- 综合排序
- 最热优先
- 最新优先
- 来自专栏懒人的运维备忘录
Nginx(3)-创建 https 站点
常见的对称加密算法： DES（Data Encryption Standard） 3DES AES（Advanced Encryption Standard）密钥长度可选128/192/258/384/ 申请者将自己的公钥和个人（站点）信息发送给CA，请求其做认证。CA进行验证后，将申请人的信息和公钥使用Hash算法提取消息摘要，然后CA使用自己的私钥对消息摘要进行加密形成数字签名。 TLS 安全密码套件 03-06-TLS安全密码套件.png 密钥交换 身份验证 对称加密算法、强度、分组模式 签名 hash 算法 使用私有 CA 实现 https 站点 建立私有 CA 1.安装 openssl 站点申请证书 1.安装 openssl 2.生成密钥，保存在服务配置文件目录下 mkdir /usr/nginx-1.14.2/conf/ssl ln -s /usr/nginx-1.14.2/conf 其他：CA 吊销证书openssl ca -revoke nginx.crt 站点部署证书 将证书保存在/etc/nginx/ssl/目录下，由于之前编译安装的 nginx，默认没有将ssl_module
1.5K00发布于 2019-03-19 值得注意的3个SaaS站点
不同于其他站点，SaaS网站更加活跃而富有生机，所以六个月或者一年才更新一次榜单显然不合适，Sass榜单必须经常更新。 ＃3 - ZenDesk 我不记得我在2012年列出的榜单中是否提到了ZenDesk，但我敢打赌，我以前肯定提到过它。现在，ZenDesk正在成为最佳帮助系统类SaaS网站之一。
1.3K50发布于 2018-01-11- 来自专栏python3
SRX的3种NAT模式运用在×××站点
瞻博（Juniper）的SRX建立×××站点比较简单，NAT的运用也简单，我要谈的是他们之间的联合运用。 要求的情况： 本地A和一个地方B建立×××站点连接，一个远程地方C通过专线到达本地，该远程只有到达本地A的路由，而且不能添加路由。要求远程C通过本地A访问×××站点B。 先来看一下×××站点的配置，虽说很简单，还是贴一下配置。 { keys group2; } proposals esp-3des-sha1; } 另外说一下他们3个的执行顺序，静态〉目的〉源，还要说一下他们和其它的执行顺序，路由是低于NAT的，×××是低于路由的（这里用的是基于路由的×××站点），最终执行的顺序是：静态NAT〉目的NAT〉策略〉源
60530发布于 2020-01-06 - 来自专栏Python数据科学
经验 | 3行代码数据预处理提速6倍！
感谢Python的concurrent.futures模块，只需3行代码就可以将一个普通程序转换为一个可以跨CPU核心并行处理数据的程序。 ? 我们只需修改3行代码。 ? 上面的代码中的： ? 你有多少CPU核心就启动多少Python进程，在我的例子中是6个。实际的处理代码是这样的： ?
69450发布于 2018-12-25 - 来自专栏机器学习算法与Python学习
经验 | 3行代码数据预处理提速6倍！
感谢Python的concurrent.futures模块，只需3行代码就可以将一个普通程序转换为一个可以跨CPU核心并行处理数据的程序。 ? 我们只需修改3行代码。 ? 上面的代码中的： ? 你有多少CPU核心就启动多少Python进程，在我的例子中是6个。实际的处理代码是这样的： ?
57630发布于 2018-12-25 - 来自专栏新智元
训练速度远超3D CNN，提速3倍！Facebook首发「时空版」Transformer
视频剪辑上限可达几分钟，远远超过当下最好的3D CNN，且成本更低。 此外，与现代3D 卷积神经网络(CNN)相比，TimeSformer 的训练速度提高了大约3倍，推理所需计算量不到原来的十分之一。这是支持需要实时或按需处理视频的应用程序的重要一步。 TimeSformer 与先进的3D 卷积神经网络在 Kinetics-400(左)和 Kinetics-600(右)动作识别基准上的视频分类精度。 传统的3D卷积神经网络由于需要在视频的所有时空位置上使用大量的滤波器，所以计算成本也很高。 这与目前的3D CNN有很大不同，后者仅限于处理最多几秒的片段，而且是识别长时间活动的关键要求。 例如，看一段演示如何制作法式吐司的视频。
1.2K10发布于 2021-03-24 - 来自专栏我就是马云飞
Gradle构建提速
提速法则一览 以上优化方案基于android gradle tools 3.0-alpha 关于Santa Tracker Project 9 个模块，包括Wear 500 多个Java文件 1700
1.9K50发布于 2018-02-05 3 个值得注意的软件即服务（SaaS）站点
＃3 - ZenDesk 我不记得是否有任何 2012 年发布的名单中提到了 ZenDesk，但我敢打赌，至少我提到过它。现在，ZenDesk 已成为客户服务领域的最佳SaaS网站之一。
1.2K80发布于 2018-01-08- 来自专栏Web 开发
给Twentyfifteen提速
Twentyfifteen默认加载了Google Fonts，但国内的这大局网，会导致无法加载，从而影响整个阻塞整个页面的渲染。
54000发布于 2018-08-08 - 来自专栏相约机器人
技巧 | 3 行代码让 Python 数据预处理提速 6 倍！
感谢Python的concurrent.futures模块，只需3行代码就可以将一个普通程序转换为一个可以跨CPU核心并行处理数据的程序。 ? 我们只需修改3行代码。 ? 上面的代码中的： ? 你有多少CPU核心就启动多少Python进程，在我的例子中是6个。实际的处理代码是这样的： ?
1.2K40发布于 2019-06-21 - 来自专栏python3
Admin站点
通过设置short_description属性，可以设置在admin站点中显示的列名。 list_display = ['id', 'hname', 'hbook', 'read'] 3）在浏览器中刷新效果如下图： ? f. fields = ['btitle', 'bpub_date'] 3）刷新浏览器效果如下图： ? b. inlines = [HeroInfoStackInline] 3）刷新浏览器效果如下图： ? 调整站点信息 Admin站点的名称信息也是可以自定义的。 使用Admin站点上传图片 进入Admin站点的图书管理页面，选择一个图书，能发现多出来一个上传图片的字段 ?
2.9K20发布于 2020-01-15 - 来自专栏架构师
利用HTTP2与HTTP3 给你的网站提速！！
虽然 HTTP/2 提高了网页的性能，但是并不代表它已经是完美的了，HTTP/3 就是为了解决 HTTP/2 所存在的一些问题而被推出来的。 一、HTTP/1.1发明以来发生了哪些变化？ 3.明文传输--带来的不安全性 HTTP/1.1在传输数据时，所有传输的内容都是明文，客户端和服务器端都无法验证对方的身份，这在一定程度上无法保证数据的安全性。 从目前的情况来看，国内外一些排名靠前的站点基本都实现了HTTP/2的部署，使用HTTP/2能带来20%~60%的效率提升。 总之，在传输数据之前，我们需要花掉 3～4 个 RTT。 TCP的队头阻塞并没有彻底解决 上文我们提到在HTTP/2中，多个请求是跑在一个TCP管道中的。 不过HTTP/3目前还处于草案阶段，正式发布前可能会有变动，所以本文尽量不涉及那些不稳定的细节。
2K41发布于 2019-10-22 - 来自专栏AI科技大本营的专栏
YOLOv3模型剪枝，瘦身80%，提速100%，精度基本不变
在52CV目标检测交流群里，被提及最多的，恐怕就是YOLOv3了。 虽然新出的一些算法号称“完胜”“吊打”某某某算法，但YOLOv3 仍是被推荐最多的。 另一个重要原因是，YOLOv3是被很多人使用验证过的模型，被某个数据库验证过的某算法精度好很重要，但被社区大量验证过效果OK的算法更重要。 今天向大家推荐一个Github新工程，对YOLOv3进行模型剪枝： https://github.com/Lam1360/YOLOv3-model-pruning 这份代码是基于Python 3.6, 作者用 YOLOv3 做人手检测（在 oxford hand 数据集上训练的），并进行了模型剪枝，剪枝后YOLOv3 模型的参数量减少 80% ，FLOPs 降低 70%，推断的速度提高了100%，而
3.9K00发布于 2019-07-11 - 来自专栏我爱计算机视觉
YOLOv3模型剪枝，瘦身80%，提速100%，精度基本不变
在52CV目标检测交流群里，被提及最多的，恐怕就是YOLOv3了。 虽然新出的一些算法号称“完胜”“吊打”某某某算法，但YOLOv3 仍是被推荐最多的。 另一个重要原因是，YOLOv3是被很多人使用验证过的模型，被某个数据库验证过的某算法精度好很重要，但被社区大量验证过效果OK的算法更重要。 今天向大家推荐一个Github新工程，对YOLOv3进行模型剪枝： https://github.com/Lam1360/YOLOv3-model-pruning 这份代码是基于Python 3.6, 作者用 YOLOv3 做人手检测（在 oxford hand 数据集上训练的），并进行了模型剪枝，剪枝后YOLOv3 模型的参数量减少 80% ，FLOPs 降低 70%，推断的速度提高了100%，而
80520发布于 2019-12-27 - 来自专栏程序员的知识天地
3行代码让Python数据处理脚本获得4倍提速
得益于Python的 concurrent.futures 模块，我们只需3行代码，就能将一个普通数据处理脚本变为能并行处理数据的脚本，提速4倍。 3.让每个Python实例处理这4块数据中的一块。 4.将这4部分的处理结果合并，获得结果的最终列表。 整个过程我们只需要改动3行代码。 比原来的版本提速4倍！之所以能更快的处理数据，是因为我们使用了4个CPU而不是1个。 但是如果你仔细看看，会发现“用户”时间几乎为9秒。那为何程序处理时间为2.2秒，但不知怎么搞得运行时间还是9秒？ 这种方法总能帮我的数据处理脚本提速吗？ 如果你有一列数据，并且每个数据都能单独处理时，使用我们这里所说的Process Pools是一个提速的好方法。
1.1K40发布于 2018-12-06 - 来自专栏johnhuster
国内访问github提速
当然还有其他一些方式，不过上面这个网站已经满足了笔者的需求，更多可以参照https://juejin.cn/post/6876715404455051272
1.3K10编辑于 2022-03-28 - 来自专栏运维猫
Tomcat站点部署
mariadb-server [root@ansible ~]# systemctl enable mariadb [root@ansible ~]# systemctl start mariadb 3、 tomcat/webapps/ 2.导入sql文件 [root@ansible tools]# mysql -D jspxcms_test < database/mysql.sql -p123456 3. 8、Tomcat多实例站点部署 多实例作用运行不同的应用（类似虚拟主机）多实例运行相同的应用（实现负载均衡，支持高并发处理，session问题） 1.拷贝tomcat目录 [root@ansible Host name="localhost" appBase="/webapps/tomcat9_2" unpackWARs="true"autoDeploy="true"> 3. 创建站点家目录，及测试页面准备 [root@ansible local]# mkdir -p /webapps/tomcat9_{1,2} [root@ansible local]# mkdir /
2.1K10发布于 2019-11-20 - 来自专栏杰瑞IC验证
验证仿真提速系列--SystemVerilog编码层面提速的若干策略
诸多层面，提速手段不同，收益也不同。 我们《验证仿真提速系列》这个专辑就一起来探讨和解决这个问题（注意：专辑发文顺序与仿真提速收益无关，完全看天气和心情！！！） ? 3.对于条件的相关编码长点儿心吧 例3.1：简单的条件短路 ? 第一行if中通过“或”联系起来的条件，当其中term1为1时，则后续不用判断则可以得出if条件整体成立。 结语 正如前文所说：“专辑发文顺序与提速收益无关”，本篇的提效手段，对于代码规模不大的验证业务，说实话并不是收益最大的提速方式，甚至有的收益难以感知，属于“勒紧裤腰带”的致富方式。 Proceedings 2012. 3. Standard for SystemVerilog -- Unified Hardware Design, Specification, and Verification Language. by IEEE, 3
2.3K11发布于 2021-06-25 - 来自专栏数据库干货铺
3招提速InnoDB恢复速度！
今天想和大家聊一个让无数DBA抓狂的问题：MySQL异常宕机后，重启卡在“InnoDB: Starting crash recovery...”动弹不得，一等就是十几二十分钟，甚至更久。
13110编辑于 2026-03-04 - 来自专栏我爱计算机视觉
YOLOv3 精度再次提高 4.3%，训练提速 40%！PaddleDetection全面升级
YOLOv3大幅增强，精度提升4.3%，训练提速40%，推理提速21% 在基于COCO数据集的测试中，骨干网络DarkNet作者在其论文中所使用的YOLOv3模型的验证精度mAP为33.0%，而飞桨在之前版本中曾经发布过基于 DCNv2已经在多个视觉任务中广泛验证过其效果，在考虑到速度与精度平衡的前提条件下，本次升级的YOLOv3模型使用DCNv2替换了主干网络中stage5部分的3x3卷积。 实验数据表明，使用ResNet50-VD和DCVv2后，模型精度提升了0.2%，提速约为21%。 在FPN部分增加DropBlock模块，提高了模型泛化能力。 人脸检测模型BlazeFace压缩3倍，提速122% PaddleDetection中包含了两种轻量化的人脸检测算法，即Faceboxes和BlazeFace。 该方案中使用了PaddleDetection的目标检测模型YOLOv3，并使用了YOLOv3的压缩方案进行部署，可以实现定时拍照、数据收集、智能分析、自动上报等功能。
1.6K10发布于 2020-03-19
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