/摘要： 基于人工智能火热的大背景下，通过阿里云的机器学习平台PAI在真实场景中的应用，详细阐述相关算法及使用方法，力求能够让读者读后能够马上动手利用PAI搭建属于自己的机器学习实用方案，真正利用PAI玩转人工智能。模型训练与在线预测服务、推荐算法四部曲、机器学习PAI实战、更多精彩，尽在开发者分会场【机器学习PAI实战】——玩转人工智能之商品价格预测【机器学习PAI实战】——玩转人工智能之你最喜欢哪个男生？【机器学习PAI实战】——玩转人工智能之美食推荐【机器学习PAI实战】——玩转人工智能之利用GAN自动生成二次元头像绪论人工智能并非新的术语，这个概念由来已久，大约从80年代初开始，计算机科学家们开始设计可以学习和模仿人类行为的算法。人工智能的发展曲折向前，伴随着数据量的上涨、计算力的提升，机器学习的火热，以及深度学习的爆发，人工智能迎来快速发展，迅速席卷全球。人工智能的研究领域也在不断扩大，已经涵盖专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等多个领域。可以毫不夸张地说，人工智能技术正在像100多年前的电力一样，即将改变每个行业。每个企业都...

/摘要： 开发者分会场致力于帮助开发者学习了解阿里云最新技术，为开发者设计全方位的技术成长与进阶之路。2019阿里云云上Hi购季活动已经于2月25日正式开启，从已开放的活动页面来看，活动分为三个阶段：2月25日-3月04日的活动报名阶段、3月04日-3月16日的新购满返+5折抢购阶段、3月16日-3月31日的续费抽豪礼+5折抢购阶段。活动核心亮点：作为阿里云-Hi购季最神秘的会场，开发者分会场在3月16日全网开放。下面，云栖社区小编就为各位开发者分享该会场的攻略：开发者分会场活动阵地关键词：学习，成长，进阶开发者分会场致力于帮助开发者学习了解阿里云最新技术，为开发者设计全方位的技术成长与进阶之路。开发者分会场包括小微项目，开发者工具，阿里开源，移动开发，企业研发效能，机器学习，学习认证交流，技术影响力&众包平台八大技术场景。从个人开发者到企业开发者，到技术影响力打造，开发者分会场提供给开发者一站式的开发者服务及海量免费资源下载！开发者会场链接：https://www.aliyun.com/acts/product-section-2019/developer?utm_...

根据Gartner对全球CIO的调查结果显示，人工智能将成为2019年组织革命的颠覆性力量。对于人工智能来说，算力即正义，成本即能力，利用Docker和Kubernetes代表云原生技术为AI提供了一种新的工作模式，将GPU机器放到统一的资源池进行调度和管理，这避免了GPU资源利用率低下和人工管理的成本。因此，全球主要的容器集群服务厂商Kubernetes都提供了NvidiaGPU容器集群调度能力，但是通常都是将一个GPU卡分配给一个容器。这虽然可以实现比较好的隔离性，确保使用GPU的应用不会被其他应用影响；对于深度学习模型训练的场景也非常适合，但是，针对模型开发和模型预测的场景还是会显得比较浪费。基于此，大家有了共享GPU的集群调度需求。Kubernetes共享GPU集群调度共享GPU的集群调度就是能够让更多的模型开发和预测服务共享同一个GPU卡，进而提高集群中NvidiaGPU的利用率。而这就需要提供GPU资源的划分，而这里GPU资源划分的维度指的就是GPU显存和CudaKernel线程的划分。通常在集群级别谈支持共享GPU是以下两件事情：1.调度2.隔离，我们这里主要讨论的是调度...

1、安装环境：windows XP、SQLServer20052、准备安装文件：QualityCenter9.0 （qc10以上,包括qc10,qc只支持安装在服务器操作系统上，无法安装在WinXP、Win7等个人电脑的操作系统上)1、首先在安装之前保证系统已经安装了ＳＱＬ　Ｓｅｒｖｅｒ２０００或者ＳＱＬ　Ｓｅｒｖｅｒ２００５；2、启动服务：点击【我的电脑】右键——管理——服务和应用程序——SQLServer配置管理器——sqlserver2005网络配置——MSSQLServer的协议设置为如下：客户端协议设置如下：最后不要忘了选择【服务】找到【ＳＱＬＳｅｖｅｒ（ＭＳＳＱＬＳＥＲＶＥＲ）】右键点击重新启动 1、点击setup.exe，出下如下界面，点击“下一步”，执行安装时首先安装的是ＪＶＭ虚拟机，时间可能会久一点，这里只需等待；2、ＪＶＭ虚拟机安装完成后会自动出来如下安装界面，选择【下一步】；3、选择接受许可证协议的条款4、在License界面输入License文件（最后附有License文件），也可以使用评估密匙（只有３０天的适用）说明，licens...

分页的算法：需要定义四个变量，它们有各自的用处intpageSize：每页显示多少条记录intpageNow：希望显示第几页intpageCount：一共有多少页introwCount：一共有多少条记录说明：pageSize是指定，pageNow是指用户的选择。rowCount是从表中查询得到的。pageCount是计算出来的，该计算公式为：[java] viewplain copy if(rowCount%pageSize==0) {   pageCount=rowCount/pageSize;  } else {   pageCount=rowCount/pageSize+1;  }  如果使用语句：select字段名列表from表名whereidbetween？and？这个sql语句确实比较快，但是存在一个问题，即如果表的id被删除了，那么某页可能就会少一条记录。因此，最终方法是如下语句：selectt...

/以下内容根据演讲视频以及PPT整理而成。本次分享主要围绕以下五个方面：PAI产品简介自定义算法上传数加智能生态市场AutoML2.0自动调参AutoLearning自动学习一、PAI产品简介与功能发展1.PAI-Studio在PAI的架构图中，最下层的是PAI的计算框架和数据资源。PAI可支持MaxCompute、OSS、HDFS和NAS等多种数据资源。在数据资源和多种计算框架基础之上，诞生出了PAI的最早形态：PAI-Studio——可视化建模实验平台，Studio中包括了两百多种算法，覆盖了数据预处理，特征工程，模型训练，评估预测等全链路的实验流程操作。用户可在PAI-Studio中以拖拽的方式构建实验，而无需复杂的操作。此外，PAI内置了鲲鹏计算框架，可支持百亿特征，百亿样本的超大规模矩阵训练。在最初建立过程中，PAI-Studio的定位目标为中级的算法工程师，即一个不需要很高的技术门槛就可以上手使用的算法平台。有了可视化建模Studio，PAI就可以拥有为用户提供业务支持，如构建推荐系统、金融风控、疾病预测或新闻分类等的能力。2.PAI-EAS然而，从Studio中算法和实验...

/导读：Kubernetes作为云原生时代的“操作系统”，熟悉和使用它是每名用户的必备技能。本篇文章概述了容器服务Kubernetes的知识图谱，部分内容参考了网上的知识图谱，旨在帮助用户更好的了解K8s的相关知识。容器服务Kubernetes知识图谱，部分内容参考网上一知识图谱，更加结合阿里云容器服务。原图来源：https://www.processon.com/view/link/5ac64532e4b00dc8a02f05eb#map类别 知识点知识链接备注Docker原理KVM-->ECShttps://blog.csdn.net/weixin_43695104/article/details/88554443#32_kvm_web_192  网络隧道技术-->VPChttps://blog.csdn.net/wangjianno2/article/details/75208036  NameSpacehttps://www.atatech.org/articles/81800Linux容器中用来实现“隔离”的技术手...

围绕日志，挖掘其中更大价值，一直是我们团队所关注。在原有日志实时查询基础上，今年SLS在DevOps领域完善了如下功能：上下文查询实时Tail和智能聚类，以提高问题调查效率提供多种时序数据的异常检测和预测函数，来做更智能的检查和预测数据分析的结果可视化强大的告警设置和通知，通过调用webhook进行关联行动今天我们重点介绍下，日志只能聚类和异常告警如何配合，更好的进行异常发现和告警2.1实验数据一份SysLog的原始数据，，并且开启了日志聚类服务，具体的状态截图如下：通过调整下面截图中红色框1的大小，可以改变图中红色框2的结果，但是对于每个最细粒度的pattern并不会改变，也就是说：子Pattern的结果是稳定且唯一的，我们可以通过子Pattern的Signature找到对应的原始日志条目。2.2生成子模式的时序信息假设，我们对这个子Pattern要进行监控：/msg:vm-111932.tcsu:pam_unix(*:session):sessionclosedforuserroot对应的signature_id: log_signature:18148364591466...

本系列将利用阿里云容器服务，帮助您上手KubeflowPipelines.第一篇：在阿里云上搭建KubeflowPipelines第二篇：开发你的机器学习工作流第三篇：利用MPIJob运行ResNet101从上篇文章中，我们可以看到如何通过KubeflowPipeline运行单节点任务机器学习工作流，在本文中，我们会介绍如何使用Pipeline运行分布式MPI任务，该MPI任务运行模型ResNet101的测试。由于KubeflowPipelines提供的例子多数都是单机任务，那么如何利用Pipelines运行分布式训练？阿里云容器服务团队提供了利用MPIJob训练ResNet101模型的例子，方便您在阿里云上使用和学习KubeflowPipelines，并且训练支持分布式的allreduce模型训练。在KubeflowPipelines中可以用Python代码描述了这样一个流程,完整代码可以查看mpi_run.py。我们在这个例子中使用了arena_op这是对于Kubeflow默认的container_op封装，能够实现对于分布式训练MPI和PS模式的无缝衔接，另外也支持使用GPU和R...

/阿里妹导读：近日，阿里正式开源轻量级深度学习端侧推理引擎“MNN”。AI科学家贾扬清如此评价道：“与Tensorflow、Caffe2等同时覆盖训练和推理的通用框架相比，MNN更注重在推理时的加速和优化，解决在模型部署的阶段的效率问题，从而在移动端更高效地实现模型背后的业务。这和服务器端TensorRT等推理引擎的想法不谋而合。在大规模机器学习应用中，考虑到大规模的模型部署，机器学习的推理侧计算量往往是训练侧计算量的十倍以上，所以推理侧的优化尤其重要。”MNN背后的技术框架如何设计？未来有哪些规划？今天一起来深入了解。MNN是一个轻量级的深度学习端侧推理引擎，核心解决深度神经网络模型在端侧推理运行问题，涵盖深度神经网络模型的优化、转换和推理。目前，MNN已经在手淘、手猫、优酷、聚划算、UC、飞猪、千牛等20多个App中使用，覆盖直播、短视频、搜索推荐、商品图像搜索、互动营销、权益发放、安全风控等场景，每天稳定运行上亿次。此外，菜鸟自提柜等IoT设备中也有应用。在2018年双十一购物节中，MNN在天猫晚会笑脸红包、扫一扫、明星猜拳大战等场景中使用。该项目已经在Github开源，关注“阿...

 发个通知，过段时间学习计划相关的东西就出来了，上次写了篇指引文章后有些好奇心颇重的人跟我说：“发现最近群知识库和技能库更新的频率有点大，这是要放大招的节奏啊！”很多想学习却不知道如何规划的人想要一个学习计划表，于是乎，我们就做了个大的~~~（运维的东西会逐渐添加在技能点中的）先发个大概的导图，技能部分已更新，这些东西都是为了新手快速融入，挤时间出来更新的项目技能，希望海涵，毕竟平时要工作又要生活，再加上快成家了，中国人结婚~~这个压力你们懂的。。。/   为了计划不胎死腹中，希望感兴趣的帮忙顶顶，Github（https://github.com/dunitian/LoTCodeBase）（https://github.com/dunitian/LoTDotNet）多Watch和Star或Fork几下~就当对我的酬劳吧（毕竟奉献这件事情是容易砸别人饭碗的）其他部分可以先看：　　http://www.cnblogs.com/dunitian/p/4822808.html（知识汇总） 和 http://www.cnblogs.c...

当前，整个互联网正在从IT时代向DT时代演进，大数据技术也正在助力企业和公众敲开DT世界大门。当今“大数据”一词的重点其实已经不仅在于数据规模的定义，它更代表着信息技术发展进入了一个新的时代，代表着爆炸性的数据信息给传统的计算技术和信息技术带来的技术挑战和困难，代表着大数据处理所需的新的技术和方法，也代表着大数据分析和应用所带来的新发明、新服务和新的发展机遇。为了帮助大家更好深入了解大数据，云栖社区组织翻译了GitHubAwesomeBigData资源，供大家参考。本资源类型主要包括：大数据框架、论文等实用资源集合。 资源列表：   关系数据库管理系统（RDBMS）  框架  分布式编程  分布式文件系统  文件数据模型  Key-Map 数据模型  键-值数据模型  图形数据模型  NewSQL数据库  列式数据库  时间序列数据库&nb...

先说一下正常流程：1.打开虚拟机网络设置选项，选择桥接模式（Bridged）【如果是Kali2.0的话，执行第一步后就OK了（90%）】2.打开Kali里面的网络设置3.设置一个ip4或者ip6的网络4.设置网络，具体看箭头，ip设置在同一个网段就好了，其他的跟pc设置一样的重启一下就ok了+++++++++++++++++++++++++++++++++++++++++++++++++++++++有些绿化版的vware不管怎么设置都不行，这时候安装新的虚拟机就ok了，我送一个：http://pan.baidu.com/s/1dDtu05F+++++++++++++++++++++++++++++++++++++++++++++++++++++++上面处理都失败后再用下面的垂死挣扎~~~下面说一下就是不能在同一网段的情况处理（以后局域网欺骗什么的做铺垫） 为了避免出错，先存一份快照：————————————————————————————————————————————————————————————————————————————————————————————————&n...

...

参考：https://www.yiibai.com/testng/junit-vs-testng-comparison.html#article-start1、JUnit缺点：最初的设计，使用于单元测试，现在只用于各种测试。不能依赖测试配置控制欠佳(安装/拆卸)侵入性(强制扩展类，并以某种方式命名方法)静态编程模型(不必要的重新编译)不适合管理复杂项目应用，JUnit复杂项目中测试非常棘手。2、TestNG的特点注解TestNG使用Java和面向对象的功能支持综合类测试(例如，默认情况下，不用创建一个新的测试每个测试方法的类的实例)独立的编译时测试代码和运行时配置/数据信息灵活的运行时配置主要介绍“测试组”。当编译测试，只要要求TestNG运行所有的“前端”的测试，或“快”，“慢”，“数据库”等支持依赖测试方法，并行测试，负载测试，局部故障灵活的插件API支持多线程测试 1、@Test(expectedExceptions=ArithmeticException.class)2、@Test(expectedExceptions={OrderUpdateException.cl...