关于 论坛外推软件咨询量_q扣735894904 台江苍霞今日头条贾 的搜索结果,共631
c****i 2018-07-11
付费拨云见--云可行性分析
IT决策人是在大部分公司里是唯一的IT内行,行不尊重内行“闲着的价值”,那内行就要让行“跟着忙起来”,所以他要保障自己的利益就必须把IT项目做大、预算做多,而且绝对不能粘上风险责任。 只有中立云团队,项目是否上马、怎么执行都不影响自身业绩,为了后续更多订单,还会更加重视口碑和专业性。 我们见多了零元中标的项目,这些项目有几个实施验收的?如果二三期扩容不许做绑定猫腻,那零元中标就等于站着茅坑不拉屎的废标。 至于画饼营销,谈各种高大上功能签单的云项目,或者是发完PR稿就再也不联系了,或者是卖完云资源就开始敷衍了。 国某顶级IT企业最近在折腾XXXX,虽然行业内一堆PR解读和跪舔,但我们几个朋友的判断都是给自己加戏、顺路更换旧供应商。我不敢写太明确,并不是怕得罪境的大佬,而是国内几大公司都做了类似的折腾。国内顶级IT公司的IT决策者都需要自保,其他公司哪…… 3.云不是老行业 云不同于云售前、管理和产品,上文列到的目,不是来销云产品的、不是来宣讲管理理念的、更不是广某款商业的。
M****点 2018-07-10
中国云计算现状——产品篇
还有个哈哈哈哈的大杀器让我们不能投标,投了标就不能投实施标了,实施标的金额要比标大很多。 到了实施阶段,其实矛盾和标差不多,既要干活又要写文档,而且验收者并不专业,实施工作有传统厂商会抢着压价,还会有各种意拖进度抢进度,各互联网企业的实施团队根本支撑不下来。传统厂商虽然压价抢标,但他们要是真有能实施云计算项目的人才,互联网公司加价三倍挖走谢谢。 现在云计算的实施标常常是两种情况,或者是打着云计算的招牌做虚拟机群集的超简化云计算,或者中标了但只有市场部发了下PR稿,别说施工结束时间了,施工开始时间都没定下来。 要解决这种窘境困局需要时机和努力。传统IT公司张开翅膀等风起,云计算技术已经越来越成熟了;天看沙克的朋友圈,kolla的健壮可运维性已经超出想象,他很担心专业云计算运维会失业。互联网公司总有明白人会踏实做事,云计算也是,一个难以描述、难以使用、难以维护的是必然被淘汰的,带淘汰同行才是生存之道。对于客户来说,要花好几百万几千万的预算也是个技术活,产品篇我已经讲了云计算有哪些产品,在云计算现状采购篇中,我会从给您做更多选型说明和采购建议。
2018-07-10
解密开源这门生意——商业角度看开源
的质并不能简单看开源还是闭源,的设计思路一样能被相互借鉴,但架构不同实现手段也不能抄袭;这就像做开源的猪肉饺子和闭源的肉沫狮子,两者可以相互借鉴口味和风评,但你看透我的原材料也不能照搬抄袭。 开源的安全性在于大家都能看到源码并报告问题,但前提是大家都肯看源码,能发现有安全漏洞,还肯上报安全问题。OpenSSL的heartbleed漏洞存在了好几年时间,但骇客是静悄悄的利用该漏洞,而不做任何漏洞上报。而闭源的安全问题,和开源一样看写代码和查漏洞的人。 新接触开源的开发者经常带着皈依者狂热去鼓吹开源,但这种狂热没有实质性帮助,贡献更好的代码、观摩精妙的架构,才是开源精英应该做的事情。
s****d 2018-07-11
亿元级云用户分析
规划服务--如果直接给客户买资源,那就只能谈性价比,而且资源本身不会说话,所以云厂商要做好规划。 明晰验收服务--云项目的实施和结项都是以结果为导向的,明确的过程控制和验收标准对供求双方都是保护。 友好接口服务--面对亿元大金主,云厂商的服务下限是类比传统IDC,要把金主伺候舒服了就要学IOE类集成商。 资源持续服务--亿元大客户不要求云平永不故障,但要云平承诺清晰SLA,事后给个合理的故障报告。 后记 如我在《复制阿里云并不难》中所说的,一个云行业半个IT界”,云行业将垄断IT界一半的营收和利润。本文讨的亿元大项目,目标就是拿下IT圈的营收上限。现在亿元大单都是云厂商在侵入系统集成商的势力范围,后面云厂商会得到越来越多的亿元大单。
布****五 2018-07-10
如何执行一命令
部署升级 DevOps的概念如趋流行,部署升级越发成为开发运维过程中重要的一环,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,一是新包的上传,二是服务进程的重新启动。服务进程的重新启动不必多说,包的上传可能有多种方式,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系统及业务的运行状态,各种运维决策都是以这些数据为依据进行的。随着自动化运维的发展,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的实时信息(前期文章《百度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发的)。监控数据的来源主要分两种,一种是通过业务提供的接口直接读取状态数据,另一种是通过志/进程状态/系统状态等(如使用grep提取志,通过ps查进程状态,通过df查磁盘使用等)方式间接查。 无是配置管理、部署变更还是监控采集,都有一个共同的目的:控制服务器。在现阶段,要想对服务器进行控制,离不开“在大服务器上执行命令并收集结果”这一基础能力,这也是天我们的主题“如何执行一命令”的意义所在。
双****4 2018-07-10
词向(三)
def infer(use_cuda, params_dirname=None): place = fluid.CUDAPlace(0) if use_cuda else fluid.CPUPlace() exe = fluid.Executor(place) inference_scope = fluid.core.Scope() with fluid.scope_guard(inference_scope): # 使用fluid.io.load_inference_model获取inference program, # feed变的名称feed_target_names和从scope中fetch的对象fetch_targets [inferencer, feed_target_names, fetch_targets] = fluid.io.load_inference_model(params_dirname, exe) # 设置输入,用四个LoDTensor来表示4个词语。这里每个词都是一个id, # 用来查embedding表获取对应的词向,因此其形状大小是[1]。
l****m 2018-07-10
词向(一)
虽然按照常理,我们知道这两个词之间是有联系的——母亲节通常应该送给母亲一束康乃馨;但是这两个词对应的one-hot vectors之间的距离度,无是欧氏距离还是余弦相似度(cosine similarity),由于其向正交,都认为这两个词毫无相关性。 得出这种与我们相悖的结的根本原因是:每个词本身的信息都太小。所以,仅仅给定两个词,不足以让我们准确判别它们是否相关。要想精确计算相关性,我们还需要更多的信息——从大数据里通过机器学习方法归纳出来的知识。 在机器学习领域里,各种“知识”被各种模型表示,词向模型(word embedding model)就是其中的一类。通过词向模型可将一个 one-hot vector映射到一个维度更低的实数向(embedding vector),如embedding(母亲节)=[0.3,4.2,−1.5,...],embedding(康乃馨)=[0.2,5.6,−2.3,...]embedding(母亲节)=[0.3,4.2,−1.5,...],embedding(康乃馨)=[0.2,5.6,−2.3,...]。
用****在 2018-07-10
词向(二)
,wT),如果假设文本中每个词都是相互独立的,则整句话的联合概率可以表示为其中所有词语概率的乘积,即: P(w1,...,wT)=∏t=1TP(wt)P(w1,...,wT)=∏t=1TP(wt) 然而我们知道语句中的每个词出现的概率都与其前面的词紧密相关, 所以实际上通常用概率表示语言模型: P(w1,...,wT)=∏t=1TP(wt|w1,...,wt−1)P(w1,...,wT)=∏t=1TP(wt|w1,...,wt−1) N-gram neural model 在计算语言学中,n-gram是一种重要的文本表示方法,表示一个文本中连续的n个项。基于具体的应用场景,每一项可以是一个字母、单词或者音节。 n-gram模型也是统计语言模型中的一种重要方法,用n-gram训练语言模型时,一般用每个n-gram的历史n-1个词语组成的内容来预测第n个词。 Yoshua Bengio等科学家就于2003年在著名文 Neural Probabilistic Language Models [1] 中介绍如何学习一个神经元网络表示的词向模型。
TOP