Solaris开始支持IBM Power?(转)

Sun公司为了让Solaris在更多平台上运行,已将其移植到IBMPowerPC架构上。这项工作由OpenSolaris社区成员主导,并命名为Polaris计划。尽管Sun尚未正式宣布支持IBMPowerPC,但已有一些产品在市场上销售。
Solaris开始支持IBM Power?(转)[@more@]为了拓展Solaris的使用率,Sun让传家之宝Solaris开始支持对手阵营IBM的PowerPC?

乍看之下有点令人诧异,不过在今年的早些时候,IBM Power.org的成员Genesi已经端出首款由OpenSolaris社群Blastware主动协助开发的PowerPC工作站,该款支持Solaris的Power-based工作站并已开始在市面上销售。它们并把这个 PowerPC版本 OpenSolaris的计划称之为 Polaris。

虽然这个 Polaris计划并非由Sun提出,不过将Solaris放在PowerPC上执行也在Sun的计划之内。Sun全球总裁Jonathan Schwartz前(2004)年在自己的blog里就已经提过:“软件要达到真正的开放,不仅仅是释出开原码以供工程技术人员或者学术机构开发…更重要的是,让不同平台的使用者都可以轻松、几乎无成本的享受到开放软件带来的便利。”“举例而言,Sun正在尝试让Solaris在IBM的PowerPC上执行,Sun衷心期待IBM予以协助,”Schwartz点出了Solaris意欲支持PowerPC的计划。

事隔两年,Sun未再提及Solaris支持IBM Power的说法,Sun台湾区营销总监朱家昌接受采访时亦表示,“目前尚未看到Solaris『正式』支持IBM Power的计划,任何提及Solaris会支持IBM Power的说法都只能算是一种传言。即使能够在Power架构上执行Solaris,一定不能发挥所有的Solaris功能,”朱家昌说。

而且Solaris支持PowerPC的作法能否在市场上奏效仍是未定之天。IDC(国际数据信息)运算系统分析师古嘉元表示。“如果不是双方正式的携手合作,即表示可能缺乏完整的测试。对用户而言,势必还会观望Polaris的效能表现,”古嘉元说。

Solaris一向被Sun视为和Sparc芯片、JAVA语言同等重要的三项看家法宝。Solaris是使用率相当广的一种Unix衍生版本,在1990年代末期网络泡沫时期大行其道,但后来随开原码操作系统Linux窜起而式微。同时,微软的Windows操作系统进驻x86架构的主流服务器,也蚕食Sun的市占率。

为了要拓展Solaris的使用率,Sun在去年六月宣布Solaris进入开原码时代,把500多万行Solaris核心(kernel)的原始码张贴在OpenSolaris网站上。并宣布以及Solaris 10的支持平台从原本只有Sun的Sparc,延伸至AMD Opteron与Intel的Xeon。同年11月,Sun又与IBM宣布达成协议,把SunSolaris 10纳为IBM BladeCenter服务器系列搭配的操作系统选项之一。Solaris会与Windows、Linux (for x86与Power芯片)以及IBM的AIX版Unix并列为操作系统选项。

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/10901326/viewspace-965890/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/10901326/viewspace-965890/

【SCI复现】含可再生能源与储能的区域微电网最优运行:应对不确定性的解鲁棒性与非预见性研究(Matlab代码实现)内容概要:本文围绕含可再生能源与储能的区域微电网最优运行展开研究,重点探讨应对不确定性的解鲁棒性与非预见性策略,通过Matlab代码实现SCI论文复现。研究涵盖多阶段鲁棒调度模型、机会约束规划、需求响应机制及储能系统优化配置,结合风电、光伏等可再生能源出力的不确定性建模,提出兼顾系统经济性与鲁棒性的优化运行方案。文中详细展示了模型构建、算法设计(如C&CG算法、大M法)及仿真验证全过程,适用于微电网能量管理、电力系统优化调度等领域的科研与工程实践。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事微电网、能源管理相关工作的工程技术人员。; 使用场景及目标:①复现SCI级微电网鲁棒优化研究成果,掌握应对风光负荷不确定性的建模与求解方法;②深入理解两阶段鲁棒优化、分布鲁棒优化、机会约束规划等先进优化方法在能源系统中的实际应用;③为撰写高水平学术论文或开展相关课题研究提供代码参考和技术支持。; 阅读建议:建议读者结合文档提供的Matlab代码逐模块学习,重点关注不确定性建模、鲁棒优化模型构建与求解流程,并尝试在不同场景下调试与扩展代码,以深化对微电网优化运行机制的理解。
个人防护装备实例分割数据集 一、基础信息 数据集名称:个人防护装备实例分割数据集 图片数量: 训练集:4,524张图片 分类类别: - Gloves(手套):工作人员佩戴的手部防护装备。 - Helmet(安全帽):头部防护装备。 - No-Gloves(未戴手套):未佩戴手部防护的状态。 - No-Helmet(未戴安全帽):未佩戴头部防护的状态。 - No-Shoes(未穿安全鞋):未佩戴足部防护的状态。 - No-Vest(未穿安全背心):未佩戴身体防护的状态。 - Shoes(安全鞋):足部防护装备。 - Vest(安全背心):身体防护装备。 标注格式:YOLO格式,包含实例分割的多边形坐标和类别标签,适用于实例分割任务。 数据格式:来源于实际场景图像,适用于计算机视觉模型训练。 二、适用场景 工作场所安全监控系统开发:数据集支持实例分割任务,帮助构建能够自动识别工作人员个人防护装备穿戴状态的AI模型,提升工作环境安全性。 建筑与工业安全检查:集成至监控系统,实时检测PPE穿戴情况,预防安全事故,确保合规性。 学术研究与创新:支持计算机视觉在职业安全领域的应用研究,促进AI与安全工程的结合。 培训与教育:可用于安全培训课程,演示PPE识别技术,增强员工安全意识。 三、数据集优势 精准标注与多样性:每个实例均用多边形精确标注,确保分割边界准确;覆盖多种PPE物品及未穿戴状态,增加模型鲁棒性。 场景丰富:数据来源于多样环境,提升模型在不同场景下的泛化能力。 任务适配性强:标注兼容主流深度学习框架(如YOLO),可直接用于实例分割模型开发,支持目标检测和分割任务。 实用价值高:专注于工作场所安全,为自动化的PPE检测提供可靠数据支撑,有助于减少工伤事故。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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