- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI智韵
A2Mamba：融合Transformer与Mamba的混合视觉架构
最近，一个通用的Transformer-Mamba混合架构，称为SegMAN编码器[27]，采用统一的令牌混合器来结合滑动局部注意力（sliding local attention）[5]和SS2D [ 通过分层堆叠MASS令牌混合器和前馈网络（FFN）层，我们提出了一种通用的Transformer-Mamba混合视觉主干架构，称为A2Mamba。 注意，MASS令牌混合器是对会议论文中LASS令牌混合器的更强大替代。 基于MASS，我们提出了一个更强的视觉主干架构，称为A2Mamba，它为各种视觉识别任务编码更具区分性的特征表示。 2.4 混合视觉主干架构 混合视觉模型已成为视觉识别中一个有前景的方向。 3.2 A2Mamba的整体架构 在这项工作中，我们提出了一种新颖的混合视觉主干架构A2Mamba，它利用了Transformer和Mamba架构的优势。
98210编辑于 2025-09-11 - 来自专栏AI+运维：智能化运维的未来
混合云和多云策略：混合云架构设计详解
混合云和多云策略已成为企业优化资源、提升灵活性和降低成本的重要手段。本文将详细介绍混合云架构设计，探讨其优势和实现方法，并通过代码示例帮助读者理解。 混合云架构设计的优势灵活性：混合云架构允许企业根据需求灵活分配资源，优化成本和性能。安全性：通过在私有云中存储敏感数据，企业可以更好地控制数据安全。 混合云架构设计实例以下是一个使用混合云架构的实例，展示了如何在AWS和本地数据中心之间进行资源管理和调度。1. 数据分层与存储在混合云架构中，我们可以使用AWS S3存储非敏感数据，使用本地存储设备存储敏感数据。 通过合理的架构设计和技术实现，企业可以充分利用混合云的优势，提升系统性能，降低运营成本。希望本文能帮助您理解混合云架构设计的基本原理和实现方法。如果您有任何疑问或需要进一步的技术支持，请随时与我联系。
1.1K10编辑于 2024-11-10 - 来自专栏云计算D1net
混合云实现分层存储架构
通过提供更低的成本，更高的性能并减少数据的丢失，混合云可以帮助一些企业优化其分层存储系统。 分层存储架构并不是什么新鲜事。 在混合云中建立分层存储架构 在混合云中，主存储系统一般存放于私有云，如果应用也在私有云中的话。该存储系统存储文件和应用程序的数据，并且应当是分层存储架构中性能最高的存储系统。 分层存储架构的优势和挑战 使用混合云的分层存储架构对企业有几个好处。首先，由于它建立了两个或三个不同价格和性能水平的存储系统，分层存储可以帮助开发人员和管理员创建应用程序特定的存储策略。 此外，在混合云分层存储创建一个跨越两个独立平台的备份环境——公共和私有云，提供自动冗余是地理上分开。最后，混合云中的分层存储应能降低由磁盘故障或人为错误引起数据丢失的风险，到几乎为零。 企业必须精心设计和规划他们的多层存储架构以及自动化过程。对系统进行测试以确保你的混合云分层存储系统是满足预期的。
3.4K60发布于 2018-03-26 - 来自专栏飞鸟的专栏
OAuth2混合模式
简介OAuth2混合模式（Hybrid Flow）是一种OAuth2授权模式，它结合了授权码模式和隐式授权模式的优点，可以在保证安全性的同时，提供更好的用户体验。 混合模式结合了这两种授权模式的优点，它使用授权码模式来获得授权码，然后使用隐式授权模式来获得访问令牌。这样可以保证安全性，同时又不需要客户端和授权服务器之间的交互，给用户带来更好的体验。 在本文中，我们将使用Spring Cloud Security OAuth2来实现OAuth2混合模式，并给出详细的流程和示例。 流程OAuth2混合模式的流程包括以下步骤：客户端向授权服务器发送授权请求，并指定响应类型为code。例如，客户端可以向以下URL发送请求：GET /oauth/authorize? 以上是OAuth2混合模式的流程
1.2K10编辑于 2023-04-14 混合云架构的7个规则
DZone的2015年云开发调查显示，目前有50％的受众使用混合云技术。 混合云架构经常被描述为“私有云和公共云共享资源”。但事实上，许多混合架构只是利用公共云资源与私有托管应用程序相结合。 本文将介绍采用混合云架构时需要考虑的七条规则。 规则1：您正在扩大您的业务足迹 部署混合云体系结构时要牢记的最重要的事情之一是，您正在扩大您的业务足迹。 这个架构如何影响对服务台的呼叫？ 公共云和数据中心之间的网络中断计划是什么？ 正如您所看到的，混合架构可能会要求您聘请具有适当技能的人员在所选公共云平台上运行。 规则2：不要与YouTube和Facebook分享您的网络 请确保您与您的网络运营团队合作，这样才能确定混合应用程序周围的网络需求。 但是，这种架构可能无法为应用程序提供最佳的经济性或性能。 有时重新设计应用程序更利于充分使用公共云服务，同时仍然提供混合云架构的好处，所以重新设计是很有益的。
2.4K50发布于 2018-01-10- 来自专栏深度学习与python
混合云的多活架构指南
作者 | 董晓聪 吕亚霖 策划 | 褚杏娟 在之前的《如何正确选择多云架构？》一文中介绍了混合云（广义的多云）的诸多架构以及各自的优势，本篇会重点来介绍下混合云下的多活架构。 背 景 企业选择混合云的技术诉求中，主要因素还是稳定性和成本 & 服务，而对这两点的极致追求就是多活架构。 稳定性 业务探索阶段追求效率，技术上一般会选择单云单活的架构。 当云厂商 2 故障时，核心业务可以正常运行。这时的故障率为 max（n，m），取决于短板的云供应商。 编后语 一路走来，笔者对作业帮混合云多活架构的建设感受良多，其不单单是容器多集群的管理和流量调度，更是一整套贯穿资源和应用的企业架构整体解决方案。 上述为作业帮混合云多活架构的综述，后续文章会逐渐为大家介绍多活架构中 IaaS、PaaS、SaaS 的技术细节以及迁移新云的 SOP，请大家持续关注。
1.1K30编辑于 2022-06-13 混合云架构的7个规则
混合云架构经常被描述为“私有云和公共云共享资源”。但事实上，许多混合架构只是利用公共云资源与私有托管应用程序相结合。 本文将介绍采用混合云架构时要考虑的七条规则。 规则1：您正在扩大您的业务范围 部署混合云体系结构时要牢记的最重要的事情之一是，您正在扩大您的业务范围。 这个架构对服务台的调用有什么影响？ 公有云和数据中心之间的网络中断应急预案是什么？ 正如您所看到的，混合架构可能会要求您聘请具有适当技能的人员在所选公共云平台上运行。 规则2：不要与YouTube和Facebook分享您的网络 确保您与您的网络运营团队合作，确定混合应用程序周围的网络要求。 但是，这种架构可能无法为应用程序提供最佳的经济性或性能。 有时重新设计应用程序以更好地利用公有云服务，同时仍然提供混合云架构的好处是有利的。
3.6K71发布于 2018-01-03- 来自专栏育种数据分析之放飞自我
混合线性模型学习笔记2
教程使用的还是上一篇的PPT内容：混合线性模型学习笔记1 这一个章节主要是介绍混线性模型的应用，其实我们很多本科时候学的统计学知识（大都是一般线性模型，回归分析，方差分析等等）都可以放在混合线性模型的框架下进行分析 ，就像物理学中，牛顿的经典力学是一般线性模型，而爱因斯坦的广义相对论是混合线性模型，牛顿的力学只是广义相对论的一个特例，同样，一般线性模型只是混合线性模型的一个特例（没有随机因子，残差结构单一的正态分布 模块划分 从模块来看，从混合线性模型的介绍，随机区组的试验设计，裂区试验的分析，协方差的分析，重复测量数据的分析，基本包含了常见的分析类型。 2. 解决方法：混合线性模型 为了克服方差分析没有考虑个体间的不一致，混合线性模型出场了，它可以将个体作为随机因子进行分析，考虑个体间的不一致（允许个体不一致）。 5. 为何要使用混合线性模型 这里做了一个概述，为何要使用混合线性模型？
68540发布于 2020-05-13 - 来自专栏cwl_Java
系统架构师论文-论混合软件架构设计
本文首先简单地分析了 C/S架构和B/S架构各自的优缺点，然后说明了混合C/S架构 和B/S架构的必要性，分析了“内外有别”和“查改有别"两种混合模型，并以变电综合信息 管理系统为例，结合寤情况，讨论了 C/S和B/S混合架构的应用.实践证明，在软件项 目的开发中，使用C/S与B/S混合软件架构，能节省开发和维护成本，使系统具有良好的 开故性，易扩展性，便于转等腕. （2）客户端程序设计复杂.采用C/S架构进行软件开发，大部分工作宣放在客户端 的程序设计上，客户端显得十分庞大. （2）B/S架构的系统扩展能力差，安全性难以控制， （3）采用B/S架构的应用系统，在数据查询等响应速度上，耍域地低于C/S架构. 下面，我们分别介绍C/S与B/S混合架构的两个模型. 3.1 "内外有别"模型 在C/S与B/S混合架构的“内外有别”模型中，企业内部用户通过局域屈直接访问数据 库服务器，软件系统釆用C/S架构
1.5K00发布于 2019-10-26 DeepSeek技术架构解析：MoE混合专家模型
本文将从技术原理、工程创新以及应用潜力三个维度，深度解析这一架构的设计逻辑与行业意义。 二、什么是混合专家模型？ 在有限算力条件下，优化模型架构的参数量通常比增加训练迭代次数更能有效提升模型性能。 混合专家架构(MoE)的突破性价值体现在其独特的计算效率优势——该架构通过动态激活专家模块的机制，可在大幅降低算力消耗的同时完成高质量预训练。 混合专家模型(MoE)本质上是一种改进版的Transformer架构，其核心创新点在于引入动态计算的模块化结构，具体可通过以下维度理解： 稀疏 MoE 层：不同于传统Transformer中每个前馈网络 推理挑战:1）内存黑洞效应 2）计算量子隧穿现象 当每个token激活2个专家时，理论计算量=2x7B部分 + 共享7B部分，等效于约（7x2+7x0.35）=16.45B FLOPs。 通过使用较低的 k 值 (例如 1 或 2)，我们可以比激活多个专家时更快地进行训练和推理。为什么不仅选择最顶尖的专家呢？
1.4K20编辑于 2025-11-20- 来自专栏AI SPPECH
45_混合专家模型：MoE架构详解
1.2 MoE的核心组成：专家与门控 混合专家模型的架构创新在于将传统的密集前馈网络层替换为稀疏激活的专家网络集合。 核心技术指标： 参数规模：6710亿 激活参数：每个token激活370亿参数 训练效率：比传统架构提升7倍以上 MLA显存占用：仅为传统架构的5%-13% 架构特点： 混合专家架构：通过将模型划分为多个专家模块 结论：稀疏计算引领大模型新时代 混合专家模型（MoE）通过创新的稀疏计算架构，成功实现了参数规模与计算成本的有效解耦，为大语言模型的持续发展提供了新的技术路径。 深度解读混合专家模型(MoE):算法、演变与原理. InfoQ, 2025. DeepSeek源码解构:从MoE架构到MLA的工程化实现. CSDN博客, 2025. 混合专家模型(MoE)技术原理与应用实践. CSDN博客, 2025. 昇腾原生，华为发布准万亿模型Pangu Ultra MoE模型架构和训练细节. 今日头条, 2025. 重磅!"
1.3K10编辑于 2025-11-12 - 来自专栏IT技术订阅
DeepSeek MoE：混合专家架构的创新与突破
近年来，混合专家（Mixture of Experts，简称MoE）架构逐渐成为研究的热点。DeepSeek作为一家在人工智能领域崭露头角的公司，其推出的DeepSeek MoE架构引发了广泛关注。 本文将深入探讨DeepSeek MoE架构的创新之处及其在性能和效率上的突破。 MoE架构的历史与背景 MoE架构最早可以追溯到1991年，最初被应用于贝叶斯网络中的专家组合。 DeepSeek MoE架构的创新 尽管MoE架构在理论上具有显著的优势，但在实际应用中，如何实现高效的专家分配和负载均衡仍然是一个关键问题。 DeepSeek在2024年1月推出的DeepSeek MoE架构，通过一系列创新设计，解决了传统MoE架构中的痛点。 细粒度专家分割 DeepSeek MoE架构的一个重要创新是细粒度专家分割。 根据DeepSeek的技术报告，DeepSeek MoE 16B在2万亿token上训练，仅需要大约40%的计算量就能达到与DeepSeek 7B和LLaMA2 7B相当的性能。
1.2K10编辑于 2025-02-05 Hermes Agent + LangChainAutoGPT 混合架构：构建超级 Agent 系统
混合架构方案方案一：Hermes+LangChainRAG展开代码语言：TXTAI代码解释用户提问→HermesAgent→检索记忆↓（记忆中没有答案）调用LangChainRAG↓（检索文档库）返回答案 ：多个框架的版本更新需要协调部署建议混合架构建议使用4C8G以上的服务器配置。 立即前往腾讯云官网选购HermesAgent专属云服务器FAQ：Q1：混合架构比单独用HermesAgent好吗？A：不一定。如果你的需求在HermesAgent内置能力范围内，单框架反而更稳定高效。 混合架构适合有特殊需求的高级用户。Q2：需要自己写集成代码吗？A：目前需要编写MCP桥接服务。社区正在开发常用框架的即插即用集成包。Q3：资源需求比单框架大多少？ A：取决于集成的框架数量，通常需要2-3倍的内存。
10810编辑于 2026-04-16- 来自专栏腾讯技术工程官方号的专栏
Redis vs Tendis：冷热混合存储版架构揭秘
由 腾讯互娱 CROS DBA 团队 & 腾讯云数据库团队联合研发的 Tendis 推出了: 缓存版 、 混合存储版 和 存储版 三种不同产品形态, 针对不同的业务需求, 本文主要介绍 混合存储版 的整体架构 最后重点介绍冷热混合存储版的架构, 并且重点介绍各个组件的功能特性。 缓存一致性的问题 对于 Redis + MySQL 的架构需要业务方花费大量的精力来维护缓存和数据库的一致性。 Tendis 冷热混合存储版 整体架构 Tendis 冷热混合存储版主要由 Proxy 、缓存层 Redis、 存储层 Tendis 存储版 和 同步层 Redis-sync 组成, 其中每个组件的功能如下 同步层 Redis-sync: 1) 并行数据导入 存储层 Tendis; 2) 服务无状态, 故障重新拉起; 3) 数据自动路由。
3.8K40发布于 2021-04-21 - 来自专栏SFU/MCU/OvMeet视频会议
SFUMCU融合混合视频会议架构方案分析
因为大家业务系统多是b/s架构。一般会议互动多选择至少支持web架构。罗列需求如下： 1，支持web参会，最好能支持手机全平台的 2，并发可以动态调整，可以接入rtsp监控,直播之类平台。 分析现在会议的主流架构： 1，Mesh肯定不适合需求稳定的办法，对端要求太高，网络不太可控，人多容易卡 2，MCU基本满足需要，但缺乏灵活性，对硬件稍高 3，SFU现在主流网络会议都是sfu,同样存在问题 针对上述问题，有没有合理的方案 总结发现，单一的架构总有不满意的地方，有没有第4种方案，SFU+MCU是不是更合理，调研发现，现在SFU+MCU才是更适应需求的架构，即满足当前的灵活需求也能充分针对不同端选不同的接入方式
5.4K40发布于 2021-05-21 AI时代企业Web3混合架构实战解析
AI时代部署Web3混合架构在人们对计算资源需求无止境的背景下，Web3的原则和技术为企业提供了透明、灵活且成本效益高的资源。 这个曾经未来主义的概念正迅速成为更具体的现实，即便在Web2仍占主导地位的当下。 六成的《财富》500强公司正在探索基于区块链的解决方案，大多数采取混合方法，将传统的Web2商业模式和基础设施与Web3的去中心化技术和原则相结合。 该机构自己的生态系统包括媒体流媒体、AI计算和分布式存储的能力，这些可以插入现有的Web2技术栈。 这种混合模式允许企业同时利用Web2和Web3的优势，支撑了他所看到的这个备受炒作的下一代互联网的长期愿景。
27110编辑于 2026-03-20- 来自专栏大数据杂货铺
数据架构的三大纠缠趋势：数据网格、数据编织和混合架构
对应于图 2 中数据网格示例的数据编织实现 在数据编织实现中，数据网格中的概念映射到数据架构中的真实世界工件。 定义的混合数据架构 “现代数据”的想法是，那些不是在云中诞生或无法完全迁移到云的公司都是在吹捧混合架构的公司。但即使所有计算和存储资源的最终目的地是云，也将有一个不平凡的过渡期。 在此期间，根据定义，它们将具有混合架构。因此，业界的要求很明确：必须使混合数据架构变得可行——并且它们将继续存在（在可预见的未来）。 因此，混合架构可以被认为是跨多种形式因素的数据编织的实现。 混合架构可以允许数据生产者在数据中心的本地数据仓库中生成数据和表，并允许云中的数据消费者订阅这些表。 混合架构的不同定义是什么？ 混合数据架构有很多定义。混合有严格的定义，能够在不同位置之间自动无缝迁移数据工作负载，例如从本地部署到任何云，或从一个云到另一个云。
2.3K10编辑于 2022-12-02 - 来自专栏DDD
架构与架构师2
最近闲了，看了几次李运华关于架构的视频，不禁再次反问架构是什么？架构师的职责是什么？ 对于这两个问题，之前也总结过一篇《架构和架构师》[1]，再结合他的专栏文章和视频，补充一下 架构 李运华给架构的定义：软件架构指软件系统的顶层结构，缩句成架构指结构，而结构的修饰语蕴含了太多东西，抽象不够直白 ，得行多少路，抽象了多少回，才有的认知，所以我也不打算靠记忆了，不过对于模块和组件的认知很独到 虽然架构定义众家纷说，但对于如何描述架构还是有共识的，那就是“4+1视图”，在《架构和架构师》[2]也描述了 架构师在国内，大多时候可能不是个岗位，而是个角色。大厂还有架构师一说，小厂难得有专职架构师，所以架构师职能还得多多取经大牛，学习一下大牛 架构师能力模型 ? 这个过程，回顾最近几个系统设计的确是这样的 1.业务方提出一个业务，刚开始可能只是个目标，轮廓2.与业务方、产品不停的交流，交流得越深入，需求就越明确3.理解业务并明确需求后，划分模块，不管是传统画ER
56210发布于 2021-03-23 2025年YashanDB支持的混合云架构发展前瞻
到2025年，YashanDB在混合云架构方面的发展可能会经历以下几个重要趋势和变化：1. 2. 智能数据管理：借助人工智能和机器学习技术，YashanDB可能会提供智能数据管理功能，帮助用户自动优化数据存储和访问，减少延迟并提高性能。3. 容器化与微服务架构支持：随着容器化技术的普及，YashanDB可能会改进其架构，以更好地支持微服务和容器化应用，使得数据可以在弹性和可扩展性上获得更高的灵活性。5. 用户友好的管理界面：为了提升用户体验，YashanDB可能会开发更为直观的管理界面，让用户能够更轻松地监控和管理混合云环境中的数据。8. 通过以上的发展，YashanDB有可能成为在混合云架构中更加强大和灵活的数据存储解决方案，帮助企业更高效地管理其数据资产。
14210编辑于 2025-11-15手机端AI新突破：混合架构小型语言模型
Jamba Reasoning 3B还可以在混合设置下工作：简单任务由设备本地处理，而较重的任务则发送到强大的云服务器。 该模型基于名为Jamba的架构构建，该架构结合了两种类型的神经网络设计：从其他大型语言模型熟悉的Transformer层，以及为更高内存效率而设计的Mamba层。 这种混合设计使模型能够直接在笔记本电脑或手机上处理长文档、大型代码库和其他大量输入——仅使用传统Transformer约十分之一的内存。 为何需要小型LLM模型的混合架构使其在速度和内存效率上都具有优势，即使在处理非常长的输入时也是如此。随着更多用户在笔记本电脑上本地运行生成式AI，模型需要快速处理长上下文而不消耗过多内存。
22610编辑于 2025-12-16
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号