- 综合排序
- 最热优先
- 最新优先
- 来自专栏Linux成长之路
Linux系统之部署h5ai目录列表程序
一、h5ai介绍1.1 h5ai简介h5ai 是用于 HTTP Web 服务器的现代文件索引器，专注于您的文件。目录以吸引人的方式显示，浏览它们通过不同的视图、面包屑和树概述得到增强。 最初h5ai是HTML5 Apache Index的首字母缩写，但现在它也支持其他Web服务器。1.2 h5ai特点有许多可用的扩展和配置选项，允许用户自定义目录列表的Web外观。 下载h5ai软件包创建下载目录mkdir -p /data/h5ai/ && cd /data/h5ai/下载h5ai软件包wget --no-check-certificate https://release.larsjung.de /h5ai/h5ai-0.30.0.zip 图片6.2 解压h5ai软件包解压h5ai软件包unzip h5ai-0.30.0.zip图片6.3 复制目录将_h5ai目录复制到/var/www/html 相关插件7.1 初始访问h5ai访问地址：http://IP地址/_h5ai/public/index.php图片当前密码为空，登录即可看到所有模块自检结果。
91343编辑于 2023-10-13 - 来自专栏PaddlePaddle
电力系统+AI，让人效5倍提升！
为了实现“双碳”目标，整个电力行业正在构建“以新能源为主体的新型电力系统”。随着风电、光伏等新能源大量建设和接入，如何应对新能源的双高特性给电网带来的不稳定性正成为电力系统的一个重要课题。 精准的AI预测模型 除新能源的影响之外，国网枣庄供电公司电网调度专家在研究中还发现，数据质量不佳、重要用户的生产计划调整、电网线路检修等实际问题也都会严重影响母线负荷预测的精度。 与传统预测方式相比，枣庄电网的调度负荷预测专责在使用该系统进行预测时平均人效能够提升5倍以上。 国网枣庄供电公司与百度智能云合作打造的高精度母线负荷预测系统，是电力系统核心业务需求与人工智能技术融合创新的典范。 系统提供的预测结果为电网调度运行、电力市场现货交易的试运行提供了坚实的数据基础，为新型电力系统的建设提供了支撑。
60820编辑于 2022-09-01 - 来自专栏燧机科技-视频AI智能分析
看守所视频AI行为分析系统 YOLOv5
看守所视频AI行为分析系统利用yolov5网络架构模型可以分析如非法闯入、倒地事件、明火烟雾、摄像头视频画面异常、睡岗检测、离床检测、聚众、离岗检测、攀高检测等。 YOLOv5是一个在COCO数据集上预训练的物体检测架构和模型系列，它代表了Ultralytics对未来视觉AI方法的开源研究，其中包含了经过数千小时的研究和开发而形成的经验教训和最佳实践。 Yolov5中添加了FPN+PAN结构，相当于目标检测网络的颈部，也是非常关键的。
83260编辑于 2022-12-19 - 来自专栏AI系统
【AI系统】AI系统架构的组成
AI 系统组成如图所示，大致可以将 AI 系统分为以下几个具体的方向：AI 训练与推理框架AI 框架不仅仅是指如 PyTorch 等训练框架，还包括推理框架。 就像传统的软件工程中调试器，可视化，类型系统等工具链的支撑，让整个开发过程中，跨平台，跨平台，问题诊断，缺陷验证等得以高效实现，目前 AI 系统领域也不断有类似工具产生，以支持整个 AI 工程化实践。 AI 编译与计算架构负责 AI 模型在真正运行前的编译和系统运行时的动态调度与优化。 但是我们将在后续章节中，将会围绕核心系统软硬件，如 AI 训练和推理框架，AI 编译器，AI 芯片，部分涉及更广泛的 AI 系统生态中的重要内容如算法等展开介绍。 AI 系统生态除了以上重要的 AI 系统构成之外，随着人工智能应用越来越广泛，我们还可以看到更广泛的 AI 系统生态的构成。
1.4K11编辑于 2024-11-26 转载：【AI系统】AI系统架构的组成
AI 系统组成 如图所示，大致可以将 AI 系统分为以下几个具体的方向： AI 训练与推理框架 AI 框架不仅仅是指如 PyTorch 等训练框架，还包括推理框架。 就像传统的软件工程中调试器，可视化，类型系统等工具链的支撑，让整个开发过程中，跨平台，跨平台，问题诊断，缺陷验证等得以高效实现，目前 AI 系统领域也不断有类似工具产生，以支持整个 AI 工程化实践。 AI 编译与计算架构负责 AI 模型在真正运行前的编译和系统运行时的动态调度与优化。 但是我们将在后续章节中，将会围绕核心系统软硬件，如 AI 训练和推理框架，AI 编译器，AI 芯片，部分涉及更广泛的 AI 系统生态中的重要内容如算法等展开介绍。 AI 系统生态 除了以上重要的 AI 系统构成之外，随着人工智能应用越来越广泛，我们还可以看到更广泛的 AI 系统生态的构成。
2.1K10编辑于 2024-12-11- 来自专栏AI系统
【AI系统】AI系统概述与设计目标
AI 系统全栈架构 通过对 AI 的发展、以及模型算法、硬件与数据的趋势介绍，我们已经了解了 AI 系统的重要性。 本文将介 AI 系统的设计目标、组成和生态，让读者形成 AI 系统的知识体系，为后续展开每篇文章的内容做好铺垫。 接下来将从不同的维度和技术层面展开 AI 系统的全景图。 AI 系统概述 AI 系统基本概念 从类比的角度理解 AI 系统：AI 时代连接硬件和上层应用的中间层软硬件基础设施。 AI 系统。 所介绍的 AI 全栈相关内容中则是指 AI 系统（AI System），是围绕深度学习而衍生和设计的系统，因此也叫做深度学习系统（Deep Learning System）。
62810编辑于 2024-12-02 - 来自专栏《三桥君 | AI产品方法论》
掌握这5个步骤，从零设计高效AI系统不是梦！
你好，我是 三桥君一、引言AI技术在各行各业的应用日益广泛，从智能客服到推荐系统，AI系统已经成为企业提升效率、优化用户体验的重要工具。 然而，设计一个高效且稳定的AI系统并非易事。 很多企业在推出AI产品时，常常面临系统崩溃、用户投诉等问题，最终不得不紧急下线产品。那么，如何从零开始设计一个高效又稳定的AI系统呢？本文三桥君将带你一步步从蓝图到实践，打造爆款AI系统。 二、AI架构设计的步骤步骤详情目的明确在设计AI系统之前，首先要明确系统的目的。比如，某电商公司设计推荐系统的目的是为了提高用户购买转化率。 四、AI架构实践架构类型详情业务/产品架构设计业务架构是AI系统的“地图”。比如，某电商推荐系统的业务架构包括用户行为分析模块、商品特征提取模块和推荐算法模块。 用架构点亮AI的无限可能，让AI系统真正服务于业务，创造价值。欢迎关注✨三桥君✨获取更多AI产品经理与AI工具的分享，帮你入门AI领域，希望你为行业做出更大贡献。
31800编辑于 2025-07-22 - 来自专栏AI系统
【AI系统】AI 框架作用
本文将从深度学习的原理开始，进而深入地讨论在实现深度学习的计算过程中使用到的 AI 框架，看看 AI 框架具体的作用和目的。 这种模拟生物神经元的数学计算，能够很好地对大规模独立同分布的数据进行非线性映射和处理，使得其能够应对到 AI 的不同任务。函数逼近现在，如果把神经网络看做一个复杂函数，那么这个函数可以逼近任何函数。 AI 框架的作用AI 框架与微分关系根据深度学习的原理，AI 框架最核心和基础的功能是自动求导（后续统一称为自动微分，AutoGrad）。 AI 框架与程序结合下面左图的公式是神经网络表示的复合函数表示，蓝色框框表示的是 AI 框架，AI 框架给开发者提供构建神经网络模型的数学操作，AI 框架把复杂的数学表达，转换成计算机可识别的计算图。 这一过程，只要你定义好网络 AI 框架都会主动地帮我们完成。
45110编辑于 2024-12-06 - 来自专栏PyQt+YOLO
【AI加持】基于PyQt5+YOLOv5+DeepSeek的安全帽佩戴检测系统（详细介绍）
本系统功能强大！支持对进行检测，支持多种数据数据源输入并且接入了AI实现了对当前分析结果的评估，欢迎了解！ 基于PyQt5+YOLOv5+DeepSeek的安全帽佩戴检测系统正是在这一技术浪潮中应运而生。 4.AI（DeepSeek）智能分析将YOLOv8球体检测系统与DeepSeek等AI大模型深度融合，能够实现从“单纯检测”到“智能认知”的跨越式升级。 这里是软件的另外一个核心：AI智能分析，我们的目标检测系统接入了DeepSeek大模型，支持对当前检测结果数据进行AI分析，AI会通过不同维度对当前检测结果进行多角度分析，最后生成检测结果分析报告，用户可以根据这个结果对系统进行调整 YOLOv8+DeepSeek的安全帽佩戴检测系统，本系统功能强大，支持多种数据源输入，包含多种用户交互按钮以及模式，内置数据可视化方案、大模型AI加持，是您学习、工作使用的不错选择！
45410编辑于 2026-01-08 多智能体系统设计：5种编排模式解决复杂AI任务
AI智能体同样如此。随着系统从单体模型向多智能体架构演进，编排成为核心技术能力。仅仅拥有强大的智能体远远不够，关键在于让它们有效协作。 编排本质上是设计智能体间的通信协议、工作流程和决策机制，使整个系统能够处理故障、协同工作，完成单一智能体无法胜任的复杂任务。我们这里分析5种主流的智能体编排模式，每种都有其适用场景和技术特点。 如果发现问题，系统进入下一轮迭代，直到满足质量标准。迭代次数和退出条件的设计直接影响系统效率和最终质量的平衡。总结大模型能力的快速提升正在改变编排架构的必要性。 GPT-5等新一代模型展现出强大的上下文理解和多任务处理能力，单一模型通过精心设计的提示就能完成以前需要多智能体协作的任务。但在处理逻辑复杂、需要专业化分工的场景中，智能体编排仍然具有不可替代的价值。 关键是要根据具体应用场景选择合适的编排模式，在系统复杂度和实际效果之间找到最优平衡点
72900编辑于 2025-09-01- 来自专栏AI系统
【AI系统】AI 框架之争
因此，一个能够商用版本的 AI 框架，需要系统性梳理每一层中遇到的具体问题，以便提供相关更好的开发特性：前端（面向用户）：如何灵活的表达一个神经网络模型？ AI 框架的目的是为了在计算加速硬件（GPU/NPU）和 AI 集群上高效训练神经网络而设计的可编程系统，需要同时兼顾以下互相制约设计目标可编程性与性能。Ⅰ. AI 框架的发展AI 框架作为智能经济时代的中枢，是 AI 开发环节中的基础工具，承担着 AI 技术生态中操作系统的角色，是 AI 学术创新与产业商业化的重要载体，助力 AI 由理论走入实践，快速进入了场景化应用时代 TensorFlow 和 PyTorch 代表了现今 AI 框架框架的两种不同的设计路径：系统性能优先改善灵活性，和灵活性易用性优先改善系统性能。 大规模分布式AI 框架将着力强化对超大规模 AI 的支持OpenAI 于 2020 年 5 月发布 GPT-3 模型，包含 1750 亿参数，数据集（处理前）达到 45T，在多项 NLP 任务中超越了人类水平
49711编辑于 2024-12-06 - 来自专栏Tom弹架构
Spring 5系统架构
Spring 5的模块结构如下图所示。 [file] 组成Spring框架的每个模块都可以单独存在，也可以将一个或多个模块联合实现。下面分别介绍每类模块的组成和功能。 3 数据访问与集成 数据访问与集成由spring-jdbc、spring-tx、spring-orm、spring-oxm和spring-jms 5个模块组成。 5 通信报文 通信报文即spring-messaging模块，它是Spring 4新加入的一个模块，主要职责是为Spring 框架集成一些基础的报文传送应用。 8 各模块之间的依赖关系 Spring官网对Spring 5各模块之间的关系做了详细说明，如下图所示。 [file] 下图对Spring 5各模块做了一次系统的总结，描述了模块之间的依赖关系，希望能对“小伙伴们”有所帮助。 [file]
53420编辑于 2021-12-30 - 来自专栏Tom弹架构
Spring 5系统架构
Spring 5的模块结构如下图所示。 组成Spring框架的每个模块都可以单独存在，也可以将一个或多个模块联合实现。下面分别介绍每类模块的组成和功能。 4.3 数据访问与集成 数据访问与集成由spring-jdbc、spring-tx、spring-orm、spring-oxm和spring-jms 5个模块组成。 4.8 各模块之间的依赖关系 Spring官网对Spring 5各模块之间的关系做了详细说明，如下图所示。 下图对Spring 5各模块做了一次系统的总结，描述了模块之间的依赖关系，希望能对“小伙伴们”有所帮助。
56840编辑于 2022-04-25 - 来自专栏AI系统
【AI系统】推理系统架构
推理系统架构是 AI 领域中的一个关键组成部分，它负责将训练好的模型应用于实际问题，从而实现智能决策和自动化。 此外，硬件加速（如 GPU、TPU）和专用芯片（如 AI 加速器）也是提高推理效率的重要手段。部署（Deployment）训练得到的模型并不仅仅是为了学术研究，最终目的是应用于实际问题的解决。 多框架支持：兼容 TensorFlow、PyTorch、ONNX 等主流 AI 框架。模型优化：集成 TensorRT 等优化工具，进一步提升模型推理性能。 作为一个强大的推理框架，Triton 能够满足多样化的 AI 应用需求，帮助企业和开发者构建高效、可靠的推理服务。 这一功能基于其动态模型发现与加载机制，使得 AI 应用能够迅速适应市场需求变化，如模型精度提升、新功能上线等。配合版本控制和滚动更新策略，可确保服务连续性不受影响。
1.6K10编辑于 2024-12-02 转载：【AI系统】AI系统概述与设计目标
AI 系统全栈架构 通过对 AI 的发展、以及模型算法、硬件与数据的趋势介绍，我们已经了解了 AI 系统的重要性。 本文将介 AI 系统的设计目标、组成和生态，让读者形成 AI 系统的知识体系，为后续展开每篇文章的内容做好铺垫。 接下来将从不同的维度和技术层面展开 AI 系统的全景图。 AI 系统概述 AI 系统基本概念 从类比的角度理解 AI 系统：AI 时代连接硬件和上层应用的中间层软硬件基础设施。 AI 系统。 所介绍的 AI 全栈相关内容中则是指 AI 系统（AI System），是围绕深度学习而衍生和设计的系统，因此也叫做深度学习系统（Deep Learning System）。
86121编辑于 2024-12-11- 来自专栏Tom弹架构
Spring 5系统架构
Spring 5的模块结构如下图所示。 [图片1.png] 组成Spring框架的每个模块都可以单独存在，也可以将一个或多个模块联合实现。下面分别介绍每类模块的组成和功能。 3 数据访问与集成 数据访问与集成由spring-jdbc、spring-tx、spring-orm、spring-oxm和spring-jms 5个模块组成。 5 通信报文 通信报文即spring-messaging模块，它是Spring 4新加入的一个模块，主要职责是为Spring 框架集成一些基础的报文传送应用。 8 各模块之间的依赖关系 Spring官网对Spring 5各模块之间的关系做了详细说明，如下图所示。 [图片2.png] 下图对Spring 5各模块做了一次系统的总结，描述了模块之间的依赖关系，希望能对“小伙伴们”有所帮助。 [图片3.png] 本文为“Tom弹架构”原创，转载请注明出处。
55400发布于 2021-10-22 - 来自专栏AI系统
【AI系统】AI 系统与程序代码关系
模型算法的开发者一般会通过使用 AI 框架提供 Python 等高级语言的 API，来编写对应的 AI 算法，而 AI 算法的底层系统问题被当前层抽象隐藏。 到底在代码背后 AI 系统的每一层发生和执行了什么？有哪些有意思的系统设计问题？ 本文我们将从一个具体的 PyTorch 实现一个 LeNet5 神经网络模型作为实例开始，启发读者和后面 AI 系统的每一层和各篇文章构建起桥梁与联系。 底层通过层层抽象，提升了开发效率，但是对系统研发却隐藏了众多细节，需要 AI 系统开发的工程师进一步探究。 如果没有 AI 框架、AI 编译器和算子库的支持，算法工程师进行简单的神经网络模型设计与开发都会举步维艰，所以应该看到 AI 算法本身飞速发展的同时，也要看到底层系统对提升整个算法研发的生产力起到了不可或缺的作用
56410编辑于 2024-12-02 - 来自专栏AI系统
【AI系统】推理系统介绍
推理系统是一个专门用于部署神经网络模型，执行推理预测任务的 AI 系统。它类似于传统的 Web 服务或移动端应用系统，但专注于 AI 模型的部署与运行。 AI 生命周期在日常生活中，深度学习的相关方法已经广泛的部署到各类的应用当中。 其中，对于关键点的检测可以通过如 Faster R-CNN、YOLO 等 AI 模型进行输入到输出的映射与转换。 根据上图示的 AI 框架、推理系统与硬件之间的关系，可以看到，除了应对应用场景的多样化需求，推理系统还需克服由不同训练框架和推理硬件所带来的部署环境多样性挑战，这些挑战不仅增加了部署优化和维护的难度，而且易于出错 需要考虑到 AI 框架的不断更新，特别是针对训练优化的迭代，而某些框架甚至不支持在线推理，系统需要具备足够的兼容性。为了支持多种框架，可以利用模型转换工具，将不同框架的模型转换为一种通用的中间表示。
1.4K10编辑于 2024-12-02 - 来自专栏AI系统
【AI系统】推理系统引言
推理的最终目标，便是将训练好的模型部署到实际的生产环境中，使 AI 真正运行起来，服务于日常生活。推理系统，是一个专门用于部署神经网络模型，执行推理预测任务的 AI 系统。 它类似于传统的 Web 服务或移动端应用系统，但专注于 AI 模型的部署与运行。推理系统会加载模型到内存，并进行版本管理，确保新版本能够顺利上线，旧版本能够安全回滚。 推理引擎，则是推理系统中的重要组成部分，它主要负责 AI 模型的加载与执行。 人工客服应用推理引擎或推理系统在人工客服和 AI 对话方面有广泛的应用。以下是一些相关的内容：智能客服：推理引擎可以用于实现智能客服系统，能够理解用户的问题并提供准确的答案。 对话管理：在 AI 对话中，推理引擎可以帮助系统理解用户的意图和需求，并根据这些信息来引导对话的流向。它可以根据用户的输入和历史对话记录，预测用户可能的问题和需求，并提供相应的回答和建议。
1.1K10编辑于 2024-12-02 - 来自专栏网络收集
5.栅格系统
5.栅格系统 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-yx7xPxw0-1594451881727)(D:\bootstrap\Bootstrap入门.assets charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <title>栅格系统 --黄条-->
</svg> 189999999991.5K30编辑于 2022-06-01
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