初志安全存储云解决方案
初志安全存储云解决方案方案概述进入DT时代，随着设备的互联互通以及多网络的接入，数据越来越集中化，为了开发大数据应用，发掘潜在的数据价值，企事业单位多个部门之间、多组织之间的数据共享是必须的。在数据流通的同时，跨部门跨行业跨组织的数据高度集中，在实现数据资源共享和挖掘潜在价值的同时，也暴露出包含大量敏感和重要信息的数据资源被泄露和非法利用。如何防止我们的信息被泄露？初志安全存储云基于软件定义数据中心的新跨云架构，以先进的块存储及对象存储技术为依托，采用业界独有的终端碎分技术，无超级管理员设置，使...
教程 [2026-05-05]
奇舞周刊第 238 期：如何用 CSS 修出好看的照片
Hello，宝宝们，周五啦，今天可以说是临时小编非常忙的一天了，想到一句话：周刊有点迟，但是总会来。哈哈哈~对了对了，奇舞周刊要搬家啦！！！为了给订阅奇舞周刊的小伙伴提供更好的服务，我们这个周末将由个人帐号迁移到企业帐号，此次迁移不会对小伙伴造成影响，请一如既往地支持小编和奇舞周刊。祝大家天天开心~(fromgiphy.com)奇舞推荐■■■JavaScript机器学习指南来自德国的RobinWieruch近日发布了一系列使用JavaScript构建机器学习的教程，本文将主要介绍使用JavaSc...
教程 [2026-05-05]
Gartner报告：2018年全球网络安全支出将达963亿美元
Gartner发布最新预测，2018年全球网络安全支出总额将达到963亿美元，较2017年增长8%。企业在安全方面的支出越来越多，这是监管的结果，代表着消费者心态的转变，对新兴威胁的意识，以及向数字化商业战略的演变。Gartner的研究总监RuggeroContu表示：“总体而言，大部分安全支出是由企业对安全漏洞的反应所驱动的，因为最近的网络攻击和数据泄露事件对全球的企业都产生了很大的影响。包括WannaCry和NotPetya在内的网络攻击以及最近发生的Equifax数据漏洞，都直接影响着安全...
教程 [2026-05-05]
IPv6是什么鬼？
Hot目前我们使用的第二代互联网IPv4技术，核心技术属于美国。从理论上讲，IPv4地址为32位编码，可以产生2的32次方即40多亿个IP地址。其中北美占有3/4，约30亿个，而人口最多的亚洲只有不到4亿个，中国只有3千多万个，只相当于美国麻省理工学院的数量。网络地址不足，严重地制约了我国及其他国家互联网的应用和发展。什么是IPv6：IPv6（InternetProtocolVersion6）是用于替代现行版本IP协议IPv4的下一代IP协议，号称可以为全世界的每一粒沙子编上一个网址。面对IPv...
教程 [2026-05-05]
对于程序员来说写代码并不是最难的事情！
大多数非程序员认为软件开发是非常困难的，确实如此，但这种困难不像那些外行人理解的那样。最近在Quora上的一次讨论，程序员分享了他们认为工作中的最大困难，在这里为大家呈现出其中的9个。你可以看到，写代码并不是最难的事情，如果你也在从事软件开发，看看哪些内容你认为也是很难的。1，怎样才是最佳解决方案任务描述：给你一系列的需求，你被要求设计和构造技术上的解决方案。这包括了设计数据结构，算法，逻辑上的封装等等，还要考虑到用户安全方面的因素。挑战：确保你的设计可以满足客户需求，让客户认为合理。当然还要在...
教程 [2026-05-05]
ImageNet冠军带你入门计算机视觉：卷积神经网络
作者｜360董健编辑｜Vincent，EmilyAI前线导语：在第一篇文章《ImageNet冠军带你入门计算机视觉：监督学习与神经网络的简单实现》中，我们介绍了神经网络的基本概念以及Tensorflow的基本用法。本文为系列的第二篇文章，将会介绍卷积神经网络。重点介绍经典的卷积神经网络，全卷积网络的基本概念和基本单元，以及卷积神经网络与神经网络的异同。最后通过实现一个在实际中有广泛应用的人脸关键点检测算法，介绍如何用TensorFlow构建卷积神经网络。更多干货内容请关注微信号“AI前线”，ID...
教程 [2026-05-05]
深度学习与神经科学相遇（三）译
原文：https://zhuanlan.zhihu.com/p/23979871深度学习与神经科学相遇（一）[译]深度学习与神经科学相遇（二）[译]上次说到误差梯度的“反向传播”（Backpropagation），这次咱们从这继续。需要说明的是，原文太长，有的地方会有些冗长啰嗦，所以后面的我会选择性地进行翻译，然后附上一些思考和问题的注释，会更像读书笔记吧，这样也可以让学习过程更高效一些。2.2.2.Biologicallyplausibleapproximationsofgradientdes...
教程 [2026-05-05]
什么是IPFS？（三）
前两篇介绍了IPFS的基本概念,那么IPFS都可以用来做什么?如果你认为仅仅是CDN,永久的web?Areyoukiddingme?IPFS可是要--改变世界的...--变世界的...--世界的...--界的...--的...我们来看看IPFS都可以用来干啥：在/ipfs和/ipns下面挂载全球文件系统：就是说我们所有的文件都可以存到上面.挂载个人同步的文件夹,可以自动进行版本管理,自动备份.也就意味着未来我们将拥有无限空间的网盘,不用担心数据丢失,不用担心隐私泄露(非对称加密).是不是想到了什...
教程 [2026-05-05]
如何系统地学习java web技术？
我正好有一点javaweb开发的经验，可以解答一下。1.如果有现有项目使用到javaweb技术，很幸运，你不需要“系统地学习”，阅读里面的代码，并弄清楚如何实现，就可以学习到非常多的东西；2.如果你需要自行学习的话，你也不需要那么“系统”，很多时候是在应用的过程中不断地提升、查漏补缺；“系统学习”的想法，从某种程度上来说让人感觉良好，但实际上并不那么实用。更需要在实际实用的过程中不断学习、探索和总结。3.掌握springMVC+ibatis+jQuery+Ajax主流框架是非常有必要的；4.在掌...
教程 [2026-05-05]
卷积神经网络的前向传播算法详解
这篇干货我们在CNN的模型基础上，看看CNN的前向传播算法是什么样子的。重点会和传统的DNN比较讨论。CNN结构回顾CNN的结构，包括输出层，若干的卷积层+ReLU激活函数，若干的池化层，DNN全连接层，以及最后的用Softmax激活函数的输出层。这里我们用一个彩色的汽车样本的图像识别再从感官上回顾下CNN的结构。图中的CONV即为卷积层，POOL即为池化层，而FC即为DNN全连接层，包括了我们上面最后的用Softmax激活函数的输出层。CNN结构示意图从上图可以看出，要理顺CNN的前向传播算法...
教程 [2026-05-05]
深入浅出机器学习-线性回归Linear regression
线性回归：1.函数模型（Model）：假设有训练数据那么为了方便我们写成矩阵的形式2.损失函数（cost）：现在我们需要根据给定的X求解W的值，这里采用最小二乘法。a.最小二乘法：我们有很多的给定点，这时候我们需要找出一条线去拟合它，那么我先假设这个线的方程，然后把数据点代入假设的方程得到观测值，求使得实际值与观测值相减的平方和最小的参数。对变量求偏导联立便可求。因此损失代价函数为：3.算法（algorithm）：现在我们的目的就是求解出一个使得代价函数最小的W：a.矩阵满秩可求解时（求导等于0...
教程 [2026-05-05]
据说这场发布会准备了一年，所以比尔·福特说了些啥？
昨天下午，福特汽车的一众重量级高管们，空降著名的陆家嘴四季酒店开了个房，不是，是开了场“深度”发布会。小生有幸，亲临现场围观了一把。怎么说呢，像这种重量级的大会，一般来说是轮不到小生前往的，敝司多的是长于深度对话的济济人才呐。然而事发前夜，农药正酣时，小花童鞋突然来电告曰，这活动规格很高，相关童鞋都出差了，要么你去下呀。急着收线后赶回去收人头，于是就一口应承了。事实上，规格确实很高，光是出场阵容就豪华得不行：福特汽车公司执行董事长比尔·福特、福特汽车公司总裁兼首席执行官韩恺特、福特汽车公司集团副...
教程 [2026-05-05]
老爹的内心戏，你看明白了么？
最近比特币分叉层出不穷，每一个都号称将超越比特币成为第一比特币，从名字上就可以看出来，像“超级比特币”、“比特币上帝”，更别提近期新出的“比特币王者”，这是要用游戏来征服全球么？这种不算靠谱的分叉不只是用户看不过去，可能连中本聪本人都看不下去了。什么中本聪是谁？我原想在汉语里面找一个词语来形容中本聪，比“天才”更高级的那种，但是没有找到，只好发泄地呼喊：中本聪太牛逼了！2008年秋天，他写了篇论文，然后做了一个客户端，然后用户一生三、三生九，九生万，万生亿......当然亿夸张了，不过几百万还是...
教程 [2026-05-05]
隐马尔科夫模型 python 实现简单拼音输入法
关键时刻，第一时间送达！在网上看到一篇关于隐马尔科夫模型的介绍，觉得简直不能再神奇，又在网上找到大神的一篇关于如何用隐马尔可夫模型实现中文拼音输入的博客（http://sobuhu.com/ml/2013/03/07/hmm-pinyin-input-method.html），无奈大神没给可以运行的代码，只能纯手动网上找到了结巴分词的词库，根据此训练得出隐马尔科夫模型，用维特比算法实现了一个简单的拼音输入法。githuh地址：https://github.com/LiuRoy/Pinyin_De...
教程 [2026-05-05]
扒一扒我们生活中的人工智能，看看你用到了那些？
前言：AI人工智能在智慧生活领域有很大的发挥空间，也是目前实际落地应用较多的领域。虽然汽车无人驾驶炒的很热，但大部分都在实验研发阶段，应用到实际生活中的较少，更多人看好这个领域，也是因为汽车行业是一个巨大的行业（排名第二大赚钱的行业），意味有更大的机遇和挑战。相比较而言，在生活领域人工智能的应用，则更贴合实际，小小的改变，可以让人们更多的感受到科技带来的惊喜、方便和舒适。在人类日常的衣食住行用的生活中，占了很大比重的住的方面，目前AI还是有很多应用的。比如大家知道的就有：1、智能扫地机器人：平时...