深圳幻海软件技术有限公司

系列文章目录深度学习原理-----线性回归+梯度下降法深度学习原理-----逻辑回归算法深度学习原理-----全连接神经网络深度学习原理-----卷积神经网络深度学习原理-----循环神经网络（RNN、LSTM）时间序列预测-----基于BP、LSTM、CNN-LSTM神经网络算法的单特征用电负荷预

物联网的兴起带来了对新计算范式的需求，这些范式可以支持这些设备生成的大量数据。雾计算就是这样一个范例，它将云计算能力扩展到网络边缘，更接近数据生成和消费的地方。本文将探讨雾计算是什么，它是如何工作的，它的好处和挑战，以及它的实际使用示例。什么是雾计算?雾计算是一种分布式计算范式，它使计算资源更接近网

本文是书稿《图解VPC&K8s网络模型》其中一篇。书稿还在继续写，进度不快也不慢，因为二哥不急也不躁。好肉需要慢炖，好书需要多磨。为什么要单独讲这个话题呢？因为我在和同事讨论K8s网络尤其是网络数据流向的时候，会反复提及到网络设备，无论它是物理的还是虚拟的。而网络设备在我们所讨论到的数据流场

在云市场主打差异化的火山引擎，亮出的Slogan是“云上增长新动力”。拆解来看，其含义正是“增长”所需的三个要素：敏捷迭代、体验创新和数据驱动。在三要素的推动下，火山引擎已经搭建出了基础的IaaS+PaaS+SaaS完整体系，并推出了云原生数据库veDB、云原生机器学习平台、智能创作云服务、一站式投

到2025年，边缘计算市场预计将达到2740亿美元，主要集中在物联网、公共云服务、专利和标准等领域。这种贡献大部分是由企业将其数据中心转移到云计算支持的。这使企业能够从云系统转移到边缘计算系统，并从其计算资源中提取最大潜力。本文将更深入地了解边缘计算，以及其是如何帮助技术部门的企业。了解边缘计算从技

8月31日，在刚刚出版的《腾讯大数据构建之道》新书中，腾讯首次对外披露了自身大数据核心技术体系架构和海量业务应用实践。作为国内大数据领域的一部前沿技术著作，该书汇集了腾讯在大数据领域几十位技术专家的思考和实战精髓，通过全面剖析自身在大数据领域的探索以及落地，为国内大数据从业者提供了一份极具价值的参考

工业异常检测Patchcore是截至2022年在AD数据集上表现最好的缺陷检测模型本文深入浅出的让你看懂原理，解析顶会论文挺耗费时间的给个赞呗~背景：在工业图像的异常检测中，最大的问题就是冷启动的问题。首先，在训练集中都是正常的图片，模型很容易捕获到正常图像的特征，但是很难捕获到异常缺陷的样本（这类

一、CNN简介1.神经网络基础输入层（Inputlayer），众多神经元（Neuron）接受大量非线形输入讯息。输入的讯息称为输入向量。输出层（Outputlayer），讯息在神经元链接中传输、分析、权衡，形成输出结果。输出的讯息称为输出向量。隐藏层（Hiddenlayer），简称“隐层”，是输入层

自动化使用的测试框架是什么？简述自动化框架的设计与维护测试框架：python+unittest+requests+ddt+openpyxl+pymysql+loggingpython：入门简单，语法简洁unittest：定义一个测试用例类，具体的方法来维护测试用例的生命周期，测试场景行为，测试用例前

Spring中的事务隔离级别和数据库中的事务隔离级别稍有不同，以MySQL为例，MySQL的InnoDB引擎中的事务隔离级别有4种，而Spring中却包含了5种事务隔离级别。1、什么是事务隔离级别？​事务隔离级别是对事务4大特性中隔离性的具体体现，使用事务隔离级别可以控制并发事务在同时执行时的某种行

首先，做一下自我介绍。我是联通软件研究院大数据工程师张策，同时在Alluxio社区担任PMCmember，也是PrestoContributor，对开源大数据比较感兴趣，希望平时与大家多多交流。全文将围绕以下内容展开：使用场景在缓存加速方面的应用在存算分离方面的应用在混合负载领域的应用轻量级分析相关

作者：仕禄分布式系统设计是一项十分复杂且具有挑战性的事情。其中，数据复制与一致性更是其中十分重要的一环。数据复制领域概念庞杂、理论性强，如果对应的算法没有理论验证大概率会出错。如果在设计过程中，不了解对应理论所解决的问题以及不同理论之间的联系，势必无法设计出一个合理的分布式系统。本系列文章分上下两篇

实际问题（乱序）在介绍Watermark相关内容之前我们先抛出一个具体的问题，在实际的流式计算中数据到来的顺序对计算结果的正确性有至关重要的影响，比如：某数据源中的某些数据由于某种原因(如：网络原因，外部存储自身原因)会有5秒的延时，也就是在实际时间的第1秒产生的数据有可能在第5秒中产生的数据之后到

前言接口性能优化对于从事后端开发的同学来说，肯定再熟悉不过了，因为它是一个跟开发语言无关的公共问题。该问题说简单也简单，说复杂也复杂。有时候，只需加个索引就能解决问题。有时候，需要做代码重构。有时候，需要增加缓存。有时候，需要引入一些中间件，比如mq。有时候，需要需要分库分表。有时候，需要拆分服务。

 在本文中，我们讨论6个可以提供帮助的库。EchartsEcharts对于可视化网页上的数据非常有用。有了它，你可以创建直观、可自定义和交互式的图表，从而更轻松地解释和分析数据。许多JavaScript图表库已被移植到JavaScript，这意味着它们的使用不会无缝衔接。但是，Echart

什么是feed流?什么是读扩散?什么是写扩散?任何脱离业务的架构设计都是耍流氓，今天和大家聊聊这几个话题。哪些产品是feed流典型业务?微博，微信朋友圈，Pinterest是典型的feed流业务，系统中的每一条消息就是一个feed。这类业务有什么特点?(1)有好友关系，例如关注，粉丝;(2)我们的主

 当Python有读写MySQL数据的需求时，我们经常使用PyMySQL这个第三方库来完成。有时候如果一张表里面的数据非常大，但是我们只需要读取一条数据，此时我们可能会想当然地使用cursor.fetchone()这个方法，以为这样就真的可以只读取一条数据： 复制import&n

 IT未远，DT已至。​​​DT时代的到来，让“数据+算力”成为推动世界前进的新生源动力。当数据智能驱动产业变革的时代到来，无论你愿不愿意，都将置身DT洪流之中面向未来。然而，除了互联网企业以外，大多数的传统产业并没有准备好。他们往往即没有充分的数据，又没有稳定地利用数据决策的习惯。因此，

 说到大规模微服务系统，往往是一些7*24时不间断运行的在线系统。那么如何设计一个大规模的微服务系统呢? 图片来自Pexels这样的系统往往有以下的要求：高可用。这类的系统往往需要保持一定的SLA，7*24时不间断运行不代表完全不挂，而是有一定的百分比的。例如我们常说的可用性需达

之前给研发团队简单做了一次技术分享，主要讲了为什么我们要自己做监控，监控的指标维度，监控基本流程及常见监控工具介绍，最后如何从零快速开始搭建一套自己的监控工具。工具介绍1.Statsd是一个使用Node开发网络守护进程，它的特点是通过UDP（性能好，及时挂了也不影响主服务）或者TCP来监听各种数据信