分类
发现
榜单
服务器优惠
AI论文
免费AI编程助手
搜索
注册
登录
分类
发现
榜单
服务器优惠
AI论文
免费AI编程助手
搜索
注册
登录
搜索
书栈网 · BookStack
本次搜索耗时
0.020
秒,为您找到
191654
个相关结果.
搜书籍
搜文档
使用Celery扩大规模
3154
2019-02-17
《Airflow 中文文档》
使用Celery扩大规模 使用Celery扩大规模 译者:@ImPerat0R_ 、@ThinkingChen CeleryExecutor 是您扩展worker数量的方法之一。为此,您需要设置Celery后端(RabbitMQ ,Redis ,…)并更改airflow.cfg 以将执行程序参数指向CeleryExecutor 并提供相关的...
2.7. 大规模部署
780
2020-02-18
《OpenRASP v1.3.0 官方文档》
大规模部署 物理机部署 容器化部署 Java 版本 Tomcat 示例 SpringBoot 示例 PHP 版本 大规模部署 物理机部署 容器化部署 Java 版本 Tomcat 示例 SpringBoot 示例 PHP 版本 物理机部署 百度内部主要是 Java/PHP 两种语言,其中Java服务...
Fleet - 大规模的 GitOps
466
2023-04-26
《Rancher v2.7 中文文档》
Fleet - 大规模的 GitOps 架构 在 Rancher UI 中访问 Fleet Windows 支持 GitHub 仓库 在代理后使用 Fleet Helm Chart 依赖 故障排除 文档 Fleet - 大规模的 GitOps Fleet 是大规模的 GitOps。你可以使用 Fleet 管理多达一百万个集群。Fleet...
1.2.5. 大规模部署
577
2018-07-26
《OpenRASP v0.4 官方文档》
大规模部署 大规模部署 本文档还在撰写中,请耐心等待 原文: https://rasp.baidu.com/doc/install/deploy.html
Kubernetes 大规模集群
703
2020-04-28
《和我一步步部署 kubernetes 集群 v1.8.x》
Kubernetes 大规模集群 公有云配额 Etcd 存储 Master 节点大小 为扩展分配更多资源 Kube-apiserver 配置 Kube-scheduler 配置 Kubelet 配置 Docker 配置 节点配置 应用配置 Kubernetes 大规模集群 Kubernetes v1.6-v1.11 单集群最大支持...
大规模训练与加速
1953
2019-10-13
《简单粗暴 TensorFlow 2.0》
TensorFlow分布式训练 使用TPU训练TensorFlow模型(Huan)
1.2.7. 大规模部署
1418
2019-09-06
《OpenRASP v1.2 官方文档》
大规模部署 物理机部署 容器化部署 Java 版本 Tomcat 示例 SpringBoot 示例 PHP 版本 大规模部署 物理机部署 百度内部主要是 Java/PHP 两种语言,其中Java服务器主要是 tomcat。目前,我们只提供了 Java + Tomcat 环境的批量安装脚本,可在源代码仓库里找到: baidu/ope...
大规模集群优化
4246
2019-11-16
《Kubernetes 实践指南(Kubernetes Practice Guide)》
大规模集群优化 内核参数调优 ETCD 优化 高可用部署 提高磁盘 IO 性能 提高 ETCD 的磁盘 IO 优先级 提高存储配额 分离 events 存储 减小网络延迟 Master 节点配置优化 kube-apiserver 优化 高可用 控制连接数 kube-scheduler 与 kube-controller-manager...
大规模稀疏特征模型训练
832
2020-05-04
《PaddlePaddle(飞桨) v1.6 深度学习平台使用文档》
大规模稀疏特征模型训练 模型配置和训练 模型存储和预测 大规模稀疏特征模型训练 模型配置和训练 embedding被广泛应用在各种网络结构中,尤其是文本处理相关的模型。在某些场景,例如推荐系统或者搜索引擎中, embedding的feature id可能会非常多,当feature id达到一定数量时,embedding参数会变得很大, 会带来...
大规模稀疏特征模型训练
663
2019-07-24
《PaddlePaddle v1.4(fluid) 深度学习平台》
大规模稀疏特征模型训练 模型配置和训练 模型存储和预测 大规模稀疏特征模型训练 模型配置和训练 embedding被广泛应用在各种网络结构中,尤其是文本处理相关的模型。在某些场景,例如推荐系统或者搜索引擎中,embedding的feature id可能会非常多,当feature id达到一定数量时,embedding参数会变得很大,会带来两个...
1..
«
1
2
3
4
»
..100