关于 b2b发布软件引流 快速排名软件qq89651584南京市百度 的搜索结果,共965
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
j****2 2018-07-10
大脑开放日来袭 24种全新AI能力呈现
1月16日,大脑在深圳召开“在端上思考”大脑AI硬平台及产品会,13项端侧新品,备受行业关注。在现场,喻友平介绍到,目前已有4款新品正式上架AI场。 在AI能力广、精不断提升的基础下,大脑充分利用自己在AI领域内的成功经验不断雕琢着自身的核心技术,开始在产业界呈现“乘法效应”展现出产业智能化“头雁”的。 AI落地的乘法效应 AI技术的展,最终还是要落实到我们的生活中。在我们触手可及的各个角落中都有大脑加持的智能产品。首期开放日着重介绍了近期开者询问较多的政、物、教育三个领域的落地案例。
2018-07-10
解密开源这门生意——商业角看开源
本文抛开虚浮的情怀和热情,我们从商业和管理的角看一看开源。 1. 本质是对抗认知垄断 远古期的计算机没有版权概念,每一份代码都是一份全人类都可以学习借鉴的教学数据。 随着商业的兴起,商业公司倾向于将代码当做秘方保护,入了版权的概念。闭源实操过程中有如下缺点: IT技术无法跨跨公司进行交,行业人才培养的很慢; 一个只能在很小可控范围内迭代,的进步偏慢; 公司的商业策略以盈利优先,可能会掐灭技术革新; 一个黑盒化的交付物,交付质量只能靠商业信誉保障; 商业总是试图建立垄断,黑客们警惕着垄断的恶行。 在版权限制下感到压抑的IT精英,自推动开放源代码的交付方式,其中最出的是GNU计划。GNU计划的重点是对抗IT技术认知垄断,更自由的传播IT知识;GNU等开源计划既不是为了开源公司的商业利益,也没要给参与者高级技工证书,更不会因为开源而强行免费。 在上个世纪程序员人数很少但都是精英黑客,参与开源的目的是以码会友,不会表太烂的代码,顺着开源社区容易找到技术大师,几个IT高手也容易蹭出商业火花。 2.
M****H 2018-07-11
故障定位场景下的数据可视化实践
我们提供了多维展开报表功能支持这种下钻分析。 例如我们怀疑是某几台服务器导致的拒绝量上升,我们可以基于多维统计报表,点击序找到拒绝最大的区域,然后依次展开找到拒绝最大的机房和机器。 点击详情后,我们就可以跳转到机器对应的页面,查看对应机器的详细数据来进行定位。 找寻关联事定位 根据历史经验,大多数的线上故障都是由于变更操作所起的,包括程序、数据、配置等变更事,增删机器实例、执行预案等运维事,甚至包括可能量突增的活动运营事。对于某些体积庞大的产品线,开和维护人员众多,以上事生更是千丝万缕、错综复杂。 面对这个问题,我们设计并推出了一种可以解决这种问题的通用性组——事图。 通过事图,可以筛选出故障的前后时间,生或生中的事,每个事通过色块的长短位置,展示了开始结束时间以及持续时长。我们可以的分析出对应时间的故障可能是由于某些操作开始或操作完成的。 对于部分业务线,同一时间段生的事可能有上甚至上千条,我们提供便捷的筛选功能来解决这一问题。通过事类型标签,打开或关闭某一类事的展示,优先查最有可能的根因。
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
训练起来,可能比专业人士还。拿1000张图片使用EasyDL训练一个图像识别模型最只需要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、更轻的特点,成为企业享受AI红利的首选。 用案例说话:零门槛落地 自2018年4月正式以来,EasyDL用户量级迅攀升。 截至2018年12月,EasyDL用户数达到10万,覆盖22个行业,已在零售、安防、互联网内容审核、工业质检、医疗、物等应用落地,广泛渗透到各种职业场景和细分生活场景当中。 在EasyDL开者中,有方电网这类巨头,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。 中国方电网公司广东电网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,线路附近易生外力破坏的施工点有300余处。
小****盈 2018-07-09
如何生成和Docker镜像?
概述 本文档将演练一次生成和Docker镜像到Docker镜像数据中心的步骤。 生成版本镜像 首先,键入指令exit退出Docker容器环境。 然后,生成一个新的Docker镜像: bash apollo_docker.sh gen 如果出现下述的报错,则需要检查一下文夹${HOME}/.cache/apollo_release/apollo/是否存在,镜像文默认存放在该文夹下。如果不存在该文夹,则需要新创建一个。 Release directory does not exist! 上述指令将在版本的文夹内生成一个新的Docker镜像。版本镜像被命为 release-yyyymmdd_hhmm。同时,最近构建的镜像文会被标记为 release-latest。
疏****月 2018-07-09
一键上线Archer | 持续部署的瑞士军刀
通用场景 在内部,通用的部署系统需要适用于以下场景: 各业务线拥有各自的包规范,语言、框架不统一,部署策略不一致; 支持分级,及时拦截部署入的线上故障; 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水线。 后面,我们将结合上面场景,向大家介绍持续部署是如何实现的。 服务架构 整个系统由命令行工具、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一次变更,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、框架不统一,部署策略不一致 为避免杂乱无章又不规范的服务代码及配置文的目录结构,Archer规定了一套既灵活又完整的包规范。
w****0 2018-07-11
单机房故障自愈-黎明之战
3.服务不满足N+1冗余 描述:任意单个机房故障时,其余机房剩余容量不足以承担该机房切出的量。 问题:量调导致其余机房服务过载,造成多个机房服务故障,造成更大范围的影响。 要求:容量建设需要对于每个逻辑服务单元都要有明确的容量数据,并具备N+1冗余,即任意机房故障情况下,其余机房均可承载这部分量,同时需要保证服务变化时及时更新数据和扩容服务,避免容量数据退化。同时对于量的变化趋势,也需要有提前的预估,为重大事量高峰预留足够容量(如节日、运营、假期)。 4.服务关联强耦合 描述:上下游服务使用固定IP或固定机器进行直接连接。 问题:单机房故障生时,关联的上下游之间无法进行量调止损。 要求:线上服务关联不允许使用固定IP或机器链接,需使用具备量调能力的上下游连接方式以实现上下游依赖解耦,下游服务生单机房故障,可以调整路由比例实现止损。 单机房容灾能力--盲测验收 完成以上四点单机房容灾能力建设后,业务线就具备了通过量调进行止损单机房故障的基本条
Z****E 2018-07-09
产品迭代的最后一公里
然后由专门的执行系统解析策略,并自动执行批量机器的变更,如开源的Ansible、SaltStack和内部的CCS系统。整个执行过程自动进行,用户只需要查看执行进即可。另一方面,执行系统也提供了干预能力,用户可以手动暂停乃至撤销一个部署任务的执行。图2给出了自动化部署的示意图。 2分级 分级是指将变更过程以实例组为单位划分成多个阶段,每个阶段入自动化的检查用例,只有检查通过才能执行下个阶段的变更。分级不能完全避免变更异常,但是可以有效限制异常影响范围。通过把变更版本管理和历史审计与分级结合,可以有效增强对变更过程的管控,降低异常影响,加异常恢复。整个分级规范的构成可以参考图3。 3智能变更策略 采用自动化部署和分级之后,用户已经可以获得较好的变更效率,并且能够在相当程上提升变更安全性,但是使用更高标准来审视,其中仍存在改进的空间:变更模板需要人工配置,使用门槛较高,复用性低;变更效果检查强依赖人的经验,可能出现异常没被及时检查出来的问题。 得益于在AIOps上的充分实践,我们现通过将智能策略入到变更程中,可以进一步提升变更效率和安全。
小****园 2018-07-10
让PB级云存储不再神秘
对象存储不仅仅让读写一个文变得简单优雅,还让管理一群文不那么复杂。面上通用的对象存储系统都包含下列文信息,可以的管理大批文。 filename / key value,就是文字,存储资源的描述。 filesize 和createtime,文大小和文创建时间,文管理和统计费用,也可用于文筛选和判断。 Hash/MD5等等文指纹,文校验和去重使用。 Filehandle,描述文实际在存储系统中的位置,这可能是物理或逻辑位置,这个信息一般不暴露给客户。 Mimetype或者其他的自定义文标识,这是个扩展位,方便大存储顺路做简单数据处理。 Last Modified time其实是文的createtime或meta信息的修改时间,对象存储所有的文都没有修改,只有同新文。 不提供Owner信息,访问域已经标识了多租户级别的Owner信息,开者给自己的用户颁token的过程中就完成了对应用级Owner的标识。
TOP