服务增强器社区介绍0 码力 | 7 页 | 20.77 MB | 6 月前3
进击的 Traefik | 云原生边缘路由器探秘进击的 Traefik 杨川胡(阳明) 知群后台负责人 2019.10.26 Service Mesh Meetup #7 成都站 云原生边缘路由器探秘杨川胡(阳明) 知群后台负责人,原小米视频后台高级研发 ,《Prometheus 深入浅出》作者,「k8s技 术圈」社区作者,现阶段专注于云原生技术 领域,希望成为一个有产品思维的工程师1 Traefik 介绍 2 Traefik Traefik 2.0 核心概念 3 Traefik With Docker 4 Traefik With KubernetesTraefik 是什么? • 云原生的边缘路由器 • 让部署微服务更加便捷而诞生的现 代 HTTP 反向代理、负载均衡工具 • 它支持多种后台 (Docker, Swarm, Kubernetes, M arathon, Mesos, Consul, Etcd, Z ookeeper ..1 Traefik 介绍 2 Traefik 2.0 核心概念 3 Traefik With Docker 4 Traefik With KubernetesTraefik 是一个边缘路由器Traefik 自动服务发现Traefik 2.0 架构 • Providers 用来自动发现平台上的服务 • Entrypoints 监听传入的流量(端口等… ) • Routers 分析请求(host0 码力 | 35 页 | 8.58 MB | 6 月前3
AutoEncoder自编码器0 码力 | 29 页 | 3.49 MB | 1 年前3
银河麒麟服务器操作系统V4 Hadoop 软件适配手册银河麒麟服务器操作系统 V4 Hadoop 软件适配手册 天津麒麟信息技术有限公司 2019 年 5 月 银河麒麟服务器操作系统 V4 hadoop 软件适配手册 I 目 录 目 录 ............................................................................. 银河麒麟服务器操作系统 V4 hadoop 软件适配手册 2 1 概述 1.1 系统概述 银河麒麟服务器操作系统主要面向军队综合电子信息系统、金融系统以及电 力系统等国家关键行业的服务器应用领域,突出高安全性、高可用性、高效数据 处理、虚拟化等关键技术优势,针对关键业务构建的丰富高效、安全可靠的功能 特性,兼容适配长城、联想、浪潮、华为、曙光等国内主流厂商的服务器整机产 品,以及达梦、金仓、神通等主要国产数据库和中创、金蝶、东方通等国产中间 件,满足虚拟化、云计算和大数据时代,服务器业务对操作系统在性能、安全性 及可扩展性等方面的需求,是一款具有高安全、高可用、高可靠、高性能的自主 可控服务器操作系统。 1.2 环境概述 服务器型号 长城信安擎天 DF720 服务器 CPU 类型 飞腾 2000+处理器 操作系统版本 Kylin-4.0.2-server-sp2-2000-190509100 码力 | 8 页 | 313.35 KB | 1 年前3
Qcon北京2018-《文本智能处理的深度学习技术》-陈运文预测 训练 预测 深度学习和传统机器学习 输入数据 深度学习算法 输入数据 特征工程 传统机器学习算法 非常耗费时间 以文本分类过程举例,常见 的特征提取算法包括: 词频 TF-IDF 互信息 信息增益 期望交叉熵 主成分分析 … 特征工程需要手工寻找特 征,花费大量人力,特征的 好坏往往决定最终结果 深度学习基础结构 基础神经元结构 多个神经元连接组成神经网络 字词表示 0, 0, 0, 0, 0, 0, 0, 0, … ] [ 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, … ] 服务器 [ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, … ] [ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 文本挖掘各种类型应用的处理框架 文本数据 结果 预处理 输出层 表示层 隐层 不同深度学习模型 后处理 NER 分词 情感分析 文本分类 机器翻译 … 文本分类 传统机器学习 • 选择分类器(朴素贝叶斯,SVM,KNN,LR,决 策树) • 特征工程构造特征 • 不同领域定制优化成本高 • 常需要分类算法融合提升效果 深度学习(CNN,RNN等) • 端到端,无需大量特征工程0 码力 | 46 页 | 25.61 MB | 1 年前3
机器学习课程-温州大学-特征工程具有旋转、尺度、平移、视角及亮度不变性,有利于对目标 特征信息进行有效表达; ➢ SIFT 特征对参数调整鲁棒性好,可以根据场景需要调整适宜 的特征点数量进行特征描述,以便进行特征分析。 缺点:不借助硬件加速或者专门的图像处理器很难实现。 疑似特征点检测 去除伪特征点 特征点梯度 与方向匹配 特征描述向量的 生成 步骤 图像特征提取 3. 特征提取 21 许永洪,吴林颖.中国各地区人口特征和房价波动的动态关系[J] 2019,36(01) 1.词袋模型 将整段文本以词为单位切分开,然后每篇文章可以表示成一个长向量,向量的每 一个维度代表一个单词,而该维度的权重反映了该单词在原来文章中的重要程度 采用 TF-IDF 计算权重,公式为 ?? − ???(?, ?) = ??(?, ?) × ???(?) ??(?, ?) 表示单词 ? 在文档 ? 中出现的频率 ???(?) 是逆文档频率,用来衡量单词 ? 对表达语义所起的重要性,其表示为: 统计研究,2019,36(01) 过滤式(Filter): 先对数据集进行特征选择,其过程与后续 学习器无关,即设计一些统计量来过滤特 征,并不考虑后续学习器问题 包裹式(Wrapper): 就是一个分类器,它是将后续的学习器的 性能作为特征子集的评价标准 嵌入式(Embedding): 是学习器自主选择特征 4. 特征选择 特征选择的三种方法 28 许永洪,吴林颖.中国各地区人口特征和房价波动的动态关系[J]0 码力 | 38 页 | 1.28 MB | 1 年前3
Keras: 基于 Python 的深度学习库. . . . . . . . . . . . . . . . . . . . . . . . 10 3.1.5.1 基于多层感知器 (MLP) 的 softmax 多分类: . . . . . . . . . . . . 11 3.1.5.2 基于多层感知器的二分类: . . . . . . . . . . . . . . . . . . . . . . 12 3.1.5.3 类似 VGG Keras 模型? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 3.3.6.1 保存/加载整个模型(结构 + 权重 + 优化器状态) . . . . . . . . . 28 3.3.6.2 只保存/加载模型的结构 . . . . . . . . . . . . . . . . . . . . . . . . 29 3.3 5.11.3 AlphaDropout [source] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114 5.12 层封装器 wrappers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 5.12.1 TimeDistributed0 码力 | 257 页 | 1.19 MB | 1 年前3
OpenShift Container Platform 4.7 安装创建用于 Azure 的安装文件 5.9.6.1. 可选:创建独立 /var 分区 5.9.6.2. 创建安装配置文件 5.9.6.3. 在安装过程中配置集群范围代理 5.9.6.4. 为 ARM 模板导出常用变量 5.9.6.5. 创建 Kubernetes 清单和 Ignition 配置文件 5.9.7. 创建 Azure 资源组和身份 5.9.8. 上传 RHCOS 集群镜像和 bootstrap 9.5.3. 在安装过程中配置集群范围代理 6.9.5.4. 创建 Kubernetes 清单和 Ignition 配置文件 6.9.6. 导出常用变量 6.9.6.1. 提取基础架构名称 6.9.6.2. 为 Deployment Manager 模板导出常用变量 6.9.7. 在 GCP 中创建 VPC 6.9.7.1. VPC 的 Deployment Manager 模板 6.9.8 3. 在安装过程中配置集群范围代理 6.10.6.4. 创建 Kubernetes 清单和 Ignition 配置文件 6.10.7. 导出常用变量 6.10.7.1. 提取基础架构名称 6.10.7.2. 为 Deployment Manager 模板导出常用变量 6.10.8. 用户置备的基础架构对网络的要求 网络拓扑要求 负载均衡器 NTP 配置 6.10.9. 在 GCP 中创建负载均衡器0 码力 | 2276 页 | 23.68 MB | 1 年前3
OpenShift Container Platform 4.8 安装上安装集群 14.8. 在带有用户置备的受限网络中的 VSPHERE 上安装集群 14.9. 卸载在使用安装程序置备的基础架构的 VSPHERE 上的集群 14.10. 使用 VSPHERE 问题检测器 OPERATOR 第 第 15 章 章 在 在 VMC 上安装 上安装 15.1. 准备在 VMC 上安装 15.2. 在 VMC 上安装集群 15.3. 使用自定义在 VMC 上安装集群 动和置备委派给安装程序,而不是 亲自执行。安装程序将创建支持集群所需的所有网络、机器和操作系统。 如果亲自为集群置备和管理基础架构,则必须提供所有集群基础架构和资源,包括 Bootstrap 机 器、网络、负载均衡、存储和独立的集群机器。 安装期间使用三组文件:名为 install-config.yaml 的安装配置文件、Kubernetes 清单,以及您的机器类 型适用的 Ignition 配置文件。 受限网络安装。在受限网络安装中,您可以下载安装集群所需的镜像(image),将它们 放在镜像 registry(mirror registry)中,然后使用那些数据安装集群。虽然您需要访问互联网来为平台容 器拉取镜像,但在 vSphere 或裸机基础架构上进行受限网络安装,您的集群机器不需要直接访问互联网。 OpenShift Container Platform 4.x Tested Integrations0 码力 | 2586 页 | 27.37 MB | 1 年前3
OpenShift Container Platform 4.10 安装上安装集群 20.8. 在使用用户置备的受限网络中的 VSPHERE 上安装集群 20.9. 在使用安装程序置备的基础架构的 VSPHERE 上卸载集群 20.10. 使用 VSPHERE 问题检测器 OPERATOR 1647 1663 1663 1667 1682 1682 1682 1737 1791 1791 1791 1845 1898 1898 1898 1958 动和置备委派给安装程序,而不是 亲自执行。安装程序将创建支持集群所需的所有网络、机器和操作系统。 如果亲自为集群置备和管理基础架构,则必须提供所有集群基础架构和资源,包括 Bootstrap 机 器、网络、负载均衡、存储和独立的集群机器。 安装期间使用三组文件:名为 install-config.yaml 的安装配置文件、Kubernetes 清单,以及您的机器类 型适用的 Ignition 配置文件。 无论您使用什么编程语言,OpenShift Local 都可以托管您的应用程序,并将最小预配置的 Red Hat OpenShift Container Platform 集群引入本地 PC,而无需基于服务器的基础架构。 在托管环境中,OpenShift Local 可以创建微服务,将它们转换为镜像,并在运行 Linux、macOS 或 Windows 10 或更高版本的笔记本电脑或桌面上直接运行它们。0 码力 | 3142 页 | 33.42 MB | 1 年前3
共 244 条
- 1
- 2
- 3
- 4
- 5
- 6
- 25













