很早之前接触到了飞桨（PaddlePaddle）以及PaddleDetection工具，被他们的简单易用吸引，同时，这些工具极大降低了训练模型的门槛并减少了所需时间，非常适合新手入门。在很多实际应用场景也有不俗的表现。

在端侧部署方面，Paddle Lite是飞桨产品栈中用于端侧高性能轻量化AI应用部署的推理引擎，给了移动端等场景更多可能。这款引擎允许我们在很多硬件平台上实现轻量化的高效预测，进行一次预测耗时较短，也不需要太多的计算资源。

那么如果我们想开发一款既能在本地进行预测又能在Android和iOS上面有一致体验的App的话，Flutter无疑是一个好选择。其作为开源移动UI框架已然成为跨平台移动开发一大趋势，在开发时可以保留状态进行热重载，内置许多令人眼前一亮的组件和漂亮的动画，同时还能保证性能达到和原生应用一样。也正因为这样，不少公司开始把自己的应用向Flutter迁移，有许多我们耳熟能详的App其实已经是基于Flutter开发。假如你已经对安卓原生开发十分熟悉的话，不妨去试试。

机器之心报道

机器之心编辑部

萧箫 发自 凹非寺

量子位 | 公众号 QbitAI

几个世纪来，人类都处在被蟑螂支配的恐惧中。

这是一个 Arduino 控制的鸡蛋孵化器。其目的是将温度和湿度保持在规定值，以便孵化鸡蛋并在几天后最终孵化小鸡。

它也可以用来孵化鸡蛋以外的其他东西，比如其他种类的鸡蛋（鸭子、乌龟、鳄鱼……），或细菌或真菌的培养物，即制作酸奶或发酵酵母/酸面团或制作豆豉。

本章内容

1. 因素分解理论
2. 因素分解模型
3. 指数平滑预测模型
4. ARIMA季节加法模型
5. ARIMA季节乘法模型

这是

本章内容

1. 时间序列的定义
2. 时间序列分析方法简介
3. 时间序列分析软件——R简介（本合集不收纳，就是R的安装之类的）

时间序列：

PromQL 是 Prometheus 监控系统的核心查询语言，用于检索、过滤、聚合和计算时间序列数据。

1. 基本概念

本篇文章将总结时间序列预测方法，并将所有方法分类介绍并提供相应的python代码示例，以下是本文将要介绍的方法列表：

1、使用平滑技术进行时间序列预测

• 指数平滑
• Holt-Winters 法

2、单变量时间序列预测

• 自回归 (AR)
• 移动平均模型 (MA)
• 自回归滑动平均模型 (ARMA)
• 差分整合移动平均自回归模型 (ARIMA)

对于SDN初学者而言，最短路径转发应用和负载均衡应用是最常见，也是最适合学习的经典应用。根据链路权重参数的不同，主要有基于跳数、时延和带宽的几种最短\最优路径转发应用。根据链路可用带宽实现的最优路径转发本质上也是一种网络流量负载均衡的简单实现。本文将介绍笔者在学习过程中开发的网络感知模块和基于网络感知模块提供的网络信息，实现的基于跳数、时延和带宽三种最优路径转发应用。

基于跳数的最短路径转发

基于跳数的最短路径转发是最简单的最优路径转发应用。我们通过network_awareness应用来实现网络拓扑资源的感知并计算最短路径。首先控制器通过下发LLDP报文来获取网络链路信息，然后再利用网络信息，生成网络拓扑图。网络感知应用使用networkx的有向图数据结构存储拓扑信息，使用networkx提供的shortest