相关推荐
-
饿了么资深架构师分享云上基础架构演进
从单体应用到微服务体系再到多活架构,从用云到IaaS全面上云再PaaS上云,最后全面拥抱云原生,这就是饿了么的云上基础架构演进之路。
-
移动开发十年
内容简介 2017,顶着刘海的 ...回首过去十年,从诺记的 Symbian、摩托罗拉的 Linux、苹果的 iOS、微软的 Windows Phone、三星的 Tizen 到 Google 的 Android 等,移动操作系统也曾百花齐放,但经过十年厮杀各自...
-
饿了么技术往事(上)
作为一个互联网创业公司,饿了么从初创到壮大,在移动互联网时代,业务量和技术团队的体量经历了10倍增长,这其中的经历,是互联网领域许多创业公司技术团队的一个缩影。在这里把我们成长过程中的体...
-
饿了么EMonitor演进史
简介: 可观测性作为技术体系的核心环节之一,跟随饿了么技术的飞速发展,不断自我革新。 序言 时间回到2008年,还在上海交通大学上学的张旭豪、康嘉等人在上海创办了饿了么,从校园外卖场景出发,饿了么一步...
-
饿了么 EMonitor 演进史
序言时间回到 2008年,还在上海交通大学上学的张旭豪、康嘉等人在上海创办了饿了么,从校园外卖场景出发,饿了么一步一步发展壮大,成为外卖行业的领头羊。2017年8月饿了么并购百度外卖,强强...
-
饿了么架构师黄晓路:从单体架构到亿级微服务架构演进实践
点击“技术领导力”关注∆每天早上8:30推送作为一个互联网创业公司,饿了么从初创到壮大,在移动互联网时代,业务量和技术团队的体量经历了10倍增长,这其中的经历,是互联网领域许多创业公...
-
解读!口碑饿了么联手,阿里生态战略再添新高地
在第十个双11之前,阿里宣布成立由饿了么与口碑合并组成的本地生活服务公司。 从速度上,这离阿里财报披露成立新控股公司刚刚50天;从体量上,这是一个涵盖350万活跃商户、即时配送的66.7万活跃骑手、覆盖676个城市...
-
饿了么“短平快”创新项目的架构取舍之道
来自:DBAplus社群本文根据史海峰老师在〖2018 DAMS中国数据资产管理峰会〗现场演讲内容整理而成。讲师介绍史海峰,饿了么高级总监,曾在神州数码、亚信联创长期从事电信行业业务支撑...
-
十倍业务增长下,饿了么技术如何应对(上)?
作为一个互联网创业公司,饿了么从初创到壮大,在移动互联网时代,业务量和技术团队的体量经历了10倍增长,这其中的经历,是互联网领域许多创业公司技术团队的一个缩影。在这里把我们成长过程中的体...
-
会员、活跃消费者同比大增,饿了么做对了什么?
饿了么年度活跃消费者同比增长20%,张勇表态将继续重投饿了么 据财报显示,本季阿里集团营收超600亿元,与上财年同期400亿元的水平相比,增长幅度超过50%。这个惊人的增长,主要来自于互联网、公共部门及金融行业...
-
2017架构年度参考,“优秀”架构背后的反思与探索
Grand建立了从代码级别到线上APM监控一站式完整闭环的移动端基础设施平台,在App每一个生命周期阶段不断优化各种问题。 \\ 《深度学习在CTR预估业务中的应用》 \\ 作者:新浪微博AI Lab/资深算法专家,张俊林 \\ ...
-
移动互联网十年
移动互联网十年 链接:http://note.youdao.com/noteshare?id=f0bb06cd5bbca543ce4b02cd18383ee5&sub=7C9E6C6CE32244569BAE82848DE28A50 这是一段波澜壮阔、荡气回肠的历史 2011年8月16日,北京798艺术中心。 台...
-
移动域全链路可观测架构和关键技术
本文侧重阐述团队对移动领域全链路技术理念的原创性引入,整篇约1.2万字、阅读需要15分钟,读者将收获移动技术域体验优化的思路转变,以及软件定义体验的沉淀和研发实践。App现有架构挑战201...
-
基于智能温度监测系统设计.doc
基于智能温度监测系统设计.doc
-
搜广推推荐系统中传统推荐系统方法思维导图整理-完整版
包括userCF,itemCF,MF,LR,POLY2,FM,FFM,GBDT+LR,阿里LS-PLM 基于深度学习推荐系统(王喆)
-
2023-04-06-项目笔记 - 第三百五十五阶段 - 4.4.2.353全局变量的作用域-353 -2025.12.22
2023-04-06-项目笔记-第三百五十五阶段-课前小分享_小分享1.坚持提交gitee 小分享2.作业中提交代码 小分享3.写代码注意代码风格 4.3.1变量的使用 4.4变量的作用域与生命周期 4.4.1局部变量的作用域 4.4.2全局变量的作用域 4.4.2.1全局变量的作用域_1 4.4.2.353局变量的作用域_353- 2024-12-22
-
和美乡村城乡融合发展数字化解决方案.docx
和美乡村城乡融合发展数字化解决方案.docx
-
CNN基于Python的深度学习图像识别系统
基于Python的深度学习图像识别系统是一个利用卷积神经网络(CNN)对图像进行分类的先进项目。该项目使用Python的深度学习库,如TensorFlow,构建和训练一个模型,能够自动识别和分类图像中的对象。系统特别适合于图像处理领域的研究和实践,如计算机视觉、自动驾驶、医疗影像分析等。 项目的核心功能包括数据预处理、模型构建、训练、评估和预测。用户可以上传自己的图像或使用预定义的数据集进行训练。系统提供了一个直观的界面,允许用户监控训练进度,并可视化模型的性能。此外,系统还包括了一个模型优化模块,通过调整超参数和网络结构来提高识别准确率。 技术层面上,该项目使用了Python编程语言,并集成了多个流行的机器学习库,如NumPy、Pandas、Matplotlib等,用于数据处理和可视化。模型训练过程中,系统会保存训练好的权重,以便后续进行模型评估和预测。用户可以通过简单的API调用,将新的图像输入到训练好的模型中,获取预测结果。
1 楼 252831020 2017-04-11 16:51