首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏SDNLAB

    当应用交付遭遇SDN 且看xNet玩颠覆

    在日前南京举办的全球SDN开放网络高峰会议上,作为国内唯一一家加入ONF的初创公司,xNet(网锐)公司高调发布了基于SDN/NFV技术的应用交付交换机ADS,从灵活性、扩展性、吞吐能力三个层次全面颠覆应用交付市场 据xNet联合创始人张立岗先生介绍,SDN/NFV本质都是调度网络资源来配合业务,最终实现IT与网络的深度融合,基于这个理念xNet提出了业界首创的flexSDN架构,用来广泛满足用户的差异性,不仅支持常规的控制转发分离模式 xNet发布了业界第一款SDN/NFV ADS(Application Delivery Switch)应用交付交换机,或者应用定义交换机这个词更恰当(Application Defined Switch xNet第三代应用交付产品ADS(应用交付交换机)支持L2/L3全功能,内置SDN/NFV技术,支持负载均衡,服务链,编排,自动化,高可靠性以及集群功能,可以和使用物理服务器资源(Server)或虚拟机资源 这就是xNet带来的颠覆,伴随更多APP的引入,我们相信还有更多惊喜,让SDN/NFV切实落地,让IT与网络深度融合。

    72970发布于 2018-04-04
  • 来自专栏SDNLAB

    xNet揭秘交换机的“黑匣子”

    2014中国未来网络发展与创新论坛暨全球SDN开放网络高峰会议(简称“未来网络与SDN峰会”)在南京召开,云集全球SDN业界的大牛、初创企业大亨,针对SDN技术、理论、发展作了演讲,本文选取了初创企业xNet xNet创新模式 张立岗:我们的技术来讲,xNet就是在做网络技术和IT技术的融合,实现网络设备IT化,这里面主要的两个概念,BYO是软硬件分离, PYO是基于我们的SDN提出的概念,加上app可以扩充我们 我个人理解,xNet是一个专门做交换机OS的厂商,想要打造一个以用户为中心,基于NITOS/flexSDN系统,包含芯片商,Bare Metal硬件商(ODM/OEM),第三方软件商以及渠道/集成商在内的开放网络生态系统 芯片等产业链成熟,谷歌、facebook支持,但是这个趋势是局域范围,并不是普遍性,并且这个趋势究竟能够走多远,还需要经得去时间的考验,毕竟会受到影响到既得利益的阻挡,例如传统网络厂商,在变革的道路上xNet

    1.3K80发布于 2018-04-04
  • 来自专栏机器之心

    参数少一半、速度快3倍:最新目标检测核心架构来了

    如下图所示,很明显 xNet 的参数效率要超过其它模型。其中 FSAF 在基于锚点的检测器中效果是最好的,它超过了经典的 RetinaNet。 在这篇论文中,xNet 用于基于关键点的目标检测就构成了 KP-xNet,后文会继续介绍它的结构,但这里主要关注它的性能。 如下图 2 所示,xNet 拥有若干矩阵层,每一层负责处理一种特定大小和宽高比的目标。xNet 将不同大小和宽高比的目标分配到各个层,以确保在其分配的层中目标大小接近一致。 和 FPN 类似,xNet 可以应用到不同的主干上。 ? 图 2:(a)是原始的 FPN 架构,这一架构对每种尺度都分配了不同的输出层。 下图 3 为研究者提出的基于关键点的目标检测架构 KP-xNet,它包含 4 个步骤。

    44030发布于 2019-08-20
  • 来自专栏计算机视觉战队

    最新的目标检测的深度架构 | 参数少一半、速度快3倍+(文末福利)

    简要介绍 研究作者提出了 Matrix Net (xNet),一种用于目标检测的新深度架构。xNets将具有不同大小尺寸和纵横比的目标映射到网络层中,其中目标在层内的大小和纵横比几乎是均匀的。 简单结果展示 上图所示,xNet的参数及效率要远远超过其它模型。其中FSAF在基于锚点的检测器中效果是最好的,它超过了经典的RetinaNet。 上图是基于关键点的目标检测框架—— KP-xNet,它包含4个步骤。 (a-b):使用了xNet的主干; (c):使用了共享输出子网络,而针对每个矩阵层,预测了左上角和右下角的热图和偏移量,并在目标层内对它们进行中心点预测; (d):利用中心点预测匹配同一层中的角,然后将所有层的输出与 在第一张图中,我们发现KP-xNet在所有参数级别上都优于所有其他结构。研究者认为这是因为KP-xNet使用了一种尺度和纵横比感知的体系结构。

    1.3K40发布于 2019-09-02
  • 来自专栏算法工程师之路

    参数少一半、速度快3倍:最新目标检测核心架构来了

    如下图所示,很明显 xNet 的参数效率要超过其它模型。其中 FSAF 在基于锚点的检测器中效果是最好的,它超过了经典的 RetinaNet。 在这篇论文中,xNet 用于基于关键点的目标检测就构成了 KP-xNet,后文会继续介绍它的结构,但这里主要关注它的性能。 如下图 2 所示,xNet 拥有若干矩阵层,每一层负责处理一种特定大小和宽高比的目标。xNet 将不同大小和宽高比的目标分配到各个层,以确保在其分配的层中目标大小接近一致。 下图 3 为研究者提出的基于关键点的目标检测架构 KP-xNet,它包含 4 个步骤。 图 3:KP-xNet 架构

    41220发布于 2019-08-20
  • 来自专栏李家杂货铺zi

    Allegro利用Skill语言实现根据NET获取同网络下所有过孔的坐标信息

    car(p)->ratsnest ratsnestOn = car(p)->ratsnestOn;t或nil bus = car(p)->bus diffpair = car(p)->diffpair xnet = car(p)->xnet scheduleLocked= car(p)->scheduleLocked isBundled = car(p)->isBundled rpd = car(p)->rpd

    64720编辑于 2023-03-21
  • 来自专栏计算机视觉战队

    最新的目标检测的深度架构 | 参数少一半、速度快3倍+

    从此不迷路 计算机视觉研究院 公众号ID|ComputerVisionGzq 学习群|扫码在主页获取加入方式 计算机视觉研究院专栏 作者:Edison_G 研究作者提出了 Matrix Net (xNet 简要介绍 研究作者提出了 Matrix Net (xNet),一种用于目标检测的新深度架构。xNets将具有不同大小尺寸和纵横比的目标映射到网络层中,其中目标在层内的大小和纵横比几乎是均匀的。 简单结果展示 上图所示,xNet的参数及效率要远远超过其它模型。其中FSAF在基于锚点的检测器中效果是最好的,它超过了经典的RetinaNet。 上图是基于关键点的目标检测框架—— KP-xNet,它包含4个步骤。 在第一张图中,我们发现KP-xNet在所有参数级别上都优于所有其他结构。研究者认为这是因为KP-xNet使用了一种尺度和纵横比感知的体系结构。

    93120编辑于 2022-10-08
  • 来自专栏蜉蝣禅修之道

    Android之使用JavaMail发送邮件

    public Void run() {                 put("SSLContext.TLS",                         "org.apache.harmony.xnet.provider.jsse.SSLContextImpl "TLS");                 put("KeyManagerFactory.X509",                         "org.apache.harmony.xnet.provider.jsse.KeyManagerFactoryImpl ");                 put("TrustManagerFactory.X509",                         "org.apache.harmony.xnet.provider.jsse.TrustManagerFactoryImpl

    1.5K20发布于 2018-05-23
  • 来自专栏计算机视觉理论及其实现

    详解PyTorch中的ModuleList和Sequential的区别

    ]) def forward(self, x): for m in self.modlist: x = m(x) return xnet_modlist ] def forward(self, x): for m in self.modlist: x = m(x) return xnet_modlist x = self.linears[2](x) x = self.linears[0](x) x = self.linears[1](x) return xnet3 layers) def forward(self, x): for layer in self.linears: x = layer(x) return xnet

    2.1K10编辑于 2022-09-02
  • 来自专栏知识分享

    212-CH579M学习开发-以太网例程-TCP客户端(项目应用封装,局域网或广域网测试)

    net_tcp_client.ip_addr_remote 数组, 然后再执行DHCP 关于域名api函数的使用参照前面的dsn域名解析部分 其它 1.把连接函数放到断开连接回调函数里面执行可以做到断线重连 2.连接超时时间可在 CH57xNET.h

    1.2K30编辑于 2022-04-29
  • 来自专栏知识分享

    211-CH579M学习开发-以太网例程-TCP客户端(项目应用封装,,和电脑直连测试通信)

    函数放到网络接收数据里面 5.创建回调函数, 初始化服务器地址和端口号 6.连接服务器 6.接收发送数据 其它 1.把连接函数放到断开连接回调函数里面执行可以做到断线重连 2.连接超时时间可在 CH57xNET.h

    1K10编辑于 2022-04-29
  • 来自专栏小生观察室

    无需开通迅雷会员实现极速下载

    迅雷简介 深圳市迅雷网络技术有限公司(纳斯达克股票代码:XNET)成立于2003年,是全球领先的共享计算与区块链技术创新企业,同时也是中国用户最多,历史最悠久的互联网品牌之一。

    2.2K40编辑于 2021-12-08
  • 来自专栏计算机视觉理论及其实现

    torch.nn.Module

    forward(self, input): x = self.param1.mm(input) x = self.submodel11(x) return xnet

    1.1K20编辑于 2022-09-03
  • 来自专栏LINUX开源玩家

    [openldap]用OpenLDAP统一认证SVN/GitLAB/openVPN并分割

    上面使用businessCategory属性只是为了方便而已,实际用户可以自己创建对象和属性,比如创建一个名为XPerson的对象,在里面创建一个名为xNet的属性,一样可以用来作限制。

    97120编辑于 2022-05-20
  • 来自专栏Android群英传

    Android核心破解原理详解

    > 18 com.android.org.conscrypt.OpenSSLSignature engineVerify zygote > 14 && <=18 org.apache.harmony.xnet.provider.jsse.OpenSSLSignature

    2.4K50发布于 2018-07-20
  • 来自专栏DeepHub IMBA

    BRIO:抽象文本摘要任务新的SOTA模型

    论文也说明了仅针对对比损失的微调模型不能用于生成摘要,因此将上述损失的加权值与交叉熵(xnet)损失相加,以确保令牌级别的预测准确性。

    96520编辑于 2022-06-04
  • 来自专栏Coding迪斯尼

    从0到1用java再造tcpip协议栈:使用jpacap模拟数据链路层

    ", "IGMP", "GGP", "IPV4", "ST", "TCP", "CBT", "EGP", "IGP", "BBN", "NV2", "PUP", "ARGUS", "EMCON", "XNET

    1.5K30发布于 2018-12-20
  • 来自专栏云计算D1net

    一场SDN引发的网络产业变局

    初创企业xNet公司CEO 高雄柄博士认为,由于当前SDN的任何一种实现方法对用户来说,都需要比较高的IT集成能力,因此只有某些大的IT厂商或运营商才能负担得起。 为此,Xnet推出了flexSDN软件操作系统。 flexSDN 支持OpenFlow模式交换机、传统模式交换机,以及OpenFlow+传统混合模式交换机,能比较广泛地满足用户需求的差异性。 它支持控制器集中和控制器分散,以及xNet首创的自控智能APP 等控制模式。

    1.1K40发布于 2018-03-19
  • 来自专栏along的开发之旅

    Deep Learning with PyTorch: A 60 Minute Blitz > Training a Classifier

    x = F.relu(self.fc1(x)) x = F.relu(self.fc2(x)) x = self.fc3(x) return xnet

    35210编辑于 2024-06-12
  • 来自专栏知识分享

    12-网络芯片CH395Q学习开发-模块使用Socket0作为IP RAW模式和调试助手测试通信

    Cisco 将其用于 IGRP) 10 BBN-RCC-MON BBN RCC 监视 11 NVP-II 网络语音协议 12 PUP PUP 13 ARGUS ARGUS 14 EMCON EMCON 15 XNET

    1.4K10发布于 2021-06-17
领券