- 综合排序
- 最热优先
- 最新优先
- 来自专栏黑泽君的专栏
7层OSI网络模型概述
7层OSI网络模型 7层OSI网络模型概述： 7.应用层： 主要是一些终端的应用，比如说FTP(各种文件下载)、WEB(IE浏览)、QQ之类的(可以把它理解成我们在电脑屏幕上可以看到的东西 3.网络层： 主要将从下层接收到的数据进行IP地址(例192.168.0.1)的封装与解封装。 在这一层工作的设备是路由器。 网络参考模型图 ? 网络模型举例 ?
57520发布于 2018-10-11 构建可靠AI模型的7项技术
Ammanath是某机构全球AI研究院的执行董事，并领导某机构的可信与伦理技术部门。 企业在扩展其AI应用范围时的任务是：将鲁棒性和可靠性作为AI战略的组成部分加以权衡，并协调能够管理并纠正动态环境中错误的流程、人员和技术。为此，我们从鲁棒可靠AI领域的一些基本概念开始。 网络中的意外故障可能导致数据流的变化。一个下国际象棋的AI很可能长时间保持鲁棒，因为国际象棋的规则以及AI将遇到的走法是可预测且静态的。 检查模型鲁棒性和准确性的频率应取决于模型的优先级以及模型更新的频率。高风险、频繁更新的模型最好每天检查一次（由人工验证输出）。 这些很可能是技术性方法，组织的数据科学专业人员有能力探索新想法如何支持已部署的AI以及模型开发。例如，“Lipschitz约束模型”具有有界导数，可以帮助神经网络更鲁棒地抵御对抗性样本。
22210编辑于 2026-05-07构建可靠AI模型的7大核心技术
模型性能是否会下降？在什么情况下模型不再可行？当环境中的微小变化导致功能和准确性发生巨大变化时，模型就被认为是非弹性或“脆弱”的。脆弱性是软件工程中的已知概念，也适用于AI。 数据可靠性经验模型的质量仅取决于用于开发模型的训练和测试数据。如果对数据质量相对于真实世界的代表性没有信心，模型的输出可能无法在操作环境中可靠地提供准确输出。 为了更深入地了解AI如何运行，有一些工具允许模型在预测或输出旁边报告不确定程度。这朝着信任稳健系统迈进。如果模型报告高度不确定性，这对人类操作员或其他网络AI是有价值的洞察。 检查模型稳健性和准确性的频率应取决于模型的优先级和模型更新的频率。高风险、定期更新的模型最好每天检查（由人类验证输出）。 这些可能是技术方法，组织的数据科学专业人员可以探索新想法如何支持部署的AI以及模型开发。例如，“Lipschitz约束模型”具有有界导数，可以帮助神经网络对对抗性示例更加稳健。
42700编辑于 2025-08-30- 来自专栏CV学习史
后台开发-核心技术与应用实践--网络模型与网络调试
网络 IO 模型 IO 有两种操作，同步 IO 和 异步 IO。同步 IO 指的是，必须等待 IO 操作完成后，控制权才返回给用户进程。 4种网络 IO 模型 为了解决网络 IO 中的问题，学者们提出了4种网络 IO 模型： 阻塞 IO 模型 非阻塞 IO 模型 多路 IO 复用模型 异步 IO 模型 在Linux下，默认情况下所有的 socket 但是，“线程池”和“连接池”技术也只是在一定程度上缓解了频繁调用 IO 接口带来的资源占用。这时可以用非阻 塞模型来尝试解决这个问题。 相比其他模型，使用 select() 的事件驱动模型只用单线程（进程）执行，占用资源少，不消耗太多 CPU 资源，同时能够为多客户端提供服务。 如果试图建立一个简单的事件驱动的服务器程序，这个模型有一定的参考价值。 异步 IO 模型 异步 IO 模型的流程如图所示： ? 各个 IO 模型的比较如图所示： ?
95630发布于 2021-04-15 - 来自专栏全栈程序员必看
googlenet网络模型简介_网络参考模型
跟VGG不同的是，GoogleNet做了更大胆的网络上的尝试而不是像VGG继承了Lenet以及AlexNet的一些框架，该模型虽然有22层，但大小却比AlexNet和VGG都小很多，性能优越。 深度学习以及神经网络快速发展，人们容易通过更高性能的硬件，更庞大的带标签数据和更深更宽的网络模型等手段来获得更好的预测识别效果，但是这一策略带来了两个重要的缺陷。 （1）更深更宽的网络模型会产生巨量参数，从而容易出现过拟合现象。 （2）网络规模加大会极大增加计算量，消耗更多的计算资源。 二、Inception 结构 2.1 Inception模型 A Inception结构的主要思想是找出如何让已有的稠密组件接近与覆盖卷积视觉网络中的最佳局部稀疏结构。 ＧoogLeNet 网络结构如下图所示： GoogLeNet网络模型参数变化如下图所示： 总体结构： （1）包括Inception模块的所有卷积，都用了修正线性单元（ReLU）；
1.2K10编辑于 2022-09-21 - 来自专栏机器之心
百度NLP | 神经网络模型压缩技术
模型越趋复杂，由最初的词袋模型（BOW）发展至建模短距离依赖关系的卷积神经网络（CNN），建模长距离依赖关系的循环神经网络（RNN），以及基于词与词之间匹配矩阵神经网络（MM-DNN）等等。 同时，由于语言复杂、表达多样、应用广泛，为了更好的解决语言学习的问题，我们将更多的 NLP 特征引入 DNN 模型，比如基于 t 统计量的二元结构特征，基于依存分析技术的词语搭配结构特征等。 我们采用这种方法，在百度搜索的深度神经网络语义模型进行了 1/4 无损压缩，即保证线上模型表达能力不变、应用效果持平的前提下，线上所有模型的内存占用减少了 75%。 百度NLP专栏扩展阅读： 百度NLP | 神经网络语义匹配技术 百度NLP | 智能写作机器人：不抢人类饭碗，我们只想人机协作 百度NLP | 自动写诗 PK 古代诗人：百度「为你写诗」技术深度揭秘 独家对话百度副总裁王海峰：NLP 的路还很长 「百度NLP」专栏主要关注百度自然语言处理技术发展进程，报道前沿资讯和动态，分享技术专家的行业解读与深度思考。
1.6K50发布于 2018-05-08 - 来自专栏猫头虎博客专区
小米MiMo：7B模型逆袭AI大模型战场的技术密码
小米MiMo：7B模型逆袭AI大模型战场的技术密码 在大模型竞争愈发激烈的2025年4月30日，小米以一款名为 MiMo-7B 的开源模型强势突围，在数学推理与代码能力评测中表现亮眼，不仅与规模更大的模型正面对抗 技术破局：MiMo如何用7B挑战32B？ MiMo的惊艳表现，背后是一系列富有前瞻性的训练策略和工程创新： 1. 精准打磨的预训练阶段 MiMo并非凭参数“硬碰硬”，而是靠“巧劲”赢得优势。 最终，MiMo累计训练了 25万亿 tokens，这一数据在7B模型中堪称顶级，为其强悍能力打下坚实基础。 2. 她不仅是 DeepSeek-V2 的核心开发者，还推动了 MLA（Multi-head Latent Attention） 技术的发展，这项技术在降低大模型部署成本上发挥了关键作用。 在模型、硬件、生态数据的三位一体加持下，小米未来的AI布局，值得持续关注。 MiMo项目链接： 模型开源地址 技术报告地址
1.6K10编辑于 2025-05-02 - 来自专栏帅云霓的技术小屋
容器网络硬核技术内幕 (7) 大海航行靠舵手
让我们小结一下基于docker引擎的容器网络： 每个docker容器需要连接到网络上，才能对外提供服务，否则其存在没有任何意义。 对于访问宿主机以外的网络，需要通过NAT： 当然，对外访问宿主机内部的容器，也需要经过NAT。 对于两台宿主机之间互访的情况，可以利用swarm实现基于VXLAN隧道的互通： 有了这些基础的容器网络机制，我们是可以构建一个基于容器的对外服务系统的。 我们也知道，在linux + docker的体系中，创建容器、销毁容器、将容器连入网络、监控容器性能等操作，都需要手工进行。
87320编辑于 2022-07-27 - 来自专栏C++
【Linux网络】NAT技术、DNS系统、五种IO模型
1、NAT NAT （网络地址转换）技术主要解决 IPv4 地址不够用的问题，是路由器的一个重要功能。 3、内网穿透 | 原理： 内网穿透的工作原理主要基于 NAT 技术的逆过程。NAT技术将内部网络的私有IP地址转换为外部网络的公网IP地址，实现内部网络与外部网络的通信。 | 应用： 远程办公：员工可以在家中或其他远程地点通过内网穿透技术访问公司内部网络中的资源和服务，实现远程办公。 家庭网络访问：用户可以通过内网穿透技术访问家庭网络中的NAS设备、智能家居设备等，实现远程管理和控制。 API服务访问：开发者可以将内部网络中的API服务通过内网穿透技术暴露到公网上，供外部用户访问和使用。
81610编辑于 2025-03-09 - 来自专栏帅云霓的技术小屋
大模型与AI底层技术揭秘 (7) 卡车搬运的数据
= np.float32(np.random.rand(2, 100)) # 随机输入 y_data = np.dot([0.100, 0.200], x_data) + 0.300 # 构造一个线性模型 我们对这段python代码进行解读： 在第1行引入了tensorflow的类库后，9-11行利用tensorflow类库定义线性模型，随后13行定义残差为均方误差（mean square error）， 次迭代，每20次输出一次迭代过程数据，得到拟合结果，工作流程如下图： 我们发现，在利用Tensorflow开发的机器学习代码中，程序员完全不需要自己实现任何算法的细节，只需要调用Tensorflow提供的模型就可以了 让我们再回到《大模型与AI底层技术揭秘 (2) 人妖之间的国度》中提到的“算盘打出原子弹”的故事。实际上，这是一个典型的分布式并发计算的场景。Tensorflow也提供了分布式训练的能力。
51620编辑于 2023-10-30 - 来自专栏开源心路
CentOS 7 网络配置
今天在一台PC上安装了CentOS 7，当时选择了最小安装模式，安装完成后马上用ifconfig查看本机的ip地址（局域网已经有DHCP），发现报错,提示ifconfig命令没找到。 IPV6_DEFROUTE=yes IPV6_PEERDNS=yes IPV6_PEERROUTES=yes IPV6_FAILURE_FATAL=no NAME=enp2s0 UUID=5b0a7d76 IPV6_DEFROUTE=yes IPV6_PEERDNS=yes IPV6_PEERROUTES=yes IPV6_FAILURE_FATAL=no NAME=enp2s0 UUID=5b0a7d76 另外，如果以ifconfig eth0来设置或者是修改了网络接口后，就无法再以ifdown eth0的方式来关闭了。 因为ifdown会分析比较目前的网络参数与ifcfg-eth0是否相符，不符的话，就会放弃这次操作。
1.4K10编辑于 2023-06-27 - 来自专栏学习笔记持续记录中...
处理模型数据（7）
Spring MVC提供了以下几种途径输出模型数据： ModelAndView 控制器处理方法的返回值是ModelAndView，则其既包含视图信息，也包含模型数据信息 // success.jsp 返回的目标页面 ; return modelAndView; } } Map&Model Spring MVC 在内部使用了一个org.springframework.ui.Model接口存储模型数据 ，具体步骤： 1）SpringMVC在调用方法前会创建一个隐含的数据模型，作为模型数据的存储容器， 成为”隐含模型” 2）如果方法的入参类型为Map或Model，会将隐含模型的引用传递给这些入参。 3）在方法体内，可以通过这个入参对象访问到模型中的所有数据，也可以向模型中添加新的属性数据 Spring Web MVC 提供Model、Map或ModelMap让我们能去暴露渲染视图需要的模型数据。 @SessionAttributes 除了可以通过属性名指定需要放到会话中的属性处，还可以通过模型属性的对象类型指定哪些模型属性需要放到会话中 @SessionAttributes(types=User.class
57500发布于 2020-03-18 - 来自专栏PaddlePaddle
【AI核心技术】课程四：多层感知机网络模型
UAI与PaddlePaddle联合推出的【AI核心技术掌握】系列课程持续更新中！ 今天的视频是多层感知机网络模型，本次视频虽然较为基础，但是仍然值得仔细观看~ （友情提示：手机横屏看更舒服！） ? 视频关键点提示 00:15 连接主义学派发展 1:00 多层感知机 3:31 激活函数 7:12 多层感知机 9:24 学习的可能性 11:44 深度学习的三种学习分类（模型+算法）
34510发布于 2018-07-26 - 来自专栏智能大数据分析
【现代深度学习技术】循环神经网络01：序列模型
深度学习 (DL, Deep Learning) 特指基于深层神经网络模型和方法的机器学习。它是在统计机器学习、人工神经网络等算法模型基础上，结合当代大数据和大算力的发展而发展出来的。 深度学习最重要的技术特征是具有自动提取特征的能力。神经网络算法、算力和数据是开展深度学习的三要素。深度学习在计算机视觉、自然语言处理、多模态数据分析、科学探索等领域都取得了很多成果。 一、统计工具 处理序列数据需要统计工具和新的深度神经网络架构。为了简单起见，我们以图1所示的股票价格（富时100指数）为例。 当下获得的最直接的好处就是参数的数量总是不变的，至少在 t > \tau 时如此，这就使我们能够训练一个上面提及的深度网络。 隐马尔可夫模型中的动态规划超出了本节的范围（我们将在双向循环神经网络再次遇到），而动态规划这些计算工具已经在控制算法和强化学习算法广泛使用。
37010编辑于 2025-04-08 - 来自专栏PaddlePaddle
【AI核心技术】课程十四：循环网络模型-课程导引
UAI与PaddlePaddle联合推出的【AI核心技术掌握】系列课程持续更新中！ 今天的视频是循环网络模型-课程导引，21min带你迅速入门循环网络模型~ （友情提示：手机横屏看更舒服！） ? 视频关键点提示（数字为时间节点） 0:22 循环神经网络概念 3:01 循环神经网络简史 5:15 循环神经网络热度 6:10 代表性循环神经网络 7:59 常用循环网络模式 11:02 RNN简介
47920发布于 2018-07-26 - 来自专栏韩曙亮的移动开发专栏
【Java 网络编程】网络环境简介 ( 网络 | 网络编程 | OSI 七层网络模型 | TCPIP 网络模型 )
文章目录 I 网络简介 II 网络编程 III OSI 七层网络模型 IV OSI 七层网络模型 - 网络编程 V OSI 七层网络模型 - TCP/IP 模型 对应关系 I 网络简介 ---- 七层网络模型 ---- 1. 数据链路层 ( Data Link ) : 物理地址 ( MAC ) 寻找 , 将数据转为原始的比特流 ; 7. 物理层 ( Physical ) : 负责电信号传输 ; IV OSI 七层网络模型 - 网络编程 ---- 1. TCP/IP 网络模型 : 应用层 , 传输层 , IP 层 , 网络接口层 ; 2.
79630编辑于 2023-03-27 揭秘边缘AI性能7倍提升：模型量化与推测解码技术
某中心的Jetson AGX Thor边缘计算平台，自2025年8月发布以来，通过持续的软件优化，其生成式AI性能已实现了7倍的增长。 例如，在Llama 3.3 70B模型上使用推测解码，可获得88.62输出令牌/秒，相比首发性能实现了7倍加速。 v1Llama-3.1 Nemotron Nano 4B v1.1通过量化与推测解码实现最大性能要充分发挥Jetson Thor在边缘生成式AI方面的强大能力，需要采用正确的技术。 该技术通过使用两个模型来加速推理：一个快速的小型“草稿”模型和一个准确的大型“目标”模型。其工作原理是：草稿模型快速生成一批候选令牌。目标模型一次性验证整个令牌块，而不是逐个令牌生成。 结合量化与推测解码将这两种技术结合使用能产生更佳的效果。可以使用内置了优秀EAGLE-3支持的vLLM。某中心正在发布一个独立的vLLM容器，支持Jetson Thor，并每月更新包含最新的改进。
41410编辑于 2026-01-09- 来自专栏EffectiveCoding
网络IO模型
recvfrom -> [syscall -> wait -> copy ->] return OK!
61920发布于 2019-10-08 - 来自专栏惨绿少年
网络基础一 交换机 路由器 OSI7层模型
第1章 网络基础 1.1 网络的出现 解决计算机通讯的需求 实现计算机信息可以传递 1.2 主机之间实现通讯基本要求（三要素） ①. 一个数据帧或包被传输到本地网段 （由广播域定义）上的每个节点就是广播；由于网络拓扑的设计和连接问题，或其他原因导致广播在网段内大量复制，传播数据帧，导致网络性能下降，甚至网络瘫痪，这就是广播风暴。 3.1.3 接入层 通常将网络中直接面向用户连接或访问网络的部分称为接入层，接入层目的是允许终端用户连接到网络，因此接入层交换机，具有低成本和高端口密度特性。 第4章 OSI7层模型组成 4.1 模型结构 由上至下。 层 功能 数据单元 应用层 网络进程到应用程序。针对特定应用规定各层协议、时序、表示等，进行封装 。 定义机械特性；电气特性；功能特性；过程特性 Bit（比特） 思考 ： 如何利用OSI7层模型实现主机间网际互联
1.4K00发布于 2017-12-27 - 来自专栏Kubernetes 与 Devops 干货分享
Kubernetes网络模型
kubernetes 网络模型及cni插件 在Kubernetes中设计了一种网络模型，要求无论容器运行在集群中的哪个节点，所有容器都能通过一个扁平的网络平面进行通信，即在同一IP网络中。 Docker 的网络模型 了解Docker的朋友们都应该清楚，Docker容器的原生网络模型主要有3种：Bridge（桥接）、Host（主机）、none。 常见的CNI网络插件包含以下几种： Flannel：为Kubernetes提供叠加网络的网络插件，基于TUN/TAP隧道技术，使用UDP封装IP报文进行创建叠 加网络，借助etcd维护网络的分配情况，缺点 VXLAN网络模型。 而在多数的虚拟化平台实现中，通常都使用二层隔离技术来实现容器的网络，这些二层的技术有一些弊端，比如需要依赖 VLAN、bridge 和隧道等技术，其中 bridge 带来了复杂性，vlan 隔离和 tunnel
1.8K10编辑于 2022-10-31
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