在其间穿梭。为有效地管控体量庞大的集群,合理分配资,降低运维成本,保障云服务穿越狂风暴雨,工程师们意识到:“必须要有个优秀来管控这混沌的集群世界!” 第 工程师们说:”这个要代表操作的意志!占用资少!对外部零依赖!装机自带!要能自升级和自保活!“。
流****水 2018-07-11
云企业级运维平台——NoahEE
图胜千言,我们看看资产管理的特点: 图3 资产管理 部署管理 应用部署直是运维工作中的重点,般来说,我们面临的问题有: 批量部署难,怎样定位目标机器?如何快速部署? 灰测试难,怎样通过灵活的部署方式,先进行小流量线测试,待效果达到预期后再扩大部署? 回滚难,现问题后怎样回滚? 面的第个问题,实际在服务管理中已经解决了,也就是说服务管理帮我们完成了资定位工作。其他的问题,NoahEE的部署管理模块通过“分级”来解决。在部署管理模块中,我们可以方便的定义并、部署步骤、影响范围以及暂停操作等,在部署的过程中现问题即可暂停并回滚至之前的状态。除了部署等操作,部署管理模块还提供了批量执行命令等操作(比如批量启停某服务)。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
b****z 2018-07-11
智能运维基础-运维知识库之ETL
运维知识库中的数据 运维知识库中包含了元数据(Meta)、状态数据(Status)、事数据(Event): 运维元数据(Meta)对运维实体世界进行建模,包括运维实体的属性、组成以及关联关等; 状态数据(Status)反应的状态,表征服务的存活性、资消耗或能力等; 事数据(Event)描述对做的变更、服务状态的异常等事。 ETL架构 运维元数据、状态数据、事数据分在几十个不同的中,随着业务的增长和相关的不断增加暴露出了以下几个问题: 数据分散,访问方式不致:同类型的数据分散在多个不同的,各提供不同的访问入口; 数据术语、概念、模型不致:各使用的术语、概念、模型各不相同,例如“应用”这个概念,每个或工具对于Application的理解都不尽相同; 间数据没有建立关联:例如部署、监控和路由服务等核心场景在运维数据没有打通,表现为部署平台、路由服务、监控所使用的服务管理机制各不相同,三个间的数据难以关联,且无联动性。
布****五 2018-07-10
如何执行条命令
部署升级 DevOps的概念如今日趋流行,部署升级越成为开运维过程中重要的环,频繁的交互意味着频繁的部署。部署过程可以拆解为两个小的步骤,是新包的传,二是服务进程的重新启动。服务进程的重新启动不必多说,包的传可能有多种方式,如sftp的集中式,p2p的点对点式等。 监控采集 运维过程需要时刻监控及业务的运行状态,各种运维决策都是以这些数据为依据进行的。随着自动化运维的展,很多运维动作都从人工执行变为了自动执行,自动执行的决策过程更是需要采集大量的实时信息(前期文章《大规模时序数据存储》中介绍的TSDB就是为了解决这些数据的存储问题而研的)。监控数据的来主要分两种,种是通过业务提供的接口直接读取状态数据,另种是通过日志/进程状态/状态等(如使用grep提取日志,通过ps查询进程状态,通过df查询磁盘使用等)方式间接查询。 无论是配置管理、部署变更还是监控采集,都有个共同的目的:控制服务器。在现阶段,要想对服务器进行控制,离不开“在大量服务器执行命令并收集结果”这基础能力,这也是今我们的主题“如何执行条命令”的意义所在。
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
Z****E 2018-07-09
产品迭代的最后公里
当我们谈变更时我们谈些什么? 产品的生命力在于不断的功能迭代。个新功能从需求产生到完整地呈现给终端用户,中间经过了调研、立项、需求分析、设计、开、测试等列步骤,而变更则是整个流程的最后步。具体来说,变更是指将产品功能的修改内容组服务器的过程。 变更过程可以简单到由个研人员手工将代传到台服务器,也可以复杂到万台机器的数据传输和命令执行。如果我们深入地考查整个变更过程,可以现无论变更过程本身如何变化,其中有些组成部分是不可或缺的,这里将其总结为变更三要素,即变更、变更策略、变更目标。 变更:描述变更涉及的具体内容,可以是程序、数据或命令; 变更策略:描述变更过程如何执行,包括但不限于顺序、并、失败容忍等; 变更目标:描述落地变更内容的个或多个目标机器,也可能是虚拟机或容器。
y****i 2018-07-11
做容器云的最佳用户
容器编排的核心优势 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,而容器编排比容器自身更重要。K8S与其说是Docker的竞争,不如说是容器行业的庇护。有了K8S这个容器编排,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,务必保持版本致、务必保证文打好包,从不盲信回滚预案,必须后半夜线,就这样还出故障;现在自动线的压力确实小多了,大家都可以放心测试生产环境致、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线了。这就是我前文所说的,容器快速部署的优势在于决策的快、操作的简单。
TOP