思腾云计算

最新推荐文章于 2025-12-07 19:44:07 发布
原创 最新推荐文章于 2025-12-07 19:44:07 发布 · 366 阅读 · 10 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #目标检测 #机器学习 #神经网络

云圣智能利用人工智能和无人机技术构建天地一体化巡检系统，面临大容量存储、高性能计算和高可靠性的挑战。通过思腾合力的高性能计算集群解决方案，提升无人机巡检效率，保障数据处理和系统可靠性。

云圣智能是一家以人工智能为核心，以四维实景地图、工业无人机、地面机器人、全自动机场、物联网云平台为载体，融合多元传感器，为行业级用户提 供“机、网、云一体化”系统解决方案，为智慧电网、油气管网、应急管理、智慧城市等领域提供天地联动四维全息管控平台的高科技企业。
图片

云圣智能正在构建天地一体化立体智能巡检系统


项目需求


云圣智能自主研发的全自主无人机巡检系统可实现真正意义的无人机数据采集自主化和无人值守化，但无人机巡检系统需要大量并行计算能力，来提高无人机巡检算法的训练速度，从而助力无人机巡检系统处理影像数据。


    存储需求：需要大量的存储空间，来保存无人机实时巡检的相关数据。

    性能需求：需要大量的并行算力，来提升无人机巡检算法的训练速度，从而助力无人机对影像数据处理。

    高带宽需求：数10GB甚至100GB的吞吐，及时处理无人机巡检影像。

    高可靠需求：中间数据、结果数据都非常重要，由于巡检时间长，过程中不允许中断，对算力和存储的可靠性要求非常高。


解决方案

图片


    多节点思腾合力IW4210-8G


客户收益


通过计算集群的搭建，有效的解决相关工作进展慢的问题，并且对无人机巡检算法进行大量并行计算，大大提升无人机巡检算法的训练速度，助力无人机巡检系统处理影像数据。


    支持节点在线扩容

    7*24小时提供算力

    提高资源利用率

    提高工作效率


思腾合力

，赞6

▼往期精彩回顾▼
图片
图片
图片 作者：思腾云计算GPU服务器 https://www.bilibili.com/read/cv25010205/ 出处：bilibili

STGPU
关注
思腾合力 云服务器上传文件和镜像以及提交作业的详细教程
weixin_38638559的博客
08-08 2773
目录docker安装上传文件到集中式存储用docker制作镜像运行容器升级python到3.7.10 docker安装 参考1 参考2 上传文件到集中式存储 直接上传文件 如果文件夹过大，建议压缩以后再上传（这里上传的是.tar.xz压缩包）, 解压 xxx.tar.xz 文件 # 进入网页版SSH的挂载目录 $ cd /root/data # 用xz命令解压成tar包 $ xz -d xxx.tar.xz # 用tar命令解压完成 $ tar xvf xxx.tar 用scp上传文件
思腾多功能网络教室整体解决方案.doc
05-02
思腾多功能网络教室整体解决方案，由广东思腾信息技术有限公司提出，旨在解决网络计算机（NC）在教育行业中应用的诸多局限。在概述中，解决方案指出随着国产CPU的研发成功和批量生产，网络计算机在国内市场日益兴盛...
合力思腾：2019年半年度报告.PDF
05-30
这表明合力思腾在云计算领域具有较强的技术积累和创新能力。 2. **质量管理与社会责任**：在2019年上半年，合力思腾的子公司网鼎明天顺利通过了GB/T 24001环境管理体系和GB/T 28001职业健康安全管理体系的年度监督...
只有做好物流才有精益JIT——聚思腾制造行业解决方案.pdf
05-13
聚思腾信息技术有限公司，作为领先的供应链管理解决方案提供商，提出了“只有做好物流才有精益JIT”的制造行业解决方案。通过深入分析和大量的业务实践，聚思腾认为要达到精益生产的目标，企业需要重视供应链系统...
合力思腾：2019年年度报告.PDF
05-22
北京合力思腾科技股份有限公司2019年年度报告 本报告是北京合力思腾科技股份有限公司（以下简称“公司”）对2019年的年度报告。报告中披露了公司的发展情况、财务状况、管理层讨论与分析、重要事项、股东情况、融资...
【人工智能】【深度学习】④ Stable Diffusion核心算法解析：从DDPM到文本生成图像的飞跃
xiezhiyi007的专栏
12-02 1381
Stable Diffusion是AI绘画领域的革命性技术，其核心基于扩散模型：通过"拆快递"式的噪声添加（前向扩散）和"拼乐高"式的逐步去噪（逆向过程），实现从噪声到图像的构建。本文用快递分拣、乐高拼装等生活化类比，解析CLIP文本编码器（翻译文字指令）、VAE（图像压缩）和U-Net（智能拼图）三大核心组件。相比传统GAN模型，它避免模式崩溃，提升语义理解能力，成为文本生成图像的黄金标准。通过代码与架构图解析，帮助开发者快速掌握这项技术的核心逻辑。
深度学习1.4-pytorch安装
诚朴勇毅
12-05 76
PyTorch 官方提供了几种安装方法，可以通过 pip 或 conda 进行安装。
深入浅出卷积神经网络（CNN）：从LeNet到Vision Transformer的演进及其实战应用
云雾J视界的博客
12-04 903
本文系统梳理卷积神经网络从LeNet到Vision Transformer的演进脉络，聚焦“为何选用ResNet而非VGG”这一典型面试问题，揭示其背后的技术选型逻辑。文章基于CVPR、ICLR等顶会论文及MLPerf等公开基准，深入剖析四代架构——奠基（LeNet/AlexNet）、深度爆发（VGG/ResNet）、效率觉醒（MobileNet）与注意力时代（ViT/ConvNeXt）的核心创新与工程权衡。
RNN、LSTM 区别
Bojun Jiang的博客
12-02 736
对比维度传统 RNNLSTM（长短期记忆网络）核心结构单一隐藏状态（h），无门控机制细胞状态（长期记忆）+ 隐藏状态（短期记忆）+ 3 个门控长距离依赖能力弱（梯度消失 / 爆炸，记不住长远信息）强（门控 + 细胞状态稳定传递长距离信息）参数复杂度低（结构简单，参数少）高（多了门控参数，计算量更大）训练难度易训练（参数少）但效果差（长序列）难训练（参数多、计算量大）但效果好（长序列）适用场景短序列数据（如 10 个词以内的短句、短时序）
深度学习1.1-软件安装-Anaconda软件与pyCharm软件安装
诚朴勇毅
12-03 596
为了研究深度学习与信号处理的结合，我又开始搞起了深度学习，博一的时候浅试过一次都失败了，这次打算学习一下Pytorch和一些最新的网络，好好做几篇论文。首先就是搭环境。我先安装了一个Anaconda，从网上搜了一大堆，我的理解是，Anaconda就是一个包管理器，因为pythoh版本太多了，而且要装的包也很多，各种包之间容易产生冲突，为了杜绝这个问题，我们可以安装一个Anaconda，它就像一个虚拟机，可以创建不同的操作系统，我们创建的不同任务和工程可以跑在不同的环境下。
[论文笔记] End-to-End Audiovisual Fusion with LSTMs
2302_76169191的博客
12-03 585
本文是《End-to-end visual speech recognition with LSTMs》的进阶篇。它将基于 LSTM 的端到端架构从视觉（Visual）扩展到了视听（Audiovisual）领域，并将任务从单纯的“说话内容识别”扩展到“语音识别和非语言发声分类”。
卷积神经网络（CNN）详细介绍及其原理详解（2）
renjt01的博客
12-05 135
卷积神经网络（CNN）详细介绍及其原理详解（2） 四、池化层 五、全连接层 六、输出层 #人工智能#具身智能#VLA#大模型#AI#LLM#Transformer 架构#AI技术前沿#Agent大模型#工信部证书#人工智能证书#职业证书
基于协同过滤和深度学习的视频推荐系统设计与实现
最新发布
电脑管家
12-07 884
本文介绍了一个融合协同过滤和深度学习技术的视频推荐系统。系统采用分层架构，包含数据预处理、模型层、推荐引擎和服务层。核心算法实现包括：1)基于SVD矩阵分解的协同过滤，使用Surprise库实现；2)神经网络协同过滤模型，通过Embedding层学习用户和视频的隐向量表示。系统采用加权融合策略(CF占40%，深度学习占60%)结合两种算法结果，并引入分类多样性机制优化推荐效果。技术栈选用Python生态工具链，包括NumPy/Pandas、Scikit-learn、TensorFlow和Flask等。该系统
深度学习1.2-软件篇-Anaconda软件常见命令与使用
诚朴勇毅
12-05 362
导出的.yml文件可以共享给团队成员，确保环境一致性。假如拷贝至默认为D:\Anaconda3\envs\myenv\（可修改）。激活环境后使用pip安装的包会自动添加到当前的conda环境中。win+R可以打开windows系统的命令行。配置为国内清华大学的源下载速度会比较快。
DL_端到端_基于卷积循环神经网络的(CRNN)车牌号识别
qjworkman的博客
12-07 263
实时性要求 使用轻量模型（如MobileNet + CRNN）、模型剪枝、量化部署。配合CTC Loss 和 torch.nn.CTCLoss，可实现端到端训练。光照变化、模糊、遮挡 数据增强（亮度调整、模糊模拟）、使用鲁棒特征提取网络。多角度/倾斜车牌 引入几何变换（如STN空间变换网络）或使用旋转不变特征。汉字识别难度大 单独训练汉字子网络，或扩大汉字训练样本。
数据集相关类代码回顾理解 | sns.distplot\%matplotlib inline\sns.scatterplot
Frost_Descent的博客
12-05 696
本文介绍了PyTorch单目标检测项目中的三个关键操作：1)使用os.path.join智能拼接跨平台文件路径，确保路径正确性；2)通过sns.distplot绘制数据的直方图分布；3)实现数据增强的随机亮度调整功能，通过TF.adjust_brightness按概率参数修改图像亮度。这些操作分别涉及文件路径处理、数据可视化分析和图像预处理，是深度学习项目中常见的实用技术。
【模式识别与机器学习（13）】神经网络与深度学习（2）：卷积神经网络、正则化、优化算法、循环神经网络
hiliang521的博客
12-02 1917
【模式识别与机器学习（13）】神经网络与深度学习（二）：卷积神经网络、正则化、优化算法、循环神经网络
【红外小目标检测实战 四】使用风车卷积和Neck多层融合改进
AutumnorLiu的博客
12-04 794
目前此网络召回率达到0.94，已经达到我的心理预期了，计算量只有16.7G FLOPs，可以说是很低了，完全可以实时在边缘设备推理。
思腾合力服务器shiyongjiaocheng
06-07
### 思腾合力服务器使用教程 思腾合力服务器的使用教程涵盖了从基础连接到高级任务提交的多个方面。以下内容详细介绍了如何使用思腾合力服务器，包括连接服务、作业提交、镜像上传等操作。 #### 1. 连接服务 思腾合力服务器支持多种连接方式，例如 SSH、Jupyter 和 PyCharm 等[^1]。以下是每种连接方式的基本步骤： - **SSH 连接** 使用 SSH 客户端连接到服务器，命令格式如下： ```bash ssh username@219.216.99.4 -p 22 ``` 其中 `username` 是用户账号，`219.216.99.4` 是服务器地址，`22` 是默认端口号。 - **Jupyter 连接** Jupyter Notebook 可通过浏览器访问，连接地址为 `http://219.216.99.4:6901`。需要确保服务器已启动 Jupyter 服务，并获取对应的 Token 或密码[^1]。 - **PyCharm 连接** PyCharm 的远程调试配置较为复杂，建议参考官方文档：[PyCharm 配置教程](https://github.com/sitonholy/scm/blob/master/notes/submit_jobs.md)[^1]。具体步骤包括配置远程解释器、同步代码文件和设置调试断点。 #### 2. 作业提交 作业提交是思腾合力服务器的核心功能之一。可以通过 Web 界面或命令行工具完成作业提交。以下是一个示例 JSON 文件结构[^2]： ```json { "jobName": "example_job", "image": "219.216.99.4:8888/zhengyan/ubuntu18.04_cuda10.1_cudnn7_py3.6_tf2.3_torch1.6:v1.2", "gpu": 1, "cpu": 4, "memory": "8G", "command": "python train.py" } ``` 将上述 JSON 文件保存为 `job.json`，并通过以下命令提交作业： ```bash curl -X POST -H "Content-Type: application/json" --data @job.json http://219.216.99.4/api/jobs ``` #### 3. 镜像管理 思腾合力服务器支持通过 Harbor 仓库管理 Docker 镜像。以下是上传和下载镜像的基本步骤[^3]： - **上传镜像** 1. 登录 Harbor 仓库： ```bash docker login 219.216.99.4:8888 ``` 2. 标记本地镜像： ```bash docker tag local_image:tag 219.216.99.4:8888/namespace/image:tag ``` 3. 推送镜像： ```bash docker push 219.216.99.4:8888/namespace/image:tag ``` - **下载镜像** 1. 登录 Harbor 仓库。 2. 拉取目标镜像： ```bash docker pull 219.216.99.4:8888/namespace/image:tag ``` #### 4. 数据集传输 对于大内存数据集，推荐通过 SCP 或 SSH 协议进行传输[^3]。以下是上传和下载数据集的命令： - **上传数据集** ```bash scp -r /path/to/local/dataset username@219.216.99.4:/path/to/server/directory ``` - **下载数据集** ```bash scp -r username@219.216.99.4:/path/to/server/dataset /path/to/local/directory ``` #### 5. 系统安全与运维 思腾合力服务器内置了多层次的安全机制和智能运维功能[^4]。这些功能包括国密算法加密、芯片级根信任、实时监控和故障分类上报等。用户可以通过简洁易用的 Web 管理平台进行系统维护。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值