.net_技术架构
收录了 .net_技术架构 频道下的 50 篇内容
玩转 GPU 实例 – 我的 Linux 工具箱之三 – 系统优化
在该系列的前面两篇文章中，我们已经介绍了建立一个EC2 的基于Ubuntu 18.04 的GPU实例的方法以及针对这个实例完成了基础的设置。
用 Python 从零开始构建 ResNet
这些年来，深度学习架构变得越来越深（层越来越多）以解决越来越复杂的任务，这也有助于提高分类和识别任务的性能，并让它们表现稳健。但当我们继续向神经网络添加更多层时，模型训练起来也越来越困难，模型的准确度开始饱和，然后还会下降。于是ResNet诞生了，让我们摆脱了这种窘境，并能帮助解决这个问题。
中间件业务在网易轻舟容器平台的性能调优实践
随着业务容器化的推进，经常有客户抱怨应用 QPS 无法和在物理机或者云主机上媲美，并且时常会出现 DNS 查询超时、短连接 TIME_OUT、网络丢包等问题，而在容器中进行调优与诊断的效果因为安装工具的复杂度大打折扣。
携程 Android 10 适配踩坑指南
本文介绍Android 10的适配经验。
周末的时间，我们在 GitHub 用什么语言编程？
Felipe Hoffa是一位来自智利的工程师，目前为谷歌工作并居住在旧金山，他在2月10日发表了一篇文章，原题是《The top weekend languages according to GitHub's code》，其实在这篇文章之前，Julia Silge已经在Stack Overflow上发表了《Top Weekend Programming Languages》，她只是针对Stack Overflow上的标签进行分析并得出统计数据。因此，读者都在reddit和Hacker News上提出了很多问题，Felipe的这篇文章使用了GitHub上的提交信息，想要进一步回答Julia未能解答的问题。
用 IronRuby 创建 WPF 应用程序
基于以往介绍过的IronRuby文章，本文主要探讨如何用IronRuby创建WPF应用程序。除了有详细的用IronRuby编写的WPF实例程序外，本文还涵盖了事件处理、XAML应用、继承CLR类和简化IronRuby冗长代码等方面内容。
一个 OpenStack 访问请求在各组件之间的调用过程
本文将介绍OpenStack请求在整个stack中的各个组件之间的相互调用过程。下面将以boot新实例和shelve一个实例为例，结合代码，讲解从客户端发起一个OpenStack请求调用到最终请求被处理的过程。通过对实例的讲解，读者可以举一反三，掌握OpenStack各个组件之间的相互调用关系，对于调试和定位问题将会带来巨大的帮助。
云中的 Oracle 到 PostgreSQL 迁移：如何设置 PostgreSQL 环境以协助完成迁移
AWS 云中的 Oracle 到 PostgreSQL 迁移可能是一个复杂度极高的多阶段流程 – 从评估阶段直到移交阶段，涉及到不同的技术和技能。
论文复现丨基于 ModelArts 进行图像风格化绘画
这个 notebook 基于论文「Stylized Neural Painting, arXiv:2011.08114.」提供了最基本的「图片生成绘画」变换的可复现例子。
将您自己的 SSL 证书添加到 Open Distro for Elasticsearch
Open Distro for Elasticsearch 的安全插件自带即开即用的身份验证和访问控制功能。
介绍 Gluon 这一易于使用的灵活深度学习编程接口
在 Gluon 中，您可以使用简单、清晰和简洁的代码定义神经网络。
使用 pt-query-digest 分析 RDS MySQL 慢查询日志
本文主要讲述如何使用 pt-query-digest 工具对 RDS MySQL 的 slow log 进行分析。
如何在 AWS 上构建基于 OpenSwan 的软件 VPN 解决方案
随着云的普及以及即用即付的模式，正在被大家逐渐接受
深度学习利器：TensorFlow 与深度卷积神经网络
本文作者将回顾深度神经网络的基础概念，并通过实例解析，详解卷积神经网络的构建；同时从多方面对TensorFlow在图片识别方面的几大模型进行深度解析。
用 Hibernate 实现领域对象的自定义字段
HIbernate是一种广泛使用的Java ORM工具，不过它的某些应用并不总是那么简单直接。本文探讨了使用Hibernate来提供一种经常被要求的特性，即自定义领域对象的字段而无需重启系统。本文将逐一展示该方案的实现、测试以及可能的改进。
解析 GlassFish 3 中的配置组件
在GlassFish 3中，存在大量的组件，作者详细分析了其组件配置的架构、工具和应用方法，对于想要深入了解GlassFish的开发人员和系统管理人员有较好的借鉴意义。
如何使用 ML.NET 构建推荐系统？
推荐系统无处不在，从 Netflix、谷歌、亚马逊到小型网店，都能看到它的身影。实际上，推荐系统可能是机器学习最成功的商业应用之一。
促进软件开发及相关领域知识与创新的传播
京公网安备 11010502039052号 | 产品资质
扫码添加小助手
领取最新资料包
