关于 鄂尔多斯SEO关键词快速推广工具 b2b群发系统〖q扣4100 的搜索结果,共1114
金****洲 2018-07-10
混乱的集遇见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可以做虚拟化资源限制基础设施不占用过的机器资源吗? Q如何先部署小批量机器,确认无误之后,再做全集部署?简而言之,灰度布。 Q新到位10000机器,如何高效部署最新的基础设施?使集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者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。百度云的程师们便展开了一场头脑风暴...... 原始太初 私有云中存在大规模的机器集,集中一片空虚混沌,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,合理分配资源,降低运维成本,保障云上服务穿越狂风暴雨,程师们意识到:“必须要有一个优秀来管控这混沌的集世界!” 第一天 程师们说:”这个要代表操作的意志!占用资源少!对外部零依赖!装机自带!要能自升级和自保活!“。
l****m 2018-07-10
向量(一)
文章结构: 向量 背景介绍 效果展示 模型概览 数据准备 编程实现 模型应用 总结 参考文献 本教程源代码目录在book/word2vec,初次使用请您参考Book文档使用说明。 背景介绍 本章我们介绍的向量表征,也称为word embedding。向量是自然语言处理中常见的一个操作,是搜索引擎、广等互联网服务背后常见的基础技术。 在这些互联网服务里,我们经常要比较两个或者两段文本之间的相性。为了做这样的比较,我们往往先要把表示成计算机适合处理的方式。最自然的方式恐怕莫过于向量空间模型(vector space model)。 在这种方式里,每个被表示成一个实数向量(one-hot vector),其长度为字典大小,每个维度对应一个字典里的每个,除了这个对应维度上的值是1,其他元素都是0。 One-hot vector虽然自然,但是用处有限。比如,在互联网广里,如果用户输入的query是“母亲节”,而有一个广告的是“康乃馨”。
摩****5 2018-07-11
都是防晒
c****2 2018-07-10
个性化荐(一)
背景介绍 在网络技术不断展和电子商务规模不断扩大的背景下,商品数量和种类增长,用户需要花费大量时间才能找到自己想买的商品,这就是信息超载问题。为了解决这个难题,个性化(Recommender System)应运而生。 个性化是信息过滤(Information Filtering System)的子集,它可以用在很领域,如电影、音乐、电商和 Feed 流荐等。个性化通过分析、挖掘用户行为,现用户的个性化需求与兴趣特点,将用户可能感兴趣的信息或商品荐给用户。与搜索引擎不同,个性化不需要用户准确地描述出自己的需求,而是根据用户的历史行为进行建模,主动提供满足用户兴趣和需求的信息。 1994年明尼苏达大学出的GroupLens[1]一般被认为是个性化成为一个相对独立的研究方向的标志。该首次提出了基于协同过滤来完成荐任务的思想,此后,基于该模型的协同过滤荐引领了个性化十几年的展方向。
j****2 2018-07-10
百度大脑开放日来袭 24种全新AI能力呈现
语音方向:语音方面出了语音识别极版,首次对外开放搭载国际领先的注意力(attention)模型的语音能力,拥有更的响应度,相对识别准确度提升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,还预告了即将出的几款新产品,包括语音识别自训练平台、远场语音开套件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、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。目前,百度大脑OCR产品全列可以识别类型达34款,实现卡证、票据、文档、汽车全场景覆盖。
疏****月 2018-07-09
上线Archer | 百度持续部署的瑞士军刀
一般的业务上线有不定时操作、业务部署情况复杂、单机启停策略复杂等特点。在手运维时代,运维人员需要花费大量精力进行此类重复性作,且易于出错。从公布的数据显示,Google 70%的生产事故由上线变更触,如何减少变更过程中人为误操作,提供一个灵活、稳定的部署是运维平台研人员所亟需解决的问题。 基本介绍 在运维自动化的大潮下,百度运维管理平台Noah布了一上线部署——Archer。Archer致力于提供一套产品线全过程的可迁移布解决方案,实现一完成机器初始化、服务部署、添加模块监控、添加CT任务、动态数据文件的分等全过程的自动操作。在操作方面,Archer提供了命令行作为起一次上线的操作入口,这种设计模式也决定了其易于集成的特点。在DevOps流水线作业中,Archer可以作为一个环节结合进整条测试布流水线中。另外,Archer也可作为上层服务托管平台的底层链,为PaaS平台提供稳定的底层部署服务。
C****X 2018-07-10
雄逐“图”,百度缘何备受注?
这么看来,无论是创新的互联网企业还是传的车企大厂,都在努力争取高精度地图这场比赛的入场券! 2017年是自动驾驶“元年”,这项颇潜力的事业也让各大传感器厂商们“身先士卒”,积极布局自动驾驶版图,例如Moblieye。尽管现在企业已经被英特收购,但地图的研作始终没有被搁置。 地图研是图商们的老本行,他们做的咋样? 据了解,TomTom的高清地图(包括Road DNA)已经做到可以帮助自动驾驶汽车在高行驶途中精确定位自身位置并辅助决定采用哪条行车路线。 不得不说图商的研进度可圈可点! 聚焦国内,高德早在2014年便开始了高精地图的攻坚战,目前已经将大数据能力以及机器学习能力为基础的AI引擎嵌入其中。 同样是图商,四维图新也已经宣布与车企宝马合作,为其在我国销售的汽车提供地图产品。 我们现,高精地图领域的入局者基本上可以分为这样几类,以Google 为代表的互联网企业,包括百度;以丰田、特拉为首的车企大厂;以Moblieye(已经被英特收购)为主的传感器厂商;以及包括 TomTom、四维图新、高德等在内的图商。
b****z 2018-07-11
智能运维基础-运维知识库之ETL
ETL架构 运维元数据、状态数据、事件数据分布在几十个不同的中,随着业务的增长和相的不断增加暴露出了以下几个问题: 数据分散,访问方式不一致:同一类型的数据分散在个不同的,各提供不同的访问入口; 数据术语、概念、模型不一致:各使用的术语、概念、模型各不相同,例如“应用”这个概念,每个对于Application的理解都不尽相同; 间数据没有建立联:例如部署、监控和路由服务等核心场景在运维数据上没有打通,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,三个间的数据难以联,且无联动性。 因此,依托『书同文』的理念建立运维知识库,提供一个一的运维数据管理,来管理运维作中的公共基础数据,打通间的数据联,使这些数据能够遵循一的模型被共享和使用。 为了使这些数据能够遵循一模型,我们制定了各类数据的模型(Schema),采用ETL机制从各获取(Extract)数据、转换(Transform)成一的模型、并存储(Load)在知识库中,其架构如图所示。
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百度EasyDL
比如有位“天文迷”孙睿康同学,基于EasyDL设计了一个超新星自动搜寻,希望通过对星云图片的AI技术分析,现可能存在宇宙中的超新星,这一脑洞大型的研究成果,已被哈业大学《智能计算机与应用》刊。而孙睿康只是一名高中生,这清楚不过地表明了EasyDL在动AI普惠上的可能性。 AI所带来的惊喜,才刚刚开始。 欢迎点击【EasyDL定制化训练及服务平台】,了解更产品内容。 如需合作咨询可点击屏幕右下角标志,提交体咨询信息;或可进入AI开者社区,进行沟通交流。
1****2 2018-07-09
百度安全:AI 是程 需要真正开放的安全护航
将这次开放的能力进行梳理(如图所示)可以看出,这是百度安全针对智能终端给出的全面的安全方案,包含了“云、管、端”的各个环节。这些方案里面,也结合了百度安全的大数据安全能力,以及机器学习实践经验。 终端层面的安全 在终端层面,首先要保证的是安全。因为一旦被攻破,就等于给智能终端 的安全来了个釜底抽薪,即便上层的应用安全做得再好也是徒劳。但这恰恰是智能 的“顽疾”。以往的安全修复,需要厂商先打补丁、升级,终端厂商再进行修复、版本升级,最后终端用户升级智能终端的。这个修复链条非常长,收敛的度甚至长达几年。加之智能碎片化严重,市面上有2 万种设备型号,安全根本无 从保证。更要命的是,在这个过程中专业的安全企业是缺位的,即便是现了高危漏洞 也无从“插手”。 针对这个问题,百度安全研了KARMA 自适应内核漏洞热修复方案。
流****水 2018-07-11
度云企业级运维平台——NoahEE
我们出的NoahEE(Noah Enterprise Edition)脱始于Noah,为企业提供了一站式运维解决方案,覆盖了包括日常的故障管理和变更管理中典型的运维场景,致力于为政企、金融、教育等行业提供业务可用性保障、提升运维效率。 图1 NoahEE概览 接下来,我们把这艘诺亚方舟分解开来,近距离观察一下这艘船的方方面面。 服务管理 我们首先介绍服务管理是因为服务管理是整个运维作的基础,也是NoahEE这个平台上各个能够进行批量自动化操作的。服务管理这个概念的出现,是随着业务膨胀的必然,其要解决的主要问题是一个“量”,或者说“规模”的问题。在早期业务较为简单时,一个服务可能部署在几台甚至一台机器上,进行变更等运维操作简单直接,登录到机器上人操作就好了。随着业务的展,分布式应用与服务的广泛使用,我们越来越的面临着运维场景与运维执行之间的脱节。 举个例子,今天17:00开始对X机房的地图导航模块进行升级。对于产品研的同学来说,注点是语义明确且更描述性的“运维场景”;而对于运维人员来说,注点是此次升级操作所涉及的机器等资源在哪里。
y****i 2018-07-11
做容器云的最佳用户
我也是因为这次会面而想写本文,开始更正态度看容器的,有问题的人用过的一样可以是好。 想想自己曾经也对云计算不屑一顾,人生的循环真是有趣。 备注 1.本文中的运维指的是业务服务运维,不是资源支撑运维。 2.很人会跟我说容器比虚拟机启动的,但容器应该跟虚拟机里的进程比重启度啊,虚拟机重启进程也不用重启啊。 3.我一般说docker纯粹指的是它的容器部分,不包括swarm等部分。 4.在我看来容器对运行环境的封装就是像个jvm,我知道容器封装的更更彻底,但这只是五十步和一百步的区别。 5.我知道文中没把docker和k8s分太清楚,但这是给客户看的,不是内部考核用的,请大家脑补时往好处想。
亚****啦 2018-07-11
IT断魂枪--闲聊Linux启动过程
看看各服务的启动优先级也是一个讲究的过程,iptables会比network先启动这类依存很好理解;但我也遇到过云平台的DHCP获取太慢,而云主机操作启动、Network还没从DHCP那里获取到IP地址,然后Mysqld等需要监听端口的服务启动失败。 后记 以上内容只能算精简科普版的Linux启动过程,正式版的启动过程可以写十万字,有兴趣的朋友可以自己查维基百科,或拿我说的字去百度搜索。 曾经我把这些技能当做资历,但现在大家都上云了,它们就只是闲聊的谈资了。但客户上云就能少招一个研究这事的程师,上云确实也很有意义啊。 夜静人稀,沙子龙好了小门,一气把六十四枪刺下来;而后,拄着枪,望着天上的星,想起当年在野店荒林的威风。叹一口气,用手指慢慢摸着凉滑的枪身,又微微一笑,“不传!不传!”----老舍《断魂枪》
若****客 2018-07-10
IT架构的本质--我的五点感悟
上层需求优化,即前端对后端少输入少查询容错,而同级容错可以看做应用间的需求优化,比如两个服务可以幂等重试就是好解耦,而A会等B等到死锁就是架构悲剧。 某电商ERP的用户点一次查询按钮,后台就锁库查询一次;实操过程中越慢用户就重复点查询按钮,而并行查询越后台度就更慢。这种环境要搞架构优化,首先要理解自然人并不要求实时数据,ERP客户端限制每15秒才能点一次查询按钮,在Web接入层限制每个Session每分钟只能查询一次,还可在数据库链接类库上做一层控制策略。媒体服务程师最好的情人节礼物会是一个完美的播放器;它可以自助容错选择CDN,可以主动预缓存下一分钟的点播内容,可以完成私有解密编码作,可以和广解耦独立加载,可以在卡顿时更换线路和存储日志,广告日志和卡顿日志都低适时后台上传。 2.集设计通用规则 前端复制后端拆,实时改异步,三组件互换 前端复制后端拆,实时改异步,IO-算力-空间可互换——要做架构就要上集,而集设计调优翻来覆去就是这三板斧: 前端是管道是逻辑,而后端是状态是数据,所以前端复制后端拆。
TOP