网络可视化

首页 标签 网络可视化
# 网络可视化 #
关注
92内容
阿里基础设施技术亮相SIGCOMM 2018
阿里巴巴在会上首次从多个维度分享了网络技术远景和开创性进展,获得了参会各方的高度认可。
揭秘云网络大会“网红”:阿里云自研高性能网关XGW
XGW是洛神云网络平台的硬件转发层核心,提供了高性能的网络转发能力,负责公网,专线和跨Region流量的汇聚和分发,满足用户大带宽、大单流、稳定性、低延时/低抖动等需求。
CBAM:Convolutional Block Attention Module--通道+空间混合注意力
提出了**卷积块注意模块(CBAM)**,这是一种用于前馈卷积神经网络的简单而有效的注意模块。==给定一个中间特征图,我们的模块沿两个单独的维度(通道和空间)顺序推断注意力图,然后将注意力图乘以输入特征图以进行自适应特征细化。==因为 CBAM 是一个轻量级的通用模块,它可以无缝集成到任何 CNN 架构中,开销可以忽略不计,并且可以与基础 CNN 一起进行端到端训练。
|
2月前
|
Cytoscape 3.10生物网络分析与可视化安装教程:生物网络可视化+自定义路径(64位)
本教程详解Cytoscape 3.10(Windows 64位)的自定义路径安装流程,含网盘下载链接、解压、安装向导操作及验证步骤,助你快速搭建生物网络分析与可视化环境。(239字)
深度学习论文阅读图像分类篇(一):AlexNet《ImageNet Classification with Deep Convolutional Neural Networks》
 我们训练了一个大型深度卷积神经网络来将 ImageNet LSVRC2010 竞赛的 120 万高分辨率的图像分到 1000 不同的类别中。在测试数据上,我们得到了 top-1 37.5%和 top-5 17.0%的错误率,这个结果比目前的最好结果好很多。
宝剑出鞘威震江湖 阿里云在SIGCOMM'20 拿下大四喜!
5月15日国际顶级网络技术学术会议SIGCOMM'20的论文录取结果新鲜出炉。阿里云基础设施事业部以总数4篇主会论文被录取的结果再次震动了网络技术界。如果说19年阿里首次发表两篇论文是宝剑出鞘,那么今年阿里的表现可以用威震江湖来形容。作为阿里云智能-基础设施-网络研究部门的负责人,笔者想借此机会在给大家介绍阿里网络技术的最新研究结果的同时,也整体介绍一下我们目前和未来在网络技术研究上的布局。
免费试用