pc服务器和虚机  内容精选
  • 解析日志管理 - 智能云解析DNS | 百度智能云文档

    具体操作请参见 日志集操作指南 Bucket操作指南 。 使用日志服务BLS可以分析日志,及创建指标警报,帮助您快速定位业务问题。 使用对象存储BOS可以长期存档日志,价格比较经济实惠,但延迟通常较高。

    查看更多>>

  • 云主机管家(HME)产品下线公告 - 云主机管家HME | 百度智能云文档

    请您及时做好集群迁移工作,推荐操作: 方案一:EIP+应用型BLB 申请一个EIP一个应用型BLB,将EIP与BLB绑定,并将BCC作为应用型BLB的后端服务器(RS),通过应用型BLB将不同域名的请求路由到不同站点。 方案二:EIP+代理 为每台BCC申请一个或多个EIP,并在虚机上运行代理服务,如nginx。通过代理,将不同域名的请求路由到不同站点。 注意:请在迁移前充分测试,确保顺利迁移。

    查看更多>>

pc服务器和虚机  更多内容
  • 云主机管家(HME)产品策略调整公告 - 云主机管家HME | 百度智能云文档

    请您及时做好集群迁移工作,推荐操作: 方案一:EIP+应用型BLB 申请一个EIP一个应用型BLB,将EIP与BLB绑定,并将BCC作为应用型BLB的后端服务器(RS),通过应用型BLB将不同域名的请求路由到不同站点。 方案二:EIP+代理 为每台BCC申请一个或多个EIP,并在虚机上运行代理服务,如nginx。通过代理,将不同域名的请求路由到不同站点。

    查看更多>>

  • 使用千帆大模型平台的初体验 千帆社区

    登录/注册 个人中心 消息中心 退出登录 6 3 使用千帆大模型平台的初体验 大模型开发 / 技术交流 文心大模型 开箱评测 2023.08.24 4000 看过 最近,百度智能云已面向企业个人客户开放千帆大模型平台公有版测试服务。作为一名AI开发者,我怀着好奇心期待,申请并体验了文心千帆。

    查看更多>>

  • 使用千帆大模型平台的初体验 千帆社区

    登录/注册 个人中心 消息中心 退出登录 6 3 使用千帆大模型平台的初体验 大模型开发 / 技术交流 文心大模型 开箱评测 2023.08.24 4001 看过 最近,百度智能云已面向企业个人客户开放千帆大模型平台公有版测试服务。作为一名AI开发者,我怀着好奇心期待,申请并体验了文心千帆。

    查看更多>>

  • 管理实例 - 边缘计算节点BEC | 百度智能云文档

    管理实例 实例列表 通过点击“边缘云服务器=>实例管理”,可以查看实例列表。在该页面中,可以对实例进行多项操作,具体支持的操作可见下表。 操作步骤 1.登录 百度智能云BEC控制台 。 2.从以下路径进入到实例列表页面:边缘云服务器=>实例管理。 3.用户可以完成对实例的开启、重启、停止、删除、VNC远程、变更实例配置、创建自定义镜像、重装系统、重置密码操作。

    查看更多>>

  • 百度文心千帆大模型平台体验——基于深度学习的图像分类任务 千帆社区

    我们使用一个双层循环,外层循环迭代训练轮数,内层循环迭代每个批次的训练样本。在每个批次中,我们执行前向传播、计算损失、反向传播优化器更新操作。我们还在每100个批次打印一次损失。 最后,我们在测试数据集上评估模型的性能。我们首先将模型设置为评估模式,然后使用torch.no_grad()上下文管理器禁止梯度计算。在测试数据集上进行迭代,计算模型输出预测标签,并统计正确预测的数量。

    查看更多>>

  • 百度文心千帆大模型平台体验——基于深度学习的图像分类任务 千帆社区

    我们使用一个双层循环,外层循环迭代训练轮数,内层循环迭代每个批次的训练样本。在每个批次中,我们执行前向传播、计算损失、反向传播优化器更新操作。我们还在每100个批次打印一次损失。 最后,我们在测试数据集上评估模型的性能。我们首先将模型设置为评估模式,然后使用torch.no_grad()上下文管理器禁止梯度计算。在测试数据集上进行迭代,计算模型输出预测标签,并统计正确预测的数量。

    查看更多>>

  • 百度智能云的技术架构 - 白皮书 | 百度智能云文档

    不断创新的服务器相关技术 整机柜服务器采用共享架构设计,对比传统服务器可以明显的降低成本,提高交付效率。作为天蝎计划的项目发起人 主导厂商,百度在整机柜服务器研发部署方面一直处于国内领先地位。中国第一代整机柜服务器天蝎(北极)1.0版本2013年1月率先在百度南京机房上线,开创了定制服务器新时代,在中国发挥了很好的引领作用。

    查看更多>>

  • 使用千帆使用中可能出现的问题记录 千帆社区

    首先,巨大的模型规模可能导致计算资源的巨大需求,对环境能源产生压力。其次,模型在数据方面可能受到偏差的影响,造成在某些情境下的误判。此外,伦理隐私问题也随之浮现,尤其是在处理敏感信息的场景。因此,尽管大型模型的技术进步给我们带来了巨大的潜力,但我们需要谨慎权衡其发展对社会、环境伦理的潜在影响,以确保技术的可持续性社会责任感 1.

    查看更多>>