大数据

七夜zippoe5 分钟前
大数据·运维·服务器·cann
CANN Runtime任务描述序列化与持久化源码深度解码干了多年AI底层开发,我越来越觉得序列化(Serialization)才是软件工程的“时光机”。它能把运行时的内存幻影变成硬盘上的永恒刻印,更能让不同版本、甚至不同时代的系统隔空对话。今天,咱们就一起揭开CANN Runtime里任务描述序列化的魔法面纱,看看华为的大佬们是怎么把复杂的计算图、参数这些“活”的数据,变成可以存档、迁移、复用的“数字化石”的。
盟接之桥12 分钟前
大数据·linux·服务器·网络·人工智能·制造
盟接之桥说制造:引流品 × 利润品,全球电商平台高效产品组合策略(供讨论)在当前竞争激烈的全球电商环境中,如何科学、高效地构建产品矩阵,是每一个品牌和商家必须面对的核心命题。其中,“引流品”与“利润品”的搭配策略,不仅关乎流量获取效率,更直接影响整体盈利能力和品牌长期发展。近期,以赵一鸣零食为代表的新兴品牌,在上市初期便通过精准的产品定位组合迅速打开市场,其背后所体现的正是对“引流+利润”双轮驱动模型的深刻理解。本文将结合1688、阿里国际站等主流B2B/B2C平台的运营逻辑,深入探讨引流品与利润品的搭配原则、设置方法及实战建议,希望能为跨境卖家、品牌方及供应链企业提供有价值的
忆~遂愿35 分钟前
java·大数据·linux·人工智能
ops-cv 算子库深度解析:面向视觉任务的硬件优化与数据布局(NCHW/NHWC)策略CANN 组织链接: https://atomgit.com/cann ops-cv 仓库链接: https://gitcode.com/cann/ops-cv
忆~遂愿1 小时前
大数据·开发语言·docker
GE 引擎与算子版本控制:确保前向兼容性与图重写策略的稳定性CANN 组织链接: https://atomgit.com/cann GE 仓库链接: https://gitcode.com/cann/ge
米羊1211 小时前
大数据·网络
已有安全措施确认(上)已有安全措施确认是网络安全体系建设的基础复盘环节,指通过技术核查、配置审计、实操验证、制度核对的方式,对企业已部署的技术防护措施、制定的管理管控措施、落地的运营保障措施进行全面核查,确认其是否有效部署、是否正常运行、是否符合安全规范、是否匹配业务风险的全过程。该工作是脆弱性识别、风险评估、安全体系优化的前置基础,核心目标是摸清企业安全防护家底,区分 “已部署且有效”“已部署但失效”“未落地仅形式” 的安全措施,避免 “重部署、轻验证” 导致的防护空转,让现有安全措施真正形成防御能力。
人道领域3 小时前
大数据·人工智能·算法
AI抢人大战:谁在收割你的红包前言:临近年关,对比以往的互联玩抢红包,集福字,现在开启了AI“抢人”的新模式,通过现金,奶茶等来吸引用户,那么目的究竟是什么呢?
qq_12498707533 小时前
大数据·人工智能·hadoop·分布式·信息可视化·毕业设计·计算机毕业设计
基于Hadoop的信贷风险评估的数据可视化分析与预测系统的设计与实现(源码+论文+部署+安装)随着社会经济快速发展,信贷业务规模持续扩大,信贷风险(尤其是信用风险)的识别、评估与控制难度日益增加,传统人工评估方式已无法满足现代金融机构的风控需求。数据可视化分析与预测技术的兴起,为信贷风控提供了新的解决方案——通过将复杂信贷数据直观呈现,结合数据分析与预测模型,可实现信贷风险的前瞻性评估。在此背景下,基于Java语言,融合Hadoop大数据处理技术、Spring Boot框架及MySQL数据库,开发一套信贷风险评估的数据可视化分析与预测系统,助力金融机构提升风控效率与准确性,减少不良贷款损失,保障信
Hello.Reader3 小时前
大数据·flink
Flink 使用 Amazon S3 读写、Checkpoint、插件选择与性能优化在 Flink 里,S3 路径通常写成:这里的 <endpoint> 可以是单个文件,也可以是目录前缀。
零售ERP菜鸟4 小时前
大数据·人工智能·职场和发展·创业创新·学习方法·业界资讯
范式革命:从“信息化”到“数字化”的本质跃迁要破除上述迷思,跳出“魂骨分离,经脉阻滞”的困境,我们必须回归本源,对两个常被混淆的概念——“信息化”与“数字化”——进行本质上的区分。这不仅仅是术语的辨析,更是对两个不同时代、两种不同商业与管理逻辑的深刻理解。
Hello.Reader4 小时前
大数据·flink
Flink 对接 Google Cloud Storage(GCS)读写、Checkpoint、插件安装与生产配置指南在 Flink 中访问 GCS 的路径格式:其中 <endpoint> 可以是单个文件,也可以是目录前缀。
浪子小院5 小时前
大数据·人工智能
ModelEngine 智能体全流程开发实战:从 0 到 1 搭建多协作办公助手在 AI 应用开发中,开发者常面临三大痛点(开发门槛高(需熟练掌握提示词工程、代码开发)、系统集成难(多工具 / 平台数据不通)、协作效率低(单智能体无法覆盖复杂场景))。ModelEngine 作为一站式 AI 应用开发平台,通过「知识库自动生成、提示词智能优化、可视化编排、MCP 多系统接入」四大核心能力,完美解决上述痛点。
AEIC学术交流中心6 小时前
大数据·制造
【快速EI检索 | ACM出版】2026年大数据与智能制造国际学术会议(BDIM 2026)2026年大数据与智能制造国际学术会议(BDIM 2026)2026 International Conference on Big Data and Intelligent Manufacturing
wending-Y6 小时前
大数据·flink
记录一次排查Flink一直重启的问题flink 程序一直在重启和失败,限入死循环,导致程序不能正常运行 任务报错信息task-manager 的程序日志报错信息
UI设计兰亭妙微6 小时前
大数据·界面设计
医疗大数据平台电子病例界面设计01项目背景医疗大数据平台是一个集成了海量医疗数据的系统,通过收集、存储和分析来自各种医疗机构和个人健康记录的信息。这个平台可以帮助医疗领域实现更精准的诊断、治疗方案和预防措施,同时提供决策支持和科学依据。通过利用人工智能和机器学习技术,医疗大数据平台可以挖掘出隐藏在数据中的模式和关联,为医生提供更好的临床决策支持,推动医疗行业迈向更加智能化、个性化和有效的医疗模式。
初恋叫萱萱6 小时前
大数据
模型瘦身实战:用 `cann-model-compression-toolkit` 实现高效 INT8 量化本文聚焦于 CANN 开源生态中的 cann-model-compression-toolkit 项目,展示如何通过结构化剪枝、INT8 量化等技术,在几乎不损失精度的前提下,大幅降低模型体积与推理延迟。
互联网科技看点7 小时前
大数据
孕期科学补铁,保障母婴健康-仁合益康蛋白琥珀酸铁口服溶液成为产妇优选方案孕期是女性生命中的特殊阶段,铁缺乏性贫血(IDA)是孕期最常见的营养性问题,全球孕妇贫血患病率高达40%以上(《妊娠期铁缺乏和缺铁性贫血诊治指南》,中华围产医学杂志,2014)。铁缺乏不仅影响孕妇的健康,导致疲劳、免疫力下降和产后出血风险增加,还可能引发胎儿发育迟缓、早产和低出生体重等不良结局。最新研究表明,科学补铁至关重要,而蛋白琥珀酸铁口服溶液以其高吸收率和低胃肠道不良反应,成为孕期补铁的优选方案。
Dxy12393102167 小时前
大数据·elasticsearch·搜索引擎
深度解析 Elasticsearch:从倒排索引到 DSL 查询的实战突围在数据洪流奔涌的今天,搜索不仅仅是“找东西”,更是一场关于速度与精准度的博弈。当你在电商平台输入“高清手机”,毫秒级的响应背后,是 Elasticsearch(ES)强大的架构在支撑。作为一名行走在 Java 后端与多模态 AI 交叉路口的技术人,我深知:不懂底层原理的 DSL 查询,不过是盲目的敲键盘;不懂查询优化的搜索,只是资源的无谓燃烧。
YongCheng_Liang7 小时前
大数据·big data
零基础学大数据:大数据基础与前置技术夯实在数字化时代,数据已成为核心生产要素,大数据技术则是挖掘数据价值、驱动业务创新的关键。对于零基础学习者而言,入门大数据的核心是先夯实核心概念、前置技术栈和分布式系统底层原理,这三者是搭建大数据知识体系的基石,也是后续学习 Hadoop、Spark、Flink 等主流框架的前提。本文将从零基础视角出发,系统讲解大数据基础、必备前置技术和分布式系统核心原理,帮你完成大数据入门的第一步知识沉淀。
AC赳赳老秦7 小时前
大数据·前端·人工智能·算法·tidb·memcache·deepseek
2026国产算力新周期:DeepSeek实战适配英伟达H200,引领大模型训练效率跃升2026国产算力新周期:DeepSeek实战适配英伟达H200,引领大模型训练效率跃升摘要: 随着人工智能进入大模型时代,算力需求呈现爆炸式增长,成为制约技术发展的核心瓶颈。2026年,全球算力格局加速演变,国产算力产业链迎来新一轮发展周期。在这一背景下,国产AI框架DeepSeek积极拥抱国际先进硬件生态,率先完成对英伟达最新旗舰计算卡H200的深度适配与优化,显著提升了国产AI框架在尖端硬件上的运行效率,为大模型训练提供了强有力的支持。本文将深入剖析国产算力发展的新趋势,详细阐述DeepSeek适配H
鹏说大数据7 小时前
大数据·hive·spark
Spark 和 Hive 的关系与区别Spark 和 Hive 都是大数据领域的核心组件,但定位和实现方式差异显著。以下是基于架构、引擎、存储、内核和运行效率的详细对比: