神经网络训练搜索 - BML 全功能AI开发平台 | 百度智能云文档
神经网络训练搜索 了解神经网络训练搜索 1 概述 神经网络训练搜索又名神经网络结构搜索 (Neural Architecture Search, NAS)，是自动机器学习 (Automated Machine Learning, AutoML) 的子领域。 神经网络训练搜索NAS本质上是优化问题，其目的是不通过人工，实现最优网络模型设计和选择自动化。
LOCAL - Baidu Palo/Doris 使用文档
通过 local tvf 访问 NAS 上的数据 NAS 共享存储允许同时挂载到多个节点。每个节点都可以像访问本地文件一样访问共享存储中的文件。因此，可以将 NAS 视为本地文件系统，通过 local tvf 进行访问。 当设置 shared_storage = true 时，PALO 会认为所指定的文件可以在任意 BE 节点访问。
Pod在CCE中使用RDMA网络 - 容器引擎CCE | 百度智能云文档
RDMA通过网络将数据直接传入目标计算机的存储区，实现从一个系统到远程系统存储器的快速数据移动。整个传输过程不对操作系统造成任何影响，因此几乎不消耗计算机的处理能力，继而减少外部存储器复制和上下文切换的开销，节省内存带宽和CPU周期，以提升应用系统性能。
导入概览 - Baidu Palo/Doris 使用文档
批量导入：将数据从外部存储系统（如对象存储、HDFS、本地文件、NAS）批量加载到 Doris 表中，适用于非实时数据导入的需求。 可以使用 Broker Load 将对象存储和 HDFS 中的文件写入到 Doris 中。 可以使用 INSERT INTO SELECT 将对象存储、HDFS 和 NAS 中的文件同步写入到 Doris 中，配合 JOB 可以异步写入。
使用存储网关 - 存储网关BSG | 百度智能云文档
复制 1 Centos或者Redhat: yum install -y nfs-utils 2 Debian或者Ubuntu: apt-get install nfs-common 使用如下命令完成挂载： Plain Text 复制 1 mount -t nfs4 <挂载点域名>:/nas
管理内存 - 百度Linux服务器操作系统 BaiduLinuxOS | 百度智能云文档
管理内存 基本概念 内存是计算机的重要组成部件，用于暂时存放CPU中的运算数据，以及与硬件等外部存储器交换的数据。特别地，非统一内存访问架构（non-uniform memory access，简称NUMA）是一种为多处理器的电脑设计的内存架构，内存访问时间取决于内存相对于处理器的位置。在NUMA下，处理器访问本地内存的速度比非本地内存速度（内存位于另一个处理器，或者是处理器之间共享的内存）快。
通过购买页创建实例 - 弹性裸金属服务器 | 百度智能云文档
同NUMA Node下的处理器核心在访问其本地存储器（同Node中的内存）时，相较于远端存储器（其他Node的内存）拥有更快的速度。 对于一些单进程多线程的应用，由于默认内存分配策略，进程只能被分配到同一个Node，如果开启NUMA，反而会对应用性能产生限制，所以是否开启NUMA需要根据用户的实际应用进行判断。 超线程开关 此功能目前通过白名单开放，如果您有相关需求，可以 提交工单 。
内存 - 百度Linux服务器操作系统 BaiduLinuxOS | 百度智能云文档
内存 基本概念 内存是计算机的重要组成部件，用于暂时存放CPU中的运算数据，以及与硬件等外部存储器交换的数据。特别地，非统一内存访问架构（non-uniform memory access，简称NUMA）是一种为多处理器的电脑设计的内存架构，内存访问时间取决于内存相对于处理器的位置。在NUMA下，处理器访问本地内存的速度比非本地内存速度（内存位于另一个处理器，或者是处理器之间共享的内存）快。
蓝屏宕机常规处理方法 - 云服务器BCC | 百度智能云文档
微软的官方参考文档 [如何在 Windows Server 2008 和 Windows Server 2008 R2 中生成内核或完全存储器转储文件] https://support.microsoft.com/zh-cn/kb/969028 。
AI推理加速原理解析与工程实践分享 | 百度智能云
这部分业界常见的优化方向包括量化、减枝、蒸馏和 NAS 等； 第二类和第三类则是当模型已经交由推理引擎在 GPU 上执行时，如何更好的提升 GPU 的利用效率。 我们由 SM 利用率公式做一个近似可以导出这两类优化方案，分别是尽可能让 GPU 上有计算任务和单个计算任务在 GPU 上执行效率更高。这两类优化方案常见的手段分别是算子融合和单算子优化。 接下来分别介绍这三类优化方案。
