凌云时刻 · 技术
导读：从虚拟化技术诞生以来，IaaS/PaaS/SaaS 概念陆续被提了出来，各种容器技术层出不穷。到 2015 年， Cloud Native 概念应运而生，一时间，各种云厂商，云服务以及云应用都加上了“云原生”前缀。
作者 | 尘央
来源 | 凌云时刻（微信号：linuxpk）
前言
本文以一张云进化历史图开场，来谈谈云原生时代消息中间件的演进路线，但本文绝对不是“开局一张图，内容全靠编”。
相关文章
Alibaba Cloud Linux 2 LTS OS 启动优化实践 | 凌云时刻
凌云时刻 技术 导读：Alibaba Cloud Linux 2 (原Aliyun Linux 2)是阿里云操作系统团队基于社区版 4.19 LTS 内核打造的一款针对云产品优化的下一代 Linux 操作系统发行版，不仅提供 Linux 社区的最新增强功能，也提供了云上最佳用户体验并针对阿…
云原生的What、Why、How | 凌云时刻
凌云时刻 洞见 导读：毋庸置疑，云计算的未来是云原生的。但是云原生到底是什么？在这场数字化转型的浪潮中，云原生扮演着什么角色？一千个人眼中，有一千个哈姆雷特。在本文中，从过去到未来&#x…
什么技术才值得你长期投入？ | 凌云时刻
凌云时刻 洞见 导读：“每个人的时间都是有限的，在有限的时间里选择一项值得投入的技术会变得尤为重要。”那么，如何去选择一个值得投入的技术？一个值得长期投入的技术又具备哪些特性？ 作者 | 简锋 来源 | 凌云时刻&am…
龙蜥社区首届理事大会圆满召开！14家理事代表出席
凌云时刻 编者按：2021年7月6日，OpenAnolis龙蜥社区成功召开首届理事大会，来自阿里云、统信软件、Intel、红旗软件、万里红、联通、电信云、移动云、龙芯、兆芯、飞腾、中科方德等14位家单位的理事代表出席。本次会议由龙蜥社区运营委员会主席…
SRS为何加入木兰社区孵化？
凌云时刻 SRS正式加入木兰开源社区孵化，我想很多朋友只是大概知道木兰社区是国家级的开源社区，是一件很值得荣耀的事情，其他的事情可能就了解不多了。 这次和大家分享下我对这个事情的理解和思考，如果有疑问欢迎评论区留言&#x…
陈绪：被疫情加速的云计算 | 凌云时刻
凌云时刻 导读："疫情是云计算腾飞的一个推动力，只是突然而来的肺炎病毒，在给所有人带来损失的同时，也为云计算的生态格局创造了一个全新的变化。" 作者 | 陈绪 来源 | 凌云时刻（微信号：linuxpk…
申通上云？技术详解！ | 凌云时刻
凌云时刻 技术 导读：如果说，快递行业上半场的竞争拼的是规模、服务乃至价格，进入下半场，快递企业们还需要比拼硬核的技术实力。 作者 | 周金龙（遥方） 来源 | 凌云时刻（微信号：linux…
eBPF Internal: Instructions and Runtime | 凌云时刻
凌云时刻 技术 导读：eBPF 是最近几年异常火爆的一门内核技术，从2011年开发至今，eBPF 社区依然非常活跃。eBPF 可以通过热加载的方式动态的获取、修改内核中的关键数据和执行逻辑，避免内核模块的方式可能会引入宕机风险࿰…
乘风破浪的中国数据库 | 凌云时刻
凌云时刻 洞见 导读：从80年代萨师煊教授的一行板书，到今天国产数据库的百花齐放，四十年科技自研，中国数据库都经历了什么？ 作者 | 丹如 来源 | 杭派工程师 前言 “科技行业已经没有什么惊心动魄的大事了！”…
harmonyos开发者社区,HarmonyOS开发者创新大赛结果公布，社区渠道参赛队伍战果斐然...
HarmonyOS开发者创新大赛是华为HarmonyOS开发者生态建设的重要一环，致力于挖掘优秀的应用创新人才及项目。参赛队伍基于HarmonyOS的创新特性，结合应用场景，开发出具有全新体验、全新交互的终端应用。对有市场前景的项目，华为不吝帮…
凌云抒志 星海航帆 | 汇佳学校MYP社区设计展隆重举办
毕业，一个带着憧憬、喜悦和不舍的复杂字眼。在那些不曾预料的挑战和困难中，拥有不寻常经历的2022届MYP毕业生，通过为期一年的社区服务与行动，为这个词增添了新的注解：毕业，还需要“勇气”与“坚毅”&#x…
YOLOv2相比于yolov1的改进
1.Batch Normalization
Batch Normalization可以提升模型收敛速度，而且可以起到一定正则化效果，降低模型的过拟合。在YOLOv2中，每个卷积层后面都添加了Batch Normalization层，并且不再使用droput。使用Batch Normalization后&…
YOLOv1，YOLOv2，YOLOv3解读
本文依次讲解YOLOv1,v2,v3。博客地址https://blog.csdn.net/hancoder/article/details/87994678 文章目录 YOLOv11.1 Introduction1.2 Unified Detection1.3 网络框架1.4 Loss解读LOSS： 1.5 test附：NMS示例: 1.7 YOLOv1结语待解决问题 YOLOv22.1 Better更…
Yolov2模型——pytorch实现
论文传送门：YOLO9000: Better, Faster, Stronger
Yolov2的改进：
1.批标准化(Batch Normalization)：在conv后加入BN(conv不再使用bias)，改善模型的收敛性，同时去掉dropout； 2.高分辨率分类器(High Resolut…
【YOLO系列】--YOLOv2超详细解读/总结
本章论文：
YOLOv2论文（YOLO9000: Better, Faster, Stronger）（原文＋解读/总结＋翻译） YOLO系列解读直通车🚀：
YOLO系列-【YOLOv1】🚀
YOLO系列-【YOLOv2】&a…
YOLOv1、YOLOv2和YOLOv3对比
YOLOv1、YOLOv2和YOLOv3对比 R-CNN系列YOLOv1结构目标输出网络训练YOLOv1的局限性和R-CNN系列的对比 YOLOv2结构目标输出网络训练关于YOLO9000 YOLOv3结构目标输出网络训练YOLOv3系统做过的不成功的尝试 未来 YOLO深度卷积神经网络已经经过原作者Joseph Redmon已经经过了3代4个…
YOLOv2 论文笔记
论文地址：YOLO9000: Better, Faster, Stronger 项目主页：YOLO: Real-Time Object Detection
（最近博客下很多人请求Caffe 代码，受人所托，已经不再提供，且关闭本文评论，望请见谅）
…
YOLOV2网络模型
目录
资料
网络模型原理
网络框架
相对于yoloV1的改进
Batch Norm High Resolution Classifier
Convolutional With Anchor Boxes
Dimension Clusters
New Network:Darknet-19
Direct location prediction
PassThrough
Multi-Scale Training
Loss
YOLOV2的训…
