又获权威机构认可
|
梯度下降是机器学习中最重要的思想之一：给定一些代价函数以使其最小化，该算法迭代地采取最大下降斜率的步骤，理论上在经过足够的迭代次数后才达到最小值。柯西(Cauchy)于1847年首次发现，在1944年针对非线性优化问题在Haskell Curry上得到扩展，梯度下降已用于从线性回归到深度神经网络的各种算法。 虽然梯度下降及其反向传播形式的重新用途已成为机器学习的最大突破之一，但神经网络的优化仍然是一个尚未解决的问题。互联网上的许多人都愿意宣称"梯度下降很烂"，尽管可能有些遥远，但梯度下降确实存在许多问题。
优化程序陷入了足够深的局部最小值中。诚然，有一些聪明的解决方案有时可以解决这些问题，例如动量，它可以使优化器在大山丘上行走。随机梯度下降;或批量归一化，从而平滑错误空间。但是，局部最小值仍然是神经网络中许多分支问题的根本原因。 在全面接受网络这件事上，有什么例子会比阿米什人也采用了互联网更有说服力呢?说他们老套并不过分：戴草帽、蓄胡须，妻子都还戴着19世纪风格的套头帽;他们不用电，不用电话，不看电视，外出则乘坐马车。阿米什人以抵触科技闻名，但这名不副实。实际上，他们只是很晚才采用了科技而已。当我听到他们提起自己的网站时，你会吃惊吗?
畅想未来30年，网络会变得怎样激动人心时，我们不免首先想到网页2.0——就是更好的网页。但是2050年的网络不会是更好的网页，它会变成别的东西，和今天网络的差距就像是最初的网络和电视的差距一样。 专注于存储灵活性、一致性和性能，以使基于容器的应用程序获得最佳结果。 企业需要的存储功能 考虑到这些特性，重点关注几个存储基础设施功能以最大限度地利用基于容器的应用程序是很重要的。在设计企业存储基础设施以支持容器时，需要关注以下四个特征： (1) 提供一致、标准化和抽象的存储环境的能力。尽管Kubernetes的大多数实现方式提供了一些共性，但其余的变化可能会增加复杂性。开发人员需要在Kubernetes的各种迭代(或其他容器编排框架)之间建立标准化的抽象层，以便这些迭代可以轻松且无缝地相互通信。实现这种必要的标准化的一种方法是容器存储接口(CSI)开源项目，该项目提供了一种标准化的机制，用于跨Kubernetes、Mesos和Docker等不同容器编排系统进行存储。在考虑存储选项时，需要寻找为容器环境提供容器存储接口(CSI)驱动程序的存储选项。 (2) 在混合云环境中进行一致的管理、监视和控制。标准化可以减轻开发社区的负担，但是管理员需要在整个基于混合或基于多云容器的应用程序环境中建立一致的存储功能和管理。优先考虑为单个存储终结点提供一致的工具集和一致的用户体验的存储技术，以应对内部部署工作负载。 (3) 下一代性能。任何支持基于容器的应用程序的存储环境都应使用闪存设备。基于NVMe的存储架构以及旨在支持存储级内存的架构也可以提高整体存储性能。但是，性能要求超出了以低延迟满足高水平的读取和写入请求的能力，企业必须准备好存储环境来处理成千上万个微服务同时启动的潜力。 在评估容器的存储技术时，需要考虑存储性能的所有方面：延迟、带宽、提供和执行数据服务的能力以及可扩展性。存储技术必须能够快速传输数据，而且还必须能够快速地提供数据服务。IT部门必须能够快速有效地将持久性存储连接到那些微服务，并且存储设备必须能够随着需求的增长而扩展其性能。 (4) 规模和硬件灵活性。人工配置存储环境所需的时间和精力对于容器而言并不现实。应用程序开发团队需要一种可以快速扩展的方法，尤其是在将新应用程序或微服务移入生产环境时。该环境应该能够轻松扩展存储资源，而几乎不需要管理员干预。目的是确保开发人员不必等待数小时、数天或数周的时间即可满足请求，并加快开发速度。 容器的存储环境应该跨多种硬件类型和多代产品工作，集成新技术、扩展性能或增加容量都不需要拆掉并更换硬件。这些环境必须能够以尽可能大的灵活性进行扩展。
在考虑容器相对于虚拟机的优势时，具有创造力很重要。构建存储基础设施环境以使应用程序开发人员、IT组织和企业能够最大程度地发挥基于容器的应用程序的潜力，这将需要一种不同的方法。专注于存储灵活性、一致性和性能可以实现最佳结果。 （编辑：桂林站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
