- 综合排序
- 最热优先
- 最新优先
- 来自专栏科技云报道
云计算价值将进一步释放，迎接“深度用云”时代
近年来，国家相继出台了《推动企业上云实施指南（2018—2020年）》《关于推进“上云用数赋智”行动培育新经济发展实施方案》等文件，鼓励云计算与大数据、人工智能、5G等新兴技术的融合。 地方政府及监管机构也纷纷发布云计算平台相关技术规范和应用标准，积极推动数字技术与社会发展各领域全方位深度融合。 云原生是深耕数字化的必由之路，没有云原生，就没有真正的数字化和智能化。在云原生2.0时代，要实现“生于云，长于云”，重要的是以云原生的思维践行云原生。 如果说过去的云计算是与泛互联网场景的耦合，那么未来的云计算将会是传统实体经济与全场景智慧的深度耦合。 数字经济大潮催生了一系列新的云消费模式，在传统的公有云、私有云基础上，演化出一系列新的模式如专属云、托管云、边缘云等。因此，各行各业全面上云已经为期不远。
62820编辑于 2022-04-16 - 来自专栏深度学习与python
从用云焦虑到“深度云化”，新云原生时代带给我们哪些思考？| Q推荐
中国信息通信研究院云计算与大数据研究所副所长栗蔚预测，2023 年我国云计算行业应用将从“资源上云”正式迈入“深度用云”。 张宇昕表示，随着越来越多的企业从“搬迁上云”走向“深度云化”阶段，云上的数字化价值将得到真正释放。 例如，企业在上云前会担心用云的效率、成本、安全等；上云后会担心云上资源怎么管？如何提高利用率？云上和线下的业务资源如何协调？管理体系该怎么建设？应用和数据改造后怎么运维？ 一方面，云上的物理设备不可见，这对运维人员的认知转变提出了较高的要求；另一方面，云原生下的业务系统由单体变成了多个虚拟的微服务，用传统的 IT 思维已难以全面掌握业务整体运行状态。 2 走进“云深处”的行业探索与实践 如今，针对上述伴随“深度云化”涌现出的新挑战，行业内已进行了大量探索。 在精益用云方面，紧随着云成本“不可知”所带来的成本焦虑，FinOps 开始崭露头角。
57630编辑于 2023-03-29 - 来自专栏腾讯专有云
加速深度用云！腾讯专有云多项目获评“2023年度可信云最佳实践”
其中，腾讯专有云企业版TCE、云原生技术平台 TCS 获评“2023可信云技术最佳实践”及“一云多芯稳定性安全运行优秀案例”；腾讯云分布式数据库 TDSQL 获评“2023年度可信云金融行业服务最佳实践 随着上云用云进程深化，企业对于云服务的专业性、便捷性、灵活性等也提出了更高要求，单一的公有云或私有云，很难同时满足企业核心应用对底层基础资源安全、性能等需求。专有云成为企业数字化的更优解。 此次获评“2023可信云技术最佳实践”的腾讯专有云企业版解决方案TCE，具备 IaaS、PaaS、SaaS 全栈能力，可提供80+自研云服务，满足企业的私有化部署、自主可控等需求，进一步降低了企业上云用云的技术难度和运维复杂性 基于专有云TCE 的腾讯金融云平台一云多芯实践，也荣获信通院“一云多芯稳定性安全运行优秀案例”。 随着在各行各业的不断深耕，腾讯云也将持续为企业带来更便捷、更优质的用云体验。
83170编辑于 2023-08-03 - 来自专栏SDNLAB
用SDN武装云
IT专家正在寻找更加灵活多样的方式来监控网络安全，其中就包括了扩大虚拟化和基于云计算的安全服务。 用虚拟化保卫云 云计算技术的发展趋势使得其在保持可见性和控制网络和IT资源方面更具挑战性，而云计算的灵活性和敏捷性的优势及其明显，也改变了组织或公司受到威胁的方式。 未来，安全更加依赖于专有的部署，专用硬件不能满足如今的动态需求环境，因此我们找到了基于云计算和虚拟化的安全方法。 几乎所有安全功能都可以用软件交付，包括： ✔ 防火墙 ✔ 统一威胁管理（UTM） ✔ 身份识别和访问管理（IAM） ✔ 加密 ✔ 数据外泄防护（DLP） ✔ 风险管理 ✔ 深度包检测（DPI） ✔ 网络和主机入侵检测和预防 因为这些服务是虚拟化的，因此他们可以集成到云环境中，并提供更多的分布式保护。 虚拟化和安全合并 安全市场的大趋势是在云中提供安全的服务，利用虚拟的基于云环境的数据来检测活动和异常。
866110发布于 2018-04-02 - 来自专栏3D点云深度学习
点云深度网络——PointNet
今天要聊的论文是斯坦福大学Charles等人在CVPR2017上发表的论文，提出了一种直接处理点云的深度学习网络——PointNet。 因为在PointNet之前，点云没办法直接处理。 由于点云是三维的、无序的，别说深度神经网络了，就是普通算法很多都不能奏效。 于是人们想出来各种办法，比如把点云拍扁成图片（MVCNN），比如把点云划分成体素（类似游戏“我的世界”里的场景），再比如把点云划分成节点然后按顺序拉直（O-CNN）等等。 总之，点云先要被处理成“非点云”。这些想法怎么样呢？其实也挺不错的，也能取得较好的结果。比如MVCNN的有些指标就不输PointNet。 由于做点云的人对这篇论文肯定都比较熟悉了，这里就不按照论文顺序详细展开了，只把PointNet的几个创新点简单提一提。 1 针对点云无序性——采用Maxpooling作为对称函数。
2K20发布于 2020-05-18 - 来自专栏筑城蜕变
用深度学习解决Bongard问题
https://k10v.github.io/2018/02/25/Solving-Bongard-problems-with-deep-learning/ 原文作者：Sergii Kharagorgiev 用深度学习解决 所以，我不禁想知道，深度学习方法对解决Bongard问题是否有用。 [https://meaningness.com/metablog/bongard-meta-rationality] 谁知道这些问题是否用深度学习或者其他新方法获得了更简单的解决方法？ 问题形成与方法 将深度学习方法应用于Bongard问题，至少存在两个主要问题。 1. 这是个单点学习问题。深度学习最有效果的应用是基于有监督学习的。 该种情况下，正是“用例子来进行解释的”。 “我不能理解那些我不能创造的东西。” 理查德·费曼 改写一下这句话：“我能创造的，我就能理解”。
2.6K170发布于 2018-02-28 - 来自专栏GhostCN_Z
用Xshell连接谷歌云
谷歌云服务器，默认用浏览器进行SSH链接，而且也不告知密码。
3.7K40发布于 2020-04-03 - 来自专栏编程
深度解析用例设计方法
有时间补充，但用例结构越来越乱 特性的用例与通性用例之间联系不明确(以新增需求为主线列出所有涉及到的更改，但特性与通行之间的数据或业务联系在用例中逐渐淡化) 知道怎样执行这个用例，但它要说明什么呢? 正因为我们没有很好的积累业务上的用例，才使得我们感到执行用例时发现的bug不多。 用例与程序脱节，新增用例混乱和缺少。 长此以往我们只得放弃修改、增补用例，甚至放弃之前积累的所有成果。 我认为可以从用例级别做起，以业务用例指导过程和结果。 或者可以为用例增加一个状态，指明这个用例目前是否与程序冲突，当程序变更时改变用例的状态，并更新用例版本。
74450发布于 2018-01-17 - 来自专栏ATYUN订阅号
用Google Sheets搭建深度网络
在继续之前，我想对FastAI大喊一声我最近完成了他们精彩的深度学习课程，所有的灵感和功劳都真正属于他们。 优秀的讲师杰里米·霍华德和他的联合创始人雷切尔·托马斯向学生们展示了用Excel制作CNN的想法。但据我所知，电子表格无法在线使用，而且似乎也没有完全完成网络。 我用一个叫做Keras的流行深度学习库来训练模型（见这里的代码），然后把从模型中训练出来的权重放在表格里。训练过的权重只是数字。把它放在纸上，这意味着从我的模型复制并粘贴一堆数字到纸上。 你会得到8个输出，或者用深度学习术语来说就是“神经元”。 为过滤器和最后的稠密层计算出所有合适的权重是非常烦人的。幸运的是，自动计算出这些权值是Neural Net的核心，所以我们不需要担心这个。 但是一旦模型被训练，它实际上只需要乘法和加法来做预测在实践中，微积分是由你使用的任何深度学习库来处理的。
2.2K20发布于 2019-11-18 - 来自专栏腾讯云数据库(TencentDB)
鹅厂这波青年用“云”监测云
此系统完全基于腾讯云搭建，组成部分包含：腾讯云-云数据库、腾讯云-腾讯云图、腾讯云-物联网开发平台、TencentOS tiny、腾讯云-API网关、腾讯云-云函数，以及配套的 NUCLEO LoRa 系统架构图 本系统的核心部分，完全由腾讯云相关产品实现，并配合腾讯云兼容产品，共同搭建了系统。下图介绍了架构组成及使用的云产品。 ? 2. （4）存储层 使用 腾讯云-云数据库，基于云数据库的高性能与高稳定性，且当前种子节点数据较少的情况，直接使用数据库记录数据。 在展示页中，所有的地图数据均为实时绘制，通过 腾讯云-API网关 和 腾讯云-云函数 这两个产品配合提供的接口数据，按指定经纬度展示数据效果。 高树磊 腾讯云高级生态产品经理 高树磊，腾讯云高级生态产品经理，2015年加入腾讯，历任腾讯云基础产品经理及生态产品经理，拥有9项国家专利，现负责腾讯生态联合实验室建设及相关标准制定。
1K20发布于 2020-05-13 - 来自专栏yeedomliu
腾讯云微搭深度学习
定制化 因为微搭是基于『云开发』使用的，所以如果熟悉云开发TCB，可以灵活使用 方法意图有两个作用 分类 模板方法的生成，不同『方法意图』生成的模板方法不一样 状态 分开发、预览、发布三种状态 数据源 ——外部 只有一堆堆方法，没有数据源 『云函数』可以合并多个接口数据处理，相当于中间件功能 应用编辑器 单文本框嵌套循环使用，需要使用到『表达式』 forItems.id11[forItems.id12
4.5K10编辑于 2022-01-23 - 来自专栏学习随记
腾讯云“深度学习”快速上手
本次有机会受邀参加腾讯云GPU服务器试用活动，这里附上个人的快速上手指南。 1.系统选择 个人建议如果是不怎么熟悉linux相关环境的小白想要快速上手深度学习的开发，可以先试用Windows Server系统，理由是会更偏向于平时使用的Windows系统。 _20220511141908.png 2.驱动安装 如果这里是选择的Windows系统来进行深度学习，那么环境搭建也是相当简单。只需要按照官方文档去安装驱动和cuda就可以了。 这里附上腾讯云官方的文档说明，就不重复赘余了。 d.配置完以上环境后，别忘了再安装一下python工具，这里笔者建议用JetBrains的PyCharm. 配置完环境后，就可以愉快的开始你的深度学习之旅了~
2.2K50编辑于 2022-05-11 云直播服务深度选型指南
随着互联网技术的飞速发展，云直播服务已经成为企业和个人传播信息、互动交流的重要手段。本文旨在提供一个深度选型指南，帮助用户从市场现状出发，全面了解并选择适合自己的云直播服务。 市场现状 当前市场上的云直播服务供应商众多，包括阿里云、华为云、AWS、腾讯云等云服务巨头，以及哔哩哔哩、斗鱼、虎牙、快手、抖音等直播平台。 产品分析 阿里云 产品定位：提供全面的云直播解决方案，适合大规模、高并发的直播场景。 适合人群：大型企业和直播平台。 产品特点：支持多种编码格式，具备全球节点分发能力。 AWS 产品定位：国际市场的云直播服务，适合全球化业务。 适合人群：跨国企业和国际直播平台。 产品特点：强大的云基础设施支持。 性能指标：全球覆盖，性能稳定。 总结 选择云直播服务时，用户应根据自身需求、预算和业务特点进行综合考量。腾讯云凭借其全面的服务功能、高性价比和专业的技术支持，在云直播服务领域具有明显优势。
49210编辑于 2025-07-29云视频服务深度选型指南
本文将为您提供一个深度选型指南，涵盖市场上的主要云视频服务提供商，包括阿里云、华为云、亚马逊云（AWS）、微软云（Azure）、七牛云以及腾讯云。 优劣势：优势在于腾讯云的广泛节点分布和强大的技术支持，劣势可能在于价格相对较高。 阿里云 产品定位：提供全面的云视频服务，包括视频存储、处理、分发等。 适合人群：适合需要一站式视频解决方案的企业。 优劣势：优势在于阿里云的生态圈和广泛的合作伙伴，劣势可能在于某些高级功能需要额外付费。 华为云 产品定位：专注于提供稳定可靠的云视频服务。 适合人群：适合对视频稳定性和安全性有高要求的企业。 优劣势：优势在于华为云的安全性能和企业级服务，劣势可能在于价格和市场覆盖范围。 亚马逊云（AWS） 产品定位：提供全球化的云视频服务。 适合人群：适合需要全球分发视频内容的企业。 优劣势：优势在于AWS的全球覆盖和强大的云服务生态，劣势可能在于对中国市场的本土化服务支持不足。 微软云（Azure） 产品定位：提供集成化的云视频服务。
52510编辑于 2025-07-29- 来自专栏老齐教室
用信息论剖析深度学习
作者：Lilian Weng 翻译：老齐 与本文相关书籍推荐：《数据准备和特征工程》 ---- 最近，我聆听了Naftali Tishby教授的演讲“深度学习中的信息论”，感觉很有意思。 他在演讲中说明了如何将信息论用于研究深度神经网络的增长和转换，他利用IB（Information Bottleneck）方法，为深度神经网络（DNN）开创了一个新的领域，由于参数的数量成指数增长，导致传统的学习理论在该领域均行不通 深度神经网络可以看作是一个马尔科夫链，因此当我们沿着DNN层向下移动时，层与输入之间的互信息只会减少。 再参数化不变性 对于两个可逆函数 ， ，互信息仍然是： 。 马尔科夫链的深度神经网络 训练数据来自 和 联合分布的抽样观测，输入变量 和隐藏层的权重都是高维随机变量。真实值 和预测值 是分类设置中较小维度的随机变量。 如果预测输出二进制值，则可以用 代替假设的基数 。 当 比较大时， 的大小大约是 。ϵ所在的每个单元格的大小是 。因此，我们有 。
1.1K30发布于 2020-05-15 - 来自专栏数据科学与人工智能
【学库】用Python做深度学习
《用Python做深度学习》是Keras库的创建者Francois Chollet写的关于如何用Python和Keras库做深度学习的教程，如果想使用Python和Keras库设计和构建深度学习算法解决现实问题 ，如果对Keras库感兴趣，如果想快速地利用深度学习算法来验证想法，建议您可以阅读本书，且把书中介绍的深度学习知识做个认识，把数据所涉及的代码可以做个实践，同时，结合自己所处业务和场景，思考如何转化服务自己所面临的问题 用Python做深度学习 本书每一章都有看点。 若是你对深度学习只有比较浅的认识，想知道深度学习是什么？深度学习的来龙去脉？为什么会出现深度学习这个说法和技术？作者在第一章做了回答。 深度学习的基本应用和高级应用，涉及到计算机视觉，图像处理，文本处理和时间序列处理，作者在第五章，第六章，第七章和第八章做了述说。 最后一章，就是做了总结，谈及深度学习的关键点，深度学习的局限性和深度学习的未来等内容。 若是想了解更多详细的内容，请直接阅读本书。
1K20发布于 2018-10-26 - 来自专栏MixLab科技+设计实验室
用深度学习指导用户体验设计
前阵子分享了：让机器预测平面设计作品的视觉焦点 的文章，深度学习被用于预测平面设计作品的视觉焦点。 例如，通过用边框或使用不同的背景来包围它们。 标记重要单词和短语。 为链接设计不同的格式，并确保链接包含明确的信息，而不是通用的“点击这里”或“更多”。 使用项目符号与列表List。 很明显，基于眼球轨迹的研究成果，我们可以准备一批数据，经过深度学习训练模型，使得研究成果更好的应用在实际的场景。 ? 用户眼球轨迹与web设计页面的数据集 前文的眼球轨迹研究结果显示，用户的浏览行为更多的高度概括性为 F 形，利用眼球轨迹收集而来的数据，经过深度学习训练模型，可以预测得到颗粒度更细的用户浏览行为。
64050发布于 2018-04-17 - 来自专栏Python中文社区
深度学习入门：用MNIST完成Autoencoder
在Cambridge做了点小事，深度学习的小学生。 ❈ Abstract: 用Tensorflow完成Autoencoder的实现，简单介绍了一下什么是Autoencoder以及Autoencoder的应用。 我们首先将Autoencoder用这些图片来训练，得到784长度的向量。同时这些数据集的图像已经完成了归一化，也就是说要么是一，要么是零。
1.7K60发布于 2018-01-31 - 来自专栏优惠券
腾讯云负载均衡怎么用
那么腾讯云负载均衡怎么用呢？不会的快来看看吧。 一.创建负载均衡。 帮助地址 创建地址 ? 二.创建或者编辑监听器。 三.绑定云主机。 ? 四.下线机器：解绑或者权重更改为0。 ? 五.业务域名业务域名(xxx.qq.com)CNAME到在腾讯云申请负载均衡时得到的域名：sports.sh.1251413831.clb.myqcloud.com 解析结果： xxx.qq.com = 以上就是腾讯云负载均衡的用法，希望可以帮助你解决难题哟~ ?
29.9K51发布于 2019-04-01 - 来自专栏PPV课数据科学社区
【译文】用R创建云词
在这篇文章中，我会向大家展示如何利用文本数据在R中建立云词。我们会使用一个包含20万个问题的数据集，而这数据集可以在这里下载（感谢reddit网站的用户trexmatt给我们提供的数据集）。 这可以确保任何形式的单词都可以转化为相同的形式只会在云词中出现一次。 jeopCorpus <- tm_map(jeopCorpus, stemDocument) 现在，我们来描绘一下云词。
1.2K30发布于 2018-04-20
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