首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    机器之心实操 | 亚马逊详解如何使用MXNet在树莓派上搭建实时目标识别系统

    选自AWS 机器之心编译 参与:思源 在过去的五年中,深度神经网络已经解决了许多计算困难的问题,特别是计算机视觉。因为深度神经网络需要大量的计算力来训练模型,所以我们经常使用多块 GPU 或云端服务器进行分布式地训练。实际上,在深度神经网络模型经过训练后,它只需要相对较少的计算资源就能执行预测。这就意味着我们能将模型部署到低功耗的边缘设备中,并且在没有网络连接的情况下运行。 亚马逊的开源深度学习引擎 Apache MXNet 除了支持多 GPU 训练和部署复杂模型外,还可以生成非常轻量级的神经网络模型。我们

    09

    Edge Computing -边缘计算漫谈

    随着5G 革命的爆发,Edge Computing (边缘计算) 此类词汇开始走向大众的视野,据不完全统计,自2016年起,全球的巨头们开始布局这一生态,例如:亚马逊AWS 发布的GreenGrass 项目、谷歌发布的IOT Core 项目、Intel 的“Cloud Computing at the Edge”项目、微软Azure 发IOT Edge 项目、华为的“全面云化”战略, EC-IOT、阿里云发布的LinkEdge项目以及其他组织所合作的项目等等。 边缘计算,从本质上来讲,其一直是云计算中最重要的趋势之一,并且促成了众多用例。随着AI、物联网、智能生态系统以及5G技术的高速发展,成熟的云模型将支持边缘用例的成熟,从而促进了更广泛的边缘计算应用 。边缘计算将扩展其生态系统,并将推动计算、存储和网络产品的成熟周期。

    02

    鹅厂分布式大气监测系统:以 Serverless 为核心的云端能力如何打造?

    导语 | 为了跟踪小区级的微环境质量,腾讯内部发起了一个实验性项目:细粒度的分布式大气监测,希望基于腾讯完善的产品与技术能力,与志愿者们共建一套用于监测生活环境大气的系统。前序篇章已为大家介绍该系统总体架构和监测终端的打造,本期将就云端能力的各模块实现做展开,希望与大家一同交流。文章作者:高树磊,腾讯云高级生态产品经理。 一、前言 本系列的前序文章[1],已经对硬件层进行了详细的说明,讲解了设备性能、开发、灌装等环节的过程。本文将对数据上云后的相关流程,进行说明。 由于项目平台持续建设中,当前已开源信息

    014
    领券