- 综合排序
- 最热优先
- 最新优先
AI驱动的超自动化巡检
方案概述：志栋智能SAB全流程智能自动化巡检本方案旨在构建一个 “计划-执行-分析-报告-处置” 的全流程闭环自动化巡检体系。 通过引入AI驱动的超自动化平台，模拟甚至超越人工操作，实现从基础设施到业务应用层的无人值守、智能巡检。核心价值转变：模式转型：促使运维团队从被动“救火”转向主动“预防”和“优化”。 自动化巡检闭环示意图（示意图：自动化巡检“计划-执行-分析-报告-处置”闭环流程）3. 方案核心功能模块模块一：触发式巡检计划与策略中心多维度对象管理：支持按单台设备、设备组或全量设备进行巡检。 4. 典型应用场景场景一：混合IT基础架构巡检 - 自动化核查物理服务器、私有云、公有云（阿里云/腾讯云/AWS）及网络设备的运行状态与配置合规性。 自动化巡检平台界面示意图（示意图：自动化巡检平台仪表盘、详细报告及流程编排器界面）5.
19100编辑于 2026-02-12- 来自专栏大家一起学编程
自动化测试之超厉害自动化录制工具介绍
“ 介绍有关自动测试工具-uirecorder环境搭建” 01、目录 1.介绍 2.注意事项 3.介绍 4.环境搭建 5.重点提及一下nodejs的安装。 2、初始化这个文件夹：uirecorder init 3、开始录制：uirecorder +脚本存放位置，如：uirecorder sample/test.spec.js 4、结束录制之后，想要继续录制 2、SDK，配置andriod_home环境变量 3、检查环境：macaca doctor 4、安装驱动：npm i macaca-android -g 安卓专用 5、安装两个app（如图 4、安装app出现错误，则手动进行安装，本文件下的两个app 在安装macaca-cil的时候报错时，使用命令：npm i gulp-uglify -g 09、录制app续 开始录制： 1、连接你的手机或模拟器 2、启动服务：macaca server --port 4444 3、创建新文件夹 4、初始化文件：uirecorder init --mobile 5、开始录制测试用例：uirecorder
1.7K30发布于 2021-03-27 迈向真正的超自动化运维
传统自动化工具已无法满足云原生、混合架构、信创转型带来的复杂需求，而“超自动化”概念的兴起，正指引着运维体系向更高维度演进。然而，真正的超自动化运维究竟是什么？ 一、超自动化的本质：从“替代人力”到“重塑流程”传统自动化聚焦于将人工操作转化为脚本执行，本质是“劳动力的技术替代”。而超自动化运维的核心突破在于，它重新定义了运维的价值链：1. 流程的智能重构超自动化不是简单地将现有流程自动化，而是基于数据洞察重新设计流程。 “控制”到“赋能”：管理层提供平台而非制定细则从“执行”到“创新”：鼓励团队创造新的自动化场景从“封闭”到“开放”：建立内部自动化组件共享机制六、未来展望：超自动化的终极形态随着技术的持续演进，超自动化运维将呈现三个发展趋势 当企业建立起真正的超自动化运维体系时，他们将获得一种前所未有的能力：以自动化的速度、智能化的精度、体系化的稳健，支撑业务在数字化时代的快速创新和持续增长。这，正是超自动化运维的终极使命。
13210编辑于 2026-03-05- 来自专栏数据STUDIO
自动化超参数优化最强神器：Optuna
掌握它，比赛都有底气了～ 你是否曾经觉得模型有太多的超参数而感到厌烦吗？要从某一个演算法得到好的解必须要调整超参数，所谓的超参数就是控制训练模型的一组神秘数字，例如学习速率就是一种超参数。 我们必须预测的 4 种能量类型是： 标签 能量类型 0 电 1 冷冻水 2 蒸汽 3 热水 删除异常数据 train_df['timestamp'] = pd.to_datetime(train_df 是因为最低为14，以0为基线更加方便计算 site_ids_offsets.index.name = 'site_id' site_id 0 5 1 0 2 9 3 6 4 'Lodging/residential': 1, 'Office': 2, 'Entertainment/public assembly': 3, 'Other': 4, 4 类： 影响决策树结构和学习的参数 影响训练速度的参数 参数以获得更好的精度 对抗过拟合的参数 大多数时候，这些类别有很多重叠，提高一个类别的效率可能会降低另一个类别的效率。
21.2K41编辑于 2022-05-24 - 来自专栏机器学习与生成对抗网络
4种主流超参数调优技术
机器学习模型的性能与超参数直接相关。超参数调优越多，得到的模型就越好。调整超参数真的很难又乏味，更是一门艺术而不是科学。 Dr.Mukesh Rao的超参数样本清单 目录 1. 传统或手动调参 2. 网格搜索 3. 随机搜索 4. 贝叶斯搜索 1. 考虑上面的例子，它有两个超参数 k_value =[2,3,4,5,6,7,8,9,10] 和 algorithm = [‘auto’ , ’ball_tree’ , ’kd_tree’ , ’brute ’]，在这种情况下，它总共构建了9 * 4 = 36个不同的模型。 4. 贝叶斯优化 贝叶斯优化属于一类被称为sequential model-based optimization(SMBO)的优化算法。
1.5K30发布于 2020-10-27 - 来自专栏AI机器学习与深度学习算法
机器学习入门 4-5 超参数
本小节主要介绍超参数相关的概念。 ? 超参数 通过前面的小节，我们知道了kNN算法中k这个参数值，在sklearn中k这个值被封装成了k_neighbors参数。 这就涉及到了机器学习领域非常重要的问题~超参数问题。 我们将这些在运行机器学习算法之前需要指定的参数，称之为超参数。kNN算法中的k就是kNN算法的超参数。 如何寻找好的超参数： ? ，这种情况下就只能使用实验搜索的方式了，也就是说我们尝试几种不同的超参数，比如在kNN算法中，我们制定几个不同k的值，最终选择表现最好的k的值作为实际模型所使用的的超参数的值。 看看有没有可能得到更好的超参数。 ? ? ? KNN其他的超参数 kNN中不仅有k这一个超参数，考不考虑距离也是kNN算法的超参数。 ?
74430发布于 2019-11-13 - 来自专栏PyVision
4种主流超参数调优技术
机器学习模型的性能与超参数直接相关。超参数调优越多，得到的模型就越好。调整超参数真的很难又乏味，更是一门艺术而不是科学。 Dr.Mukesh Rao的超参数样本清单 目录 1. 传统或手动调参 2. 网格搜索 3. 随机搜索 4. 贝叶斯搜索 1. 考虑上面的例子，它有两个超参数 k_value =[2,3,4,5,6,7,8,9,10] 和 algorithm = [‘auto’ , ’ball_tree’ , ’kd_tree’ , ’brute ’]，在这种情况下，它总共构建了9 * 4 = 36个不同的模型。 4. 贝叶斯优化 贝叶斯优化属于一类被称为sequential model-based optimization(SMBO)的优化算法。
1.9K20发布于 2020-09-21 - 来自专栏大数据和云计算技术
超融合方案分析系列（4）H3C超融合方案分析
超融合一体机（4U4节点硬件方案，支持3节点的4030起步） ? H3C UIS R690 G2机架式超融合系统（4U4路机架服务器，只支持E7-4800v3） H3C UIS R590 G2机架式超融合系统（2U4路机架服务器，只支持E5-4600v3） H3C UIS R390X G2机架式超融合系统（2U2路机架服务器，支持E5-2600v3/v4） 分析到这里，我有个疑问，R390XG2,和Cell 3000的硬件平台非常类似，难道是一个做了预装，一个没有做预装 4、对数据盘加入资源池必须先格式化，并且要采用ext4文件系统（在新版本支持xfs文件系统）。这是Ceph本身的机制问题。 我们简单计算一下：按正常的2颗E5-2630V4 10核计算，单台服务器有20核，2.2频率。UIS 3020支持29个硬盘，那么需要29Ghz，基本上2630V4一半以上的CPU都被占用了。
6.1K60发布于 2018-03-08 超自动化运维不是选择，而是必然
志 栋智能（SAB）超自动化运维通过统一编排引擎，将离散的自动化能力整合为有机整体。 某物流企业通过超自动化运维平台分析全网设备运行数据，优化了2000余辆运输车辆的调度算法，将平均配送时间缩短18%，年度节省燃油成本超800万元。 合规压力同样推动超自动化成为必然。 某医疗机构的等保2.0合规审计涉及300余项检查项，传统人工检查需要4人团队工作3周，而超自动化合规引擎在8小时内完成全面检查并生成审计报告，持续合规成本降低85%。 某能源企业首先自动化了“变电站设备健康巡检”，将巡检效率提升20倍，故障发现时间从平均4小时缩短至12分钟，快速验证价值后逐步扩展至全网自动化。 渐进式扩展：基于初期成功，构建“自动化资产库”。
15510编辑于 2026-02-27称得上安全超自动化，怎能没有UI操作自动化的能力
然而，当我们审视众多标榜“超自动化”的安全解决方案时，一个关键问题浮出水面：如果一套系统只能通过API接口与有限设备交互，而对那些没有开放接口的遗留系统、封闭设备、专有平台束手无策，它真的配得上“超自动化 二、UI自动化：安全超自动化的“终极兼容层”UI操作自动化技术的本质，是构建了一个位于人机交互界面的“通用适配层”。 ）步骤4：在只有Web界面的用户安全意识平台，为该部门添加培训任务（UI自动化）步骤5：将处置结果返回SIEM平台（API接口）缺少UI自动化能力，这个流程将在步骤3和步骤4中断，所谓的“自动化”只是半程自动化 没有这一能力，所谓的“超自动化”不过是建立在沙土上的城堡，一旦遇到现实世界中不可避免的接口局限，便会显露出其脆弱本质。真正的安全超自动化，从不做选择题。 而这，正是“超自动化”中那个“超”字的真正含义。
10610编辑于 2026-03-04拥有UI操作自动化能力，才是真正的超自动化运维
而UI操作自动化能力的引入，正是打破这一瓶颈、实现真正“超自动化运维”的核心钥匙。 二、从“部分自动化”到“全面自动化”的质变真正的超自动化运维，其核心特征是“全面覆盖”——能够处理运维工作中所有重复性、规则性的操作任务，无论这些任务涉及何种系统、何种技术。 结语：迈向真正的超自动化运维在运维自动化的发展历程中，我们经历了从脚本自动化到API自动化，再到流程自动化的演进。 真正的超自动化运维，不是简单地将部分手工操作替换为机器执行，而是构建一个能够像最优秀的运维专家一样，全面理解系统环境、智能分析问题、灵活执行操作的智能运维体系。 当企业拥有了UI操作自动化能力，就意味着拥有了将任何系统、任何操作纳入自动化范畴的可能性。这种可能性，正是超自动化运维区别于传统自动化的本质特征，也是企业在数字化转型中构建可持续竞争优势的关键基础。
10410编辑于 2026-03-04- 来自专栏自学测试之道
Pywinauto之Windows UI自动化4
dlg = app.窗口类名 二、窗口的操作方法 1、窗口最大化 dlg.maximize() 2、窗口最小化 dlg.minimize() 3、还原窗口正常大小 dlg.restore() 4、 (dlg.children) # 获取窗口的子元素 print(menu.children) # 获取菜单的子元素 print(file.children) # 获取文件的子元素 4、 使脚本执行速度降低约2倍) Timings. fast(): #将所有计时除以2 (快2倍) 十、编辑类Edit的控件操作 1、快速输入文本内容 dlg["Edit"].type_keys("学python做自动化测试
4.7K20编辑于 2023-03-08 - 来自专栏音视频技术
AV夜话#4 李超：聊聊Chat-GPT
今晚，AV夜话#4的主题将聊聊Chat-GPT，对话嘉宾是李超，他是北京音视跳动科技有限公司首席架构师；《WebRTC音视频实时互动技术 — 原理、实战与源码分析》书籍作者。
55820编辑于 2023-04-04 - 来自专栏软件安装
Gemma 4手机部署教程，超简单！
▌引言 Gemma 4就是谷歌出的一整套开源AI模型，不是单个工具，有4种规格（小的能跑手机，大的能跑电脑）。普通人最直观的好处：离线就能用、不花用钱、数据不泄露。 为啥多人用？ 一是开源免费还能商用，随便改、随便用，不用怕收费或侵权；二是小模型也功能也挺好用，比如手机版E2B/E4B，占内存少，离线也能看图、听录音、写东西；三是功能实用不玩花的，很多人直接拿它做单功能工具，不搞复杂的 Gemma4的模型如以下 但PocketPal AI只支持以下模型。 可以根据自己的手机实际情况选择对应的模型。 例如蒸馏后的 Gemma 4 其实只有 6GB 的空间，和游戏比起来还是很小的。
1.1K80编辑于 2026-04-13 - 来自专栏CreateAMind
4个视觉符号推理数据集超简介
//github.com/xyang23/CLEVRER-Humans1.0 https://sites.google.com/stanford.edu/clevrer-humans/home 4
59730编辑于 2023-02-14 - 来自专栏贾志刚-OpenCV学堂
OpenCV4+OpenVINO实现图像的超像素
微信公众号：OpenCV学堂 关注获取更多计算机视觉与深度学习知识 图像超像素 传统方式的图像超像素常见的方式就是基于立方插值跟金字塔重建。 OpenCV中对这两种方式均有实现，低像素图像在纹理细节方面很难恢复，从低像素图像到高像素图像是典型的一对多映射，如果找到一种好的映射关系可以尽可能多的恢复或者保留图像纹理细节是图像超像素重建的难点之一 而基于深度学习的超像素重新方式过程未知但是结果优于传统方式。在深度学习方式的超像素重建中，对低像素图像采样大感受野来获取更多的纹理特征信息。 OpenVINO中提供的单张图像超像素网络参考了下面这篇文章 https://arxiv.org/pdf/1807.06779.pdf 该网络模型主要分为两个部分 特征重建网络，实现从低分辨率到高分辨率的像素重建 超分辨输出：(1920x1080) ? 总结一下：也许模型被简化的太厉害了，速度是很快了，单身效果感觉比双立方好那么一点点而已！所谓鱼跟熊掌不可兼得！
1.2K10发布于 2020-04-14 - 来自专栏从ORACLE起航，领略精彩的IT技术。
超简单实用的4个PPT操作技巧
下面就介绍下我个人觉得非常实用且操作非常简单的技巧： 1.大段文字的美化 2.公司字体的替换 3.动画的禁用/启用 4.打印PPT讲义 1.大段文字的美化 尤其针对那些售后出身刚转向售前的伙伴们，描述一个事情非常喜欢用文字来表达清楚 4.打印PPT讲义 如果直接打印，首先会很浪费纸张资源，其次页数太多也不便于阅读整理演讲思路。
1K20编辑于 2022-09-28 - 来自专栏CreateAMind
超GFlowNet 4个数量级加速
65] and Probabilistic Circuit (PC)5[45]. 4个数量级的加速 摘要 我们介绍边缘化模型（MMs），这是一种新的用于高维离散数据的生成模型家族。 我们将（4）称为“边缘化自洽性”，任何有效的分布都应该遵循这个规则。边缘化模型 θ 的目标是尽可能准确地估计任何变量子集 xS 的边缘概率 p(xS )。 神经网络架构和训练超参数的详细信息可以在附录B中找到。 6.1 最大似然估计训练 二进制MNIST 我们在表1中报告了负测试似然（位/数字）、边缘估计质量和每个小批量的边缘推断时间（大小为16）。 MAM和AO-ARM都使用了一个包含4个ResNet块和注意力层的U-Net架构（详见附录B）。 MAM在边缘推断中实现了接近4个数量级的加速，同时与AO-ARM-S的质量相当。PC在边缘推断中也非常快，但在质量方面存在差距。生成的样本和关于部分图像的额外边缘推断在附录B中。
30510编辑于 2024-06-04 - 来自专栏释然IT杂谈
【大佬原创】cvTools超融合自动化运维工具
小江大佬的视频讲解及演示： cvTools直连方式自动化CRT配置巡检演示 http://mpvideo.qpic.cn/0bf27qaacaaaeaacjkasm5qfb7gdah6aaaia.f10002 .mp4? cvTools跳转方式自动化CRT配置巡检演示 http://mpvideo.qpic.cn/0bf26qaacaaawaacn6asonqfb5gdah2aaaia.f10002.mp4?
29820编辑于 2022-10-27 - 来自专栏Datawhale专栏
机器学习4个常用超参数调试方法！
results = cross_val_score(knn,X_train,y_train,cv = kfold) print(f'Score:{round(results.mean(),4) 考虑上面的例子，其中两个超参数k_value =[2,3,4,5,6,7,8,9,10] & algorithm =[' auto '， ' ball_tree '， ' kd_tree '， ' brute ']，在这个例子中，它总共构建了9*4 = 36不同的模型。 4. 贝叶斯搜索 贝叶斯优化属于一类优化算法，称为基于序列模型的优化(SMBO)算法。这些算法使用先前对损失f的观察结果，以确定下一个(最优)点来抽样f。该算法大致可以概括如下。 如果超参数空间(超参数个数)非常大，则使用随机搜索找到超参数的潜在组合，然后在该局部使用网格搜索(超参数的潜在组合)选择最优特征。
2K10发布于 2020-09-22
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