关于 盘零零百度网盘资源【十薇6525—3336】孽an 的搜索结果,共558
x****3 2018-07-10
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,浪尖上的浪潮,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从业者能看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),也要考虑大环境和历史的进程(天时和地利)。人工智能技术的井喷并不是单纯的技术进步,而是软件、硬件、数据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,也是受这三方面条件的限制。 AI软件所依赖的算法已经存在很多年了,神经络是50年前提出的技术,CNN/RNN等算法比大部分读者的年龄都要大。AI技术一直被束之高阁,是因为缺乏硬件算力和海量数据。随着CPU、GPU、FPGA硬件的更新,几年时间硬件算力扩充了万倍,硬件算力被逐渐解放。随着硬和带宽的降价提速,20年前全人类都没几张高清照片,现在单个公司的数据量就能达到EB级。大数据技术只能读写结构化日志,要读视频和图片必须用AI,人类已经盯不过来这么多摄像头了。
2018-07-10
解密开这门生意——商业角看开
这些部门需要高素质的技术人才,组织有挑战的开项目就像种下了梧桐树,更方便吸引到金凤凰。员工参与这些项目验证和增强个人能力,没参与项目也是在个有实力有美誉的技术部上班,这对技术人员是比年终奖更好的奖励。 某些技术大牛承认把内部项目开了就能带着码跳槽,但不开脑子一样有代码。而这套码依赖的环境也容易招到新牛补位,招聘高级研发的JD是千篇一律,而最佳验证码的环境是万一挑一。 这类公司肯开的项目都不是核心竞争力项目,相当于成本结了个善缘,比单纯靠高薪招人要灵活方便。 5. 开只是善因不算善果 开是个高热的正向概念,自然也就少不了搭便车蹭热的投机分子。 开社区参与者的素质在变低,开社区的代码质量在变差。菜鸟一样能参与开项目刷履历,而主导开项目的可能是个技术投机分子。老一代精英做的开项目有顶层架构设计和全场景测试,而码农主导的低质量项目只看代码和功能。 开社区的技术交流氛围也在发生变化,开本意是以码会友,但现在提pr提issue的码农,有几个看过前人写下的代码的?大部分都是看一眼说明文档就来github上指点江山了。
m****t 2018-07-11
设计中立公有云云管平台
但如果只是做简易云管平台,我的建议是用名称做不同用户的隔离标识,且让用户不可轻易修改该名称。比如说用户user1创建的云主机名字叫“web01”,那实际创建的云主机名应该是“web01.user1”,且“.user1”部分不可修改。这样通过后缀名就可以笨拙但有效的区分开不同用户的。 本文接下来的内容就是云管平台拿到的不同供应商,哪些是必要,哪些是可选;这些至少要进行哪种程的管理才能满足用户的基础需求,哪些功能用户嚷的响亮,但不是燃眉之急,可以放到二期三期来做。 第三必要云 云计算平台最早是对物理服务器的模拟,所以必须的云就是模拟物理服务器的。但云平台用SDN管理络,云主机无法像物理机一样自由发ARP广播,所以和主机络相关的配置也要单独管理。现在云平台都把云硬独立于主机之外单独管理,本地虚拟几乎绝迹。 当我们要设计云管平台时,最小必须的云计算为这几项: 1.云主机,2.云硬,3.公IP+带宽4.VPC+安全组5.负载均衡 一个云平台缺少这五项中任何一项,用户都不可能达到等同于自购物理机的效果,甚至最基本的功能都无法执行。
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
拿1000张图片使用EasyDL训练一个图像识别模型最快只需要8分钟;拿1000条音频来训练声音分类模型,只需15分钟;使用5000条数据训练文本分类模型,也只需8分钟。 由于EasyDL低门槛、高精、更轻快的特点,成为企业快速享受AI红利的首选。 用案例说话:门槛落地 自2018年4月正式发布以来,EasyDL用户量级迅速攀升。 截至2018年12月,EasyDL用户数达到10万,覆盖22个行业,已快速在售、安防、互联内容审核、工业质检、医疗、物流等应用落地,广泛渗透到各种职业场景和细分生活场景当中。 在EasyDL开发者中,有南方电这类巨头,也有一些中小型企业,他们都能训练最贴合自身业务的深学习模型。 中国南方电公司广东电公司直属的佛山供电局管辖范围内,输电线路约4500公里,16000余基杆塔单元,线路附近易发生外力破坏的施工点有300余处。
y****q 2020-09-01
百度app t7浏览内核广告屏蔽功能导致网页崩溃
我的蜀韵文学 m.sanwenzx.cn 在所有除外的浏览器都能正常使用评论功能。而这个就是不让站显示评论。广告屏蔽功能关闭就正常了。
小****园 2018-07-10
让PB级云存储不再神秘
电力也好机柜也好,IDC都是卖不出去就愿意接大客户,哪怕利润总好过闲置;但如果都卖给一个大客户了,这个IDC也就没接其他客户了。我很少考虑100PB以上的存储问题,也有这方面考虑。有些工程师吹牛皮说做过EB级存储,让他基于常识说一下自己的硬件投了多少。 结束语 上文为我对PB级对象存储知道的一切常识,PB级存储需求离你我业务越来越近,大家早做准备各自努力吧。
j****2 2018-07-10
大脑开放日来袭 24种全新AI能力呈现
更广、更快、更精的AI技术 深学习是AI发展的燃料。在深学习领域深耕已久,2016年,了深学习框架PaddlePaddle。此次,PaddlePaddle迎来两方面重大更新,核心框架Paddle Fluid v1.3新增发布业界首个视频分类模型库,新增支持NLP语义表示BERT模型,分布式训练性能大幅提升,大规模稀疏参数服务器Benchmark发布;同时,基于PaddlePaddle的深强化学习框架PARL,夺冠NeurIPS 2018。具有高灵活性和可扩展性,支持可定制的并行扩展,覆盖DQN、DDPG、PPO、A3C等主流强化学习算法. 目前,PaddlePaddle已对外开放超过50种经过工业场景验证的官方模型,例如,领邦利用PaddlePaddle,通过ICNet语义分割模型识别精密件瑕疵,实现件自动分拣。 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。
s****d 2018-07-11
亿元级云用户分析
销售铁三角对硬件池的包装,完成成本分析、交付服务展示和付款周期核算;在硬件池交付时,云厂商的优势长处是大规模交付和成本控制,至于短处么——家家有本难念的经。 3.2 CDN和带宽池 CDN和带宽池不同于服务器硬件,其原始是相对稀缺死板的广域带宽,其交付的是持续不断的服务,所以部署比较慎重但客户流动成本较低。制约客户全量迁移的是厂商的承载能力,而挖角和反挖时刻都在细水长流。CDN和带宽池首先考察的是企业内功,有没有廉价海量;再考验销售内部协调能力,能不能把好好价格抢到手里;而盯客户的套路和万级销售类似,工作力加大三五倍而已。 3.3数据存储池 数据存储池是很难年均摊营收上亿的,但定个1000万的小目标是能实现的;如果有1000万的非冷备存储池,那很容易带来数倍数倍的计算和带宽消费。存储是大订单曲线突破的好选项,还是AI和大数据项目的基石,我们和客户讲的是有技术含量的故事,需要精英售前给销售做幕后军师。
流****水 2018-07-11
云企业级运维平台——NoahEE
文章概览 过去的文章为大家介绍了云智能运维的方方面面,从监控、部署等传统的运维技术到智能异常检测、故障自愈等智能运维技术,这些运维基础能力和黑科技,是年来工程师对技术孜孜不倦求索的结果,也见证了运维年间的创新历程。很多同学在看了这些文章后,都在想如何把这些领先的运维技术与理念用到自己的工作中,但苦于建设运维平台不是一蹴而就的,成本也让人望而却步,于是不少同学都在希望我们能够有一个产品的形式输出这些技术,方便将这些前沿技术运用到自己的工作环境中。 在分析了各行业的运维场景与需求,结合历年来运维的经验与技术沉淀,并经过运维团队的精心打磨后,今天我们可以很骄傲的给大家呈现这个的运维产品企业版 – NoahEE。 在介绍NoahEE之前,有必要说一下内部的统一自动化运维平台Noah。Noah来于圣经中“诺亚方舟”的故事,我们用这个名字来寓意能够避免灾难,稳固而坚实的平台。作为一系列运维系统的集合,Noah包括了服务管理、机器管理、定位、监控报警、自动部署、任务调等等,已经服务了数年之久。
****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,助力开发者成功”——大脑AI Studio 大数据、大模型、大算力是深学习发展的必备因素,算力的重要性不言而喻。4月23日,首届 WAVE SUMMIT 2019深学习开发者峰会,一站式开发平台 AI Studio 重磅推出算力支持计划:豪掷1亿元免费算力,为普通开发者破除算力桎梏。 大脑AI Studio 大脑AI Studio是集合AI教程、代码环境、算法算力、数据集和比赛的一站式学习、开发、交流平台。该平台旨在帮助开发者迅速掌握AI开发知识,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::一人一卡(单机)和远程集群模式。 其中一人一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,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一。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。
3****3 2018-07-10
智能运维工程架构
背景:为什么要做智能运维 云智能运维团队在运维工具和平台研发方向历史悠久,支撑了全万规模的服务器上的运维服务,所提供的服务包括服务管理、定位、监控、部署、分布式任务调等等。最近几年,团队着力于发展智能化运维能力以及AIOps产品化建设。 众所周知,除了搜索业务之外,还有很多其他的业务线,有像地图、科、知道、这样的老牌业务,也有诸如像教育、医疗这样的新兴业务,每个业务在规模上、服务架构上都有很大差异。业务本身对稳定性的要求很高,需要保持99.995%的高可用,同时在业务上云的背景下,虚拟化、混合云等都给我们带来了新的挑战。 运维经历了从脚本 工具、基础运维平台、开放可定制运维平台到我们现在的智能运维平台,这样四个阶段的转变。过去运维的核心目标是提升效果,比如持续交付的速、服务稳定性、运营成本等。
TOP