一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

如何使用機器學(xué)習(xí)算法將數(shù)據(jù)指定為實時或傳統(tǒng)的云計算流程

倩倩 ? 來源:lq ? 作者:企業(yè)網(wǎng)D1Net ? 2019-09-18 14:51 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

為了充分利用邊緣計算數(shù)據(jù),IT專業(yè)人員必須知道如何使用機器學(xué)習(xí)算法將數(shù)據(jù)指定為實時或傳統(tǒng)的云計算流程。

物聯(lián)網(wǎng)的覆蓋范圍可以將組織的業(yè)務(wù)向外擴展到全世界,邊緣計算將與其一起擴展。企業(yè)必須了解如何使用邊緣計算進行物聯(lián)網(wǎng)數(shù)據(jù)管理,以跟上數(shù)據(jù)指數(shù)級增長,并增強邊緣計算數(shù)據(jù)安全性。

與云計算的增長相比,邊緣計算擴展速度更快,范圍更廣。根據(jù)調(diào)研機構(gòu)Gartner公司的調(diào)查,到明年年底,全球部署的物聯(lián)網(wǎng)設(shè)備將達到近400億臺,因此采用物聯(lián)網(wǎng)設(shè)備的組織必須建立邊緣計算處理資源。安全性可能是最大的問題,因為物聯(lián)網(wǎng)具有較大的攻擊面,這為黑客提供了一個大好時機,物聯(lián)網(wǎng)網(wǎng)絡(luò)需要邊緣計算網(wǎng)關(guān)來鎖定設(shè)備輸出。但邊緣計算的作用包括更多,以滿足對物聯(lián)網(wǎng)快速增長的期望。

保護、共享、清洗物聯(lián)網(wǎng)數(shù)據(jù)

邊緣計算服務(wù)器的很大一部分負(fù)擔(dān)是在物聯(lián)網(wǎng)和設(shè)備所輸入的云平臺之間的管道中堵塞漏洞。在例如流量管理和供應(yīng)鏈運營等大規(guī)模場景中,邊緣計算處理可以涉及將物聯(lián)網(wǎng)數(shù)據(jù)動態(tài)路由到多個云平臺,其中包括共享數(shù)據(jù)的伙伴組織的云平臺。

物聯(lián)網(wǎng)數(shù)據(jù)也必須具有更多的價值。物聯(lián)網(wǎng)設(shè)備在其功能的任何領(lǐng)域都不符合通用標(biāo)準(zhǔn),包括安全性、協(xié)議和容錯性。物聯(lián)網(wǎng)硬件的使用年限可以延長到20年,這會增加很多數(shù)據(jù)干擾。邊緣計算服務(wù)器也很難處理數(shù)據(jù)干擾。

實時響應(yīng)和決策支持會導(dǎo)致更大的問題

安全和數(shù)據(jù)路由是主要挑戰(zhàn),但物聯(lián)網(wǎng)數(shù)據(jù)管理現(xiàn)在面臨更大的挑戰(zhàn):物聯(lián)網(wǎng)網(wǎng)絡(luò)需要立即響應(yīng)或?qū)崟r決策支持,例如在工廠中斷或交通系統(tǒng)中遇到障礙時。

在這種越來越常規(guī)的場景中,沒有時間往返于云計算來處理數(shù)據(jù)、分析問題并返回結(jié)果。物聯(lián)網(wǎng)技術(shù)必須在幾秒鐘內(nèi)收到響應(yīng),而不是幾小時或幾分鐘。

這兩種情況都需要動態(tài)響應(yīng)。這項技術(shù)需要補償和響應(yīng)物理環(huán)境中的某些變化,如溫度突然變化或設(shè)備出現(xiàn)故障警告,或者根據(jù)意外中斷(如涉及貨運的交通事故)改變復(fù)雜的工作流程。觸發(fā)響應(yīng)的事件可能需要采取行動,干預(yù)的閾值本身可能是動態(tài)的。這是人工智能發(fā)揮作用的地方。

當(dāng)沒有時間或沒有機會讓工作人員參與時,人工智能算法是處理需要動態(tài)響應(yīng)的場景的最佳方法。物聯(lián)網(wǎng)本身必須是一個智能系統(tǒng),能夠即時做出決策,它需要真正工作和生活在邊緣。

邊緣計算結(jié)構(gòu)意味著需要解析物聯(lián)網(wǎng)數(shù)據(jù),不僅僅是通過家庭云的內(nèi)容以及B2B合作伙伴的云平臺,而是通過實時流程和更傳統(tǒng)流程需要的數(shù)據(jù)。根據(jù)定義,需要立即將瞬時數(shù)據(jù)過濾到這些進程中。批處理數(shù)據(jù)可以存儲在臨時存儲設(shè)備,并在空閑時傳送到云端。

在邊緣變得更好

最佳實踐包括兩項關(guān)鍵創(chuàng)新。物聯(lián)網(wǎng)數(shù)據(jù)管理任務(wù)(包括管理數(shù)據(jù)傳輸)應(yīng)該在邊緣計算而不是云端進行。物聯(lián)網(wǎng)通常包含附加到現(xiàn)有集中式技術(shù)的新架構(gòu),因此采用自上而下的方法來管理邊緣計算收集的新數(shù)據(jù)是很誘人的。云計算系統(tǒng)不再是集中式端點,它們是眾多目標(biāo)中的一個。物聯(lián)網(wǎng)技術(shù)在邊緣計算執(zhí)行大量閉環(huán)過程。從收集它的服務(wù)器管理數(shù)據(jù)更有意義,特別是當(dāng)它的路由和應(yīng)用程序都是動態(tài)的時候。

在企業(yè)軟件行業(yè)開發(fā)交鑰匙技術(shù)之前,最經(jīng)濟有效的數(shù)據(jù)管理方式是通過定制管道和微服務(wù),這些管道和微服務(wù)可以在分散的流程中輕松維護和擴展。為數(shù)據(jù)流量分析創(chuàng)建儀表板非常簡單,Python是實現(xiàn)的一個絕佳選擇。

把模型和機器學(xué)習(xí)放在云端。如果特定物聯(lián)網(wǎng)實現(xiàn)的目標(biāo)是物理環(huán)境中的實時響應(yīng)或?qū)崟r決策支持,最好的方法是將分析和人工智能與物聯(lián)網(wǎng)技術(shù)分離。讓模型和機器學(xué)習(xí)過程保持在云端。隨著模型的變化,用于生成物聯(lián)網(wǎng)分析的算法將依次更新。這需要一些額外的工作,但比在邊緣計算部署機器學(xué)習(xí)要少得多,因為在邊緣計算部署機器學(xué)習(xí)將更難維護。

如今,尚未推出相關(guān)的行業(yè)標(biāo)準(zhǔn),但由于安全性是大多數(shù)組織在邊緣計算服務(wù)器部署中面臨的直接問題,因此通常是維護IT基礎(chǔ)設(shè)施的人員。他們應(yīng)該參與任何情況,但對物聯(lián)網(wǎng)數(shù)據(jù)管理和邊緣計算流程的支持需要包括數(shù)據(jù)架構(gòu)師和企業(yè)解決方案架構(gòu)師。如果沒有非常有效的數(shù)據(jù)建模和針對其進行優(yōu)化的強大工作流程,則無法進行路由和實時處理。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 云計算
    +關(guān)注

    關(guān)注

    39

    文章

    7976

    瀏覽量

    139979
  • 物聯(lián)網(wǎng)
    +關(guān)注

    關(guān)注

    2930

    文章

    46210

    瀏覽量

    392062
  • 機器學(xué)習(xí)
    +關(guān)注

    關(guān)注

    66

    文章

    8501

    瀏覽量

    134562
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    邊緣計算中的機器學(xué)習(xí):基于 Linux 系統(tǒng)的實時推理模型部署與工業(yè)集成!

    你好,旅行者!歡迎來到Medium的這一角落。在本文中,我們將把一個機器學(xué)習(xí)模型(神經(jīng)網(wǎng)絡(luò))部署到邊緣設(shè)備上,利用從ModbusTCP寄存器獲取的實時數(shù)據(jù)來預(yù)測一臺復(fù)古音頻放大器的當(dāng)前健康狀況。你
    的頭像 發(fā)表于 06-11 17:22 ?333次閱讀
    邊緣<b class='flag-5'>計算</b>中的<b class='flag-5'>機器</b><b class='flag-5'>學(xué)習(xí)</b>:基于 Linux 系統(tǒng)的<b class='flag-5'>實時</b>推理模型部署與工業(yè)集成!

    【「# ROS 2智能機器人開發(fā)實踐」閱讀體驗】視覺實現(xiàn)的基礎(chǔ)算法的應(yīng)用

    視覺巡線,展示了如何從數(shù)據(jù)采集、模型訓(xùn)練到機器人部署的完整流程。 值得注意的是,深度學(xué)習(xí)模型的實時性對
    發(fā)表于 05-03 19:41

    GPU 加速計算:突破傳統(tǒng)算力瓶頸的利刃

    在數(shù)字化時代,數(shù)據(jù)呈爆炸式增長,傳統(tǒng)的算力已難以滿足復(fù)雜計算任務(wù)的需求。無論是人工智能的深度學(xué)習(xí)、大數(shù)據(jù)的分析處理,還是科學(xué)研究中的模擬
    的頭像 發(fā)表于 02-17 10:36 ?289次閱讀

    機器學(xué)習(xí)模型市場前景如何

    當(dāng)今,隨著算法的不斷優(yōu)化、數(shù)據(jù)量的爆炸式增長以及計算能力的飛速提升,機器學(xué)習(xí)模型的市場前景愈發(fā)廣闊。下面,AI部落小編
    的頭像 發(fā)表于 02-13 09:39 ?358次閱讀

    華為 Flexus X 實例部署安裝 Jupyter Notebook,學(xué)習(xí) AI,機器學(xué)習(xí)算法

    前言 由于本人最近在學(xué)習(xí)一些機器算法,AI 算法的知識,需要搭建一個學(xué)習(xí)環(huán)境,所以就在最近購買的華為
    的頭像 發(fā)表于 01-02 13:43 ?530次閱讀
    華為<b class='flag-5'>云</b> Flexus X 實例部署安裝 Jupyter Notebook,<b class='flag-5'>學(xué)習(xí)</b> AI,<b class='flag-5'>機器</b><b class='flag-5'>學(xué)習(xí)</b><b class='flag-5'>算法</b>

    采用華為 Flexus 服務(wù)器 X 實例部署 YOLOv3 算法完成目標(biāo)檢測

    YOLOv3 在圖像識別和目標(biāo)檢測領(lǐng)域展現(xiàn)出了卓越的性能。為了滿足日益增長的數(shù)據(jù)處理需求,本項目利用華為最新推出的 Flexus 服務(wù)器 X 實例的強大計算能力,部署 YOLOv
    的頭像 發(fā)表于 01-02 12:00 ?539次閱讀
    采用華為<b class='flag-5'>云</b> Flexus <b class='flag-5'>云</b>服務(wù)器 X 實例部署 YOLOv3 <b class='flag-5'>算法</b>完成目標(biāo)檢測

    傳統(tǒng)機器學(xué)習(xí)方法和應(yīng)用指導(dǎo)

    用于開發(fā)生物學(xué)數(shù)據(jù)機器學(xué)習(xí)方法。盡管深度學(xué)習(xí)(一般指神經(jīng)網(wǎng)絡(luò)算法)是一個強大的工具,目前也非常流行,但它的應(yīng)用領(lǐng)域仍然有限。與深度
    的頭像 發(fā)表于 12-30 09:16 ?1178次閱讀
    <b class='flag-5'>傳統(tǒng)</b><b class='flag-5'>機器</b><b class='flag-5'>學(xué)習(xí)</b>方法和應(yīng)用指導(dǎo)

    《具身智能機器人系統(tǒng)》第7-9章閱讀心得之具身智能機器人與大模型

    醫(yī)療領(lǐng)域,手術(shù)輔助機器人需要毫米級的精確控制,書中有介紹基于視覺伺服的實時控制算法,以及如何利用大模型優(yōu)化手術(shù)路徑規(guī)劃。工業(yè)場景中,協(xié)作機器人面臨的主要挑戰(zhàn)是快速適應(yīng)新工藝
    發(fā)表于 12-24 15:03

    《具身智能機器人系統(tǒng)》第1-6章閱讀心得之具身智能機器人系統(tǒng)背景知識與基礎(chǔ)模塊

    意味著在“具身智能”領(lǐng)域,還沒有哪一個玩家能像O社那樣能站在AGI的制高點。 具身智能從字面上拆解為“具身+智能”,指的是一種機器學(xué)習(xí)算法適配至物理實體,從而與物理世界交互的AI范式
    發(fā)表于 12-19 22:26

    NPU與機器學(xué)習(xí)算法的關(guān)系

    在人工智能領(lǐng)域,機器學(xué)習(xí)算法是實現(xiàn)智能系統(tǒng)的核心。隨著數(shù)據(jù)量的激增和算法復(fù)雜度的提升,對計算資源
    的頭像 發(fā)表于 11-15 09:19 ?1205次閱讀

    計算傳統(tǒng)計算的區(qū)別

    計算傳統(tǒng)計算是兩種不同的計算模式,它們在資源獲取、管理方式、性能、成本、可靠性和靈活性等多個方面存在顯著差異。以下是對這兩種計算模式的比
    的頭像 發(fā)表于 10-24 09:13 ?2160次閱讀

    AI大模型與傳統(tǒng)機器學(xué)習(xí)的區(qū)別

    多個神經(jīng)網(wǎng)絡(luò)層組成,每個層都包含大量的神經(jīng)元和權(quán)重參數(shù)。 傳統(tǒng)機器學(xué)習(xí) :模型規(guī)模相對較小,參數(shù)數(shù)量通常只有幾千到幾百萬個,模型結(jié)構(gòu)相對簡單。 二、訓(xùn)練數(shù)據(jù)需求 AI大模型 :需要大規(guī)
    的頭像 發(fā)表于 10-23 15:01 ?2560次閱讀

    AI平臺與傳統(tǒng)計算的區(qū)別

    AI平臺與傳統(tǒng)計算在定義、技術(shù)架構(gòu)、應(yīng)用場景和服務(wù)模式等方面存在顯著差異。
    的頭像 發(fā)表于 10-14 10:08 ?892次閱讀

    如何理解計算?

    訪問需求。 **數(shù)據(jù)分析和挖掘:**用戶可以使用計算來處理和分析海量的數(shù)據(jù),通過平臺可以提供高性能的
    發(fā)表于 08-16 17:02

    FPGA在人工智能中的應(yīng)用有哪些?

    ,F(xiàn)PGA可以快速調(diào)整其硬件結(jié)構(gòu)以適應(yīng)新的算法,而無需更換整個硬件系統(tǒng)。 二、計算加速FPGA也被廣泛應(yīng)用于計算領(lǐng)域,用于加速各種網(wǎng)絡(luò)功
    發(fā)表于 07-29 17:05