安卓未来新风向，成就了Android，系统开发的必备技能，你还不够了解它
现在的就业趋势正在向着精细化、专业化前进，所以很多大航向下的细分专业领域人才缺口巨大。安卓开发应用的领域很广，就业机会也很多，但是市面上做APP开发的人太多，而擅长处理APP开发土壤，能够在的技术人员并不多。Android Framework就是这样的领域，尤其是现在的安卓framework层开发，这是用人企业急需人才的岗位。...
基于 Serverless+OSS 分分钟实现图片秒变素描
需要批量将普通照片转换为素描图，在阿里云Serverless函数计算服务中部署普通图片转素描图函数服务，实现将批量上传到指定OSS桶内的图片自动转换为素描图并保存到另一个OSS桶内。
一文搞懂 SAE 日志采集架构
在云原生时代，日志采集无论是在采集方案，还是在采集架构上，都会和传统的日志采集有一些差异。本文着重介绍了各种日志采集方式的特点，最佳使用场景，帮助大家来设计合适的采集架构，有效规避一些常见的问题。
解析 RocketMQ 业务消息 - “顺序消息”
作为金融级可靠的业务消息方案，RocketMQ 从创建之初就一直专注于业务集成领域的异步通信能力构建。本篇将继续业务消息集成的场景，从功能原理、应用案例、最佳实践以及实战等角度介绍 RocketMQ 的顺序消息功能。
Koordinator 0.6：企业级容器调度系统解决方案，引入 CPU 精细编排、资源预留与全新的重调度框架
新版本进一步完善了 CPU 精细化编排能力，更好的兼容原生用法；支持了资源预留的能力（Reservation），补齐了调度原子语意缺失；发布了全新的重调度框架，支持用户灵活的扩展自定义插件。
KubeVela Maintainer 徐佳航：什么样的开源项目将具有可延续的生命力?
KubeVela 的本质是一个现代化的软件交付平台，它可以让你的应用交付在当今流行的混合、多云环境中变得更加简单、高效、可靠。KubeVela 部署工作流的背后就是开放应用模型 OAM ，帮助开发者一次编排、随处运行。...
自监督直接和具体任务的结合（Task Related Self-Supervised Learning）的探索
这篇论文的思想非常直观，如图，首先，Data Augmentation相关的方法会对通过对原始图片进行一些变换（颜色、旋转、裁切等）来扩充原始训练集合，提高模型泛化能力；Multi-task learning将正常分类任务和self-supervised learning的任务（比如旋转预测）放到一起进行学习。作者指出通过data augmentation或者multi-task learning等方法的学习强制特征具有一定的不变性，会使得学习更加困难，有可能带来性能降低。因此，。
阿里云 ACK One 多集群管理全面升级：多集群服务、多集群监控、两地三中心应用容灾
本文介绍了 ACK One 近期发布的 3 个主要特性，覆盖场景：跨集群服务发现与访问、多集群全局监控、应用容灾，同时支持连接并管理任何地域、任何基础设施上的 Kubernetes 集群，提供一致的管理和社区兼容的 API。...
龙蜥社区首推“分层分类”顶设 发展以云为终态的开源产业创新生态
龙蜥社区技术委员会主席杨勇做了《OpenAnolis 社区技术发展报告》的主题演讲，分享龙蜥社区如何从 0 到 1 实现原生社区布局，以及发展以云为终态的开源产业创新生态。
Boosting Few-Shot Visual Learning with Self-Supervision（代码理解）
Boosting Few-Shot Visual Learning with Self-Supervision（代码理解）
Improving Few-Shot Learning with Auxiliary Self-Supervised Pretext Tasks（代码理解）
Improving Few-Shot Learning with Auxiliary Self-Supervised Pretext Tasks（代码理解）
Improving Few-Shot Learning with Auxiliary Self-Supervised Pretext Tasks（论文解读）
Improving Few-Shot Learning with Auxiliary Self-Supervised Pretext Tasks（论文解读）
今日推荐
周排行