如今,Docker 和容器将要改变世界,早已不是什么秘密了。对于一些深度用户,这种改变已经发生了。不过你造吗?和很多其他改变世界的事物一样,这些事物在彻底改变世界之前总是缺少点什么。但现在什么都不缺了! 之前缺少了什么?一言以蔽之……编排。Docker实在是太酷了——我指的是那些能改变游戏规则的技术。这些黑科技能给企业带来方方面面的巨大效益,随便列举几个:市场周期、稳定性、灵活性,还有资源利用率。 不过与此同时,容器的规模化管理,一直是个棘手的难题。在以前,我们不得抓取 Docker Swarm,Kubernates,或者 Mesosphere DCOS 这类外部工具,把它们放置在容器之上,以此来管理大规模的容器。虽然说够用,但并不完美。 而不完美的原因是很复杂的。每一种外部工具都会给工作横生枝节,如果你想“安全”地把事情做完,这些枝节会带来很大的麻烦——搞得安全性只是一种“选项”似的。更多情况,大家可以关注本次专辑。 计算机与汽车都很多相似的地方,消费者无需懂得底层的纷繁复杂,只要它能开启并使用就行了——Android、Windows、OS X、以及Linux,也都是如此。当然,在开发出来之后,它们仍需经过多年的磨砺,才会变得更加成熟。不过Google正在神秘开发的、名叫“Fuchsia”的新系统,却不是这么一回事。 外媒Android Authority在几天前撰写了一篇介绍Fuchsia的文章,其中包含了一个指向编译指南的链接,感兴趣的网友可以到那里查看如何构建一个可启动的系统。 打造Fuchsia的最简单的方法,就是使用基于64位英特尔平台的Ubuntu Linux机器(当然也支持在OS X和Debian等其它Linux发行版上编译)。 如果你对Linux不熟悉,接触命令行的技能也相对有限,那么这份工作可能并不是很适合。当前Fuchsia主要由两大部分组成——Magenta内核,以及工具组、库、程序等。 Magenta是个小内核(LK),所以Fuchsia也是个功能相对有限的小系统。其主要面向嵌入式设备和bootloaders,支持连接诸多外设的驱动、还有一个“用户模式”。要构建Fuchsia,你需要注意两个方面。首先是打造在用户空间运行所需的工具和库,包括一个名叫“mxsh”的小型shell程序;其次是构建LK/Magenta。 搞定了上述部分之后,你就可以在一个文件系统上启动Magenta,然后用上Fuchsia的可执行用户空间。想要运行Fuchsia,最简单的方法是使用热门开源机器模拟器“qemu”。事实上,Fuchsia的source tree中就已经包含了一个qemu副本。更多内容,本次专辑将为您一一带来…… Facebook今天开源了三款人工智能图像分割(Image Segmentation)软件,分别是DeepMask、SharpMask和MultiPathNet,三款工具相互配合完成一个完整的图像识别分割处理流程,DeepMask生成初始对象mask、SharpMask优化这些mask,最后由MultiPathNet来识别这些mask框定的物体。SharpMask目前已遵循BSD授权协议在GitHub上公开源码。 Facebook的人工智能研究实验室(FAIR)此前曾在多篇学术论文中讨论过以上开源的图像分割技术(论文1、论文2、论文3)。图像分割技术不仅能够识别图片和视频中的人物、地点、物体,甚至能够判断它们在图像中的具体位置(精确到像素级别),为了做到这一点,Facebook使用了一种人工智能技术——机器学习,也就是用大量的数据来训练人工神经网络,不断提高其对新数据的处理判断准确性。 Facebook一直是开源人工智能技术的积极推动者,在开源三款图像分割软件工具之前,Facebook还曾在Torch上开源了一些功能强大的深度学习工具。 深度学习是科技巨头竞争激烈的技术阵地,包括苹果、百度、谷歌和微软都投入重金,并在COCO这样的图像识别竞技场上展开激烈角逐。详细内容本次专辑会为您慢慢道来…… |