前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >软件分为哪几种类型?

软件分为哪几种类型?

原创
作者头像
梦幻网络科技
修改于 2020-07-24 06:20:16
修改于 2020-07-24 06:20:16
5.6K0
举报

软件分为办公软件、互联网软件、多媒体软件、分析软件、协作软件和商务软件。

1、办公软件

办公软件是指可以进行文字处理、表格制作、幻灯片制作、图形图像处理、简单数据库的处理等方面工作的软件。目前办公软件朝着操作简单化,功能细化等方向发展。

2、互联网软件

互联网软件,是相对于传统的企业内部软件系统来讲的。互联网软件的显著特征在于其软件的互联网特性,软件系统是部署与互联网上的公众平台。互联网软件是针对互联网的特性,在系统架构设计上着重考虑其可扩展性,以满足互联网平台因访问用户的增多而产生的瓶颈。

其次还要考虑其安全性,互联网软件面临的用户是不固定的,其处于一个不安全的环境,互联网软件必须针对这种安全的不确定性进行有针对性的设计。

多媒体的英文单词是Multimedia,它由media和multi两部分组成。一般理解为多种媒体的综合。

多媒体技术不是各种信息媒体的简单复合,它是一种把文本(Text)、图形(Graphics)、图像(Images)、动画(Animation)和声音(Sound)等形式的信息结合在一起,并通过计算机进行综

处理和控制,能支持完成一系列交互式操作的信息技术。

多媒体技术的发展改变了计算机的使用领域,使计算机由办公室、实验室中的专用品变成了信息社会的普通工具,广泛应用于工业生产管理、学校教育、公共信息咨询、商业广告、军事指挥与训练,甚至家庭生活与娱乐等领域。

4、分析软件

有限元分析是基于结构力学分析迅速发展起来的一种现代计算方法。

它是50年代首先在连续体力学领域--飞机结构静、动态特性分析中应用的一种有效的数值分析方法,随后很快广泛的应用于求解热传导、电磁场、流体力学等连续性问题。有限元分析软件目前最流行的有:ABAQUS、ANSYS、MSC三个比较知名比较大的公司。

5、商务软件

电子商务模拟系统是分角色运行的,主要有商场、生产企业、物流中心、消费者、网络银行、 edi 中心和 ca 认证中心。学生可以通过模拟实验系统和实验考试系统完成电子商务的实验课程及考试。《东莞市梦幻网络科技有限公司》

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
暂无评论
推荐阅读
[源码解析] PyTorch 分布式(4)------分布式应用基础概念
本文以 PyTorch 官方文档 https://pytorch.org/tutorials/intermediate/dist_tuto.html 为基础,对如何编写分布式进行了介绍,并且加上了自己的理解。
罗西的思考
2021/11/16
2.8K1
[源码解析] PyTorch 分布式(4)------分布式应用基础概念
分布式机器学习的故事
从毕业加入Google开始做分布式机器学习,到后来转战腾讯广告业务,至今已经七年了。我想说说我见到的故事和我自己的实践经历。这段经历给我的感觉是:虽然在验证一个新的并行算法的正确性的时候,我们可以利用现有框架,尽量快速实现,但是任何一个有价值的机器学习思路,都值得拥有自己独特的架构。所以重点在有一个分布式操作系统,方便大家开发自己需要的架构(框架),来支持相应的算法。如果你关注大数据,听完我说的故事,应该会有感触。 大数据和分布式机器学习 特点 说故事之前,先提纲挈领的描述一下我们要解决的问题的特点。我见过
小莹莹
2018/04/18
1.1K0
分布式机器学习的故事
一个新时代 起源 分布式机器学习是随着“大数据”概念兴起的。在有大数据之前,有很多研究工作为了让机器学习算法更快,而利多多个处理器。这类工作通常称为“并行计算”或者“并行机器学习”,其核心目标是把计算任务拆解成多个小的任务,分配到多个处理器上做计算。分布式计算或者分布式机器学习除了要把计算任务分布到多个处理器上,更重要的是把数据(包括训练数据以及中间结果)分布开来。因为在大数据时代,一台机器的硬盘往往装不下全部数据,或者即使装下了,也会受限于机器的I/O通道的带宽,以至于访问速度很慢。为了更大的存储容量、吞
机器学习AI算法工程
2018/03/12
1.5K0
分布式机器学习的故事
Pytorch 分布式训练
即进程组。默认情况下,只有一个组,一个 job 即为一个组,也即一个 world。
肉松
2020/09/07
2.5K0
Pytorch 分布式训练
[源码解析] 深度学习分布式训练框架 Horovod (1) --- 基础知识
Horovod 是Uber于2017年发布的一个易于使用的高性能的分布式训练框架,在业界得到了广泛应用。
罗西的思考
2021/06/10
2.2K0
[源码解析] 深度学习分布式训练框架 Horovod (1) --- 基础知识
【AI系统】分布式通信与 NVLink
在进入大模型时代后,大模型的发展已成为 AI 的核心,但训练大模型实际上是一项比较复杂的工作,因为它需要大量的 GPU 资源和较长的训练时间。
用户11307734
2024/11/27
2210
ANGEL:一个新型的分布式机器学习系统
引自:http://www.ccf.org.cn/c/2017-08-16/603621.shtml
用户7886150
2021/04/21
1K0
人机共生时代,分布式机器学习是如何加速的?
导语 | 机器学习技术在现代社会中发挥着越来越重要的作用,深刻地影响着各行各业。同时,也面对着海量数据和复杂问题的挑战。今天我们主要讨论分布式机器学习技术是如何处理海量数据,利用海量算力加速训练,使得机器学习过程变得越来越快的。 一、前言 近些年来,人工智能技术,尤其是机器学习技术在众多领域都发挥了越来越重要的作用,每个人一天的生活中都在不断地与其打交道。不论是打开短视频App浏览关心的新闻或八卦,还是打开购物App逛一逛,甚至只是打开手机也需要用到人脸解锁,机器学习技术已经完全融入了每个人的生活当中
腾讯云开发者
2021/09/03
8100
[源码解析] 深度学习分布式训练框架 horovod (8) --- on spark
Horovod 是Uber于2017年发布的一个易于使用的高性能的分布式训练框架,在业界得到了广泛应用。
罗西的思考
2021/07/01
2.2K0
业界 | 详解Horovod:Uber开源的TensorFlow分布式深度学习框架
选自Uber 作者:Alex Sergeev、Mike Del Balso 机器之心编译 参与:李泽南、路雪 Horovod 是 Uber 开源的又一个深度学习工具,它的发展吸取了 Facebook「一小时训练 ImageNet 论文」与百度 Ring Allreduce 的优点,可为用户实现分布式训练提供帮助。本文将简要介绍这一框架的特性。 近年来,深度学习引领了图像处理、语音识别和预测等方面的巨大进步。在 Uber,我们将深度学习应用到了公司业务中,从自动驾驶搜索路线到防御欺诈,深度学习让我们的数据科
机器之心
2018/05/08
3.3K0
业界 | 详解Horovod:Uber开源的TensorFlow分布式深度学习框架
[源码解析] PyTorch 分布式(1)------历史和概述
本文主要在对PyTorch官方文档的翻译之上加入了自己的理解,希望给大家一个PyTorch分布式的历史脉络和基本概念,有兴趣的朋友可以仔细研究一下历史,看看一个机器学习系统如何一步一步进入分布式世界 / 完善其功能。
罗西的思考
2021/11/04
1.4K0
猿辅导登顶MSMARCO:机器阅读理解超过人类水平、力压百度微软
在著名的微软MSMARCO(Microsoft MAchine Reading COmprehension)机器阅读理解测试排行上,现在排名第一的团队,已经悄然变成了猿辅导。
量子位
2018/07/24
1.3K0
猿辅导登顶MSMARCO:机器阅读理解超过人类水平、力压百度微软
机器学习中的并行与分布式深度学习:C/C++实现详解
随着深度学习在各个领域的应用日益广泛,模型的规模和复杂性不断增加,传统的单机训练在计算效率上已难以满足需求。并行与分布式深度学习通过将计算任务分配到多台机器或多个GPU上,大大提升了模型训练速度,是应对大规模深度学习任务的重要手段。
用户11289931
2024/10/09
2990
【一】分布式训练---单机多卡多机多卡(飞桨paddle1.8)
     加快模型的训练速度。通过对训练任务按照一定方法拆分分配到多个计算节点进行计算,再按照一定的方法对需要汇总的信息进行聚合,从而实现加快训练速度的目的。
汀丶人工智能
2022/12/21
1.8K0
【一】分布式训练---单机多卡多机多卡(飞桨paddle1.8)
如何用Amazon SageMaker 做分布式 TensorFlow 训练?(千元亚马逊羊毛可薅)
TensorFlow 是广泛被用于开发大型深度神经网络 (DNN) 的开放源机器学习 (ML) 库,此类 DNN 需要分布式训练,并且在多个主机上使用多个 GPU。Amazon SageMaker 是一项托管服务,可通过主动学习、超参数优化、模型分布式训练、监控训练进展,部署培训模型作为自动扩展的 RESTful 服务,以及对并发 ML 实验进行集中式管理,从标签数据开始简化 ML 工作流。
机器之心
2020/08/07
3.6K0
如何用Amazon SageMaker 做分布式 TensorFlow 训练?(千元亚马逊羊毛可薅)
雅虎开源CaffeOnSpark:基于Hadoop/Spark的分布式深度学习
在基于Hadoop集群的大规模分布式深度学习一文中,雅虎介绍了其集Caffe和Spark之长开发CaffeOnSpark用于大规模分布式深度学习,并向github.com/BVLC/caffe贡献了部分代码。现在,雅虎机器学习团队又在这篇tumblr文章上宣布将整个CaffeOnSpark开源作为Spark的深度学习包。 Github:yahoo/CaffeOnSpark(Apache 2.0 license) 许多现有的DL框架需要一个分离的集群进行深度学习,而一个典型的机器学习管道需要创建一个复杂的程序
用户1737318
2018/06/06
4580
聊一聊深度学习分布式训练
在深度学习时代,训练数据特别大的时候想要单卡完成训练基本是不可能的。所以就需要进行分布式深度学习。在此总结下个人近期的研究成果,欢迎大佬指正。
NewBeeNLP
2022/06/06
3.4K2
聊一聊深度学习分布式训练
MLSys提前看 | 机器学习的分布式优化方法
随着机器学习算法和模型的不断发展,传统的软硬件平台、部署环境等无法支撑机器学习的应用,这也成为了目前机器学习方法落地及大规模推广应用的主要困难之一。目前,有关于 MLSys 的研究方向包括硬件领域、软件领域和对机器学习算法的改进三个方面,以 MLSys 2020 为例,本届大会的议题包括:Distributed and parallel learning algorithms(5 篇论文)、Efficient model training(8 篇论文)、Efficient inference and model serving(8 篇论文)、Model/Data Quality and Privacy(4 篇论文)、ML programming models and abstractions & ML applied to systems(5 篇论文)以及 Quantization of deep neural networks(4 篇论文)。整个会议一共录用 34 篇论文。
机器之心
2020/02/25
1.3K0
DMLC对于机器学习和系统开发者意味着什么?
摘要:本文由DMLC的作者之一陈天奇所写,从语言选择,设计理念等开发者的角度来介绍DMLC,同时也是作者近期的分布式机器学习实践的一个总结。 最近对于DMLC的宣传比较多。大部分宣传基本上都是从用户角度出发来做。今天想写一些东西,以我个人的观点来解释一下DMLC对于机器学习系统研究开发者意味着什么。 DMLC的起因 某一天我在和李沐闲聊的时候感叹目前c++的hacker各做各的。当时我们都在做分布式机器学习项目,中间涉及到的分布式数据读入,进程管理等都问题,于是我们似乎在两份目的相同的代码。我提
用户1737318
2018/06/05
3.2K0
【开源】北大团队大规模稀疏数据机器学习库xLearn,c++ trending 已超TensorFlow
编辑:弗格森 【新智元导读】 机器学习博士马超近日在微博上介绍他和导师肖臻教授一起开发的一款专门针对大规模稀疏数据的机器学习库xLearn并开源。并称, vision 是将 xLearn 打造成和 xgboost,MXNet一样的工业事实标准。 该项目由肖臻教授和马超博士合作完成。 肖臻教授 美国康奈大学博士 之前任美国AT&T 和 IBM 科学家。研究方向分布式系统和机器学习。在国际顶级刊物发表论文60余篇,论文引用超过4000次。 马超,北大云计算课题组博士生,研究方向分布式系统与大规模机器学习。同
新智元
2018/03/21
1.6K0
【开源】北大团队大规模稀疏数据机器学习库xLearn,c++ trending 已超TensorFlow
推荐阅读
相关推荐
[源码解析] PyTorch 分布式(4)------分布式应用基础概念
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档