日前ONF为了加快SDN落地速度推出了分布式开源软件Atrium。ONF标榜Atrium为首个纯开源SDN产品,并且保证用户利用开源软件就能够运行一个真实的网络环境。ONF主席Dan Pitt表示早在两年前ONF意识到开源软件的空缺时就开始着手准备Atrium了。去年,ONF卯足了劲终于填补了开源软件方面的空白。
Dan Pitt说道“很多人都对SDN感兴趣并且想做点相关的研究,但是却无从下手,于是我们推出了Atrium希望能够帮助他们了解、研究SDN。开源其实并不容易,需要找到所需的组件,希望Atrium可以对那些一直苦于无法找齐所需组件的人有所帮助。”
第一版本的Atrium采用Quagga的边界网关协议(BGP)和ONOS、OCP的框架作为初始组件。可以在支持OpenFlow的控制器和交换机中运行,支持使用插件并且支持其他交换机,充分体现开放的理念。
ONOS的创建组织ON.Lab为Atrium提供了一个内部 “flow objectives”接口,ONF成员希望在下半年推出的版本中能够争取到OpenDaylight的支持。除了ONOS还有很多其他组织也对第一版本 的Atrium做出了贡献,例如 Big Switch Networks、 Broadcom、 Extreme Networks和 Pica8等,同时盛科网络也是ONF Atrium项目的三个芯片供应商之一。此外Facebook、 Huawei、Spirent 等公司已经承诺会在下一版本中有所贡献。
本月底Atrium将提供可使用版本,主要包括:
目前很多人依旧对SDN持观望态度,不敢在网络中部署SDN,Pitt希望能够帮助他们进一 步了解SDN,从而打消他们的顾虑。“如果没有互联互通,用户就会害怕陷入某个点或者做一个本来就不该做的决定。我们希望用户能够了解自己的网络,并且分 析如果向新技术过渡他们需要些什么。我们期待看到用户如何使用Atrium以及怎样在自己的网络中使用Atrium。”
ONF表示将会在下周的2015开放网络峰会上演示Atrium。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。