在软件定义网络萌芽期,只有一种SDN协议:OpenFlow;而如今,用户有了更多种类的SDN协议用以选择。
曾几何时,软件定义网络只有一种协议:OpenFlow。经典SDN皆依赖OpenFlow保证SDN控制器和执行其命令的数据平台设备的连接。
然而,在发展过程中更多地强调集中的网络虚拟化和可编程性,而不只是控制与数据平台的分离,因而SDN有了更为广泛的含义。随着这种转变的发生,该领域的其他协议变得越发重要起来。
思科推出了一种SDN协议让策略能够在由智能设备组成的网络中自动传播,而不是将数据平台设备“白纸化”。VMware NSX和其他解决方案的崛起带来了可覆盖整个本地网络的VXLAN协议。NVGRE是种相似的虚拟化协议,吸引了微软及其他知名企业在云环境中使用它。而Geneve则是种更新的虚拟化协议,旨在统一VXLAN和NVGRE。
考虑到有越来越多的协议可供选择,怎样决定哪种SDN协议是最适合你的?对多数人来说,问题应归结为:哪种SDN方案能够支持起未来几年内你想要及需要做到的事,从而使用它所支持的那种协议。
确实,OpenFlow拥有最广泛的供应商和技术支持的生态系统,不过若是基于OpenFlow的SDN达不到你想要的,可以看看其他的是否能够满足你的需求。且长远来看,拥有一到两个备选协议和迁移途径将不成问题。
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。