二、国内现有电力载波通信现状与存在的问题 中国的电网特性、电网结构及居民住宅分布状况使电力线载波通信在应用方面与国外有一些不同 之处。近年来，不少国内公司也推出了自己的电力线载波通信芯片，取得了一些可喜的突破。现有的 电力波通信芯片的技术特点可以从调制方式、传输速率、通信频率、通信功率、EMI 标准、芯片技术 等方面进行探讨。 1、调制方式与传输速率 目前电力线载波通信常用的扩频技术主要有：直接序列扩频、线性调频Chirp和正交频分复用OFDM 等。此外，跳频 FH、跳时 TH 以及上述各种方式的组合扩频技术也较为常用。 国内载波通信产品主要采用直接序列扩频技术。其中东软为 FSK，15 位直序列扩频通信；福星晓 程 DPSK63 位直序扩频；弥亚微为 QPSK 扩频调相、过零同步、分时传输；鼎信为二进制连续相位移频 FSK，过零同步、分时传输。 上述各家的扩频技术各有不同特点。对载波通信芯片性能最直接影响在于可靠性和传输速率。目 前这四家中，传输速率分别为弥亚微，同时提供 200、400、800、1600bps 四种可变速率；东软：330bps； 福星晓程：250/500bps；鼎信：100bps。按照现阶段现场实际应用状况来看 100 至 500bps 速水平仅能 用于普通抄表功能，如果涉及到远程控制（断送电）和管理功能则需要提供更高速率保证。 2、通信频率 关于通信频率，在美国由联邦通信委员会 FCC 规定了电力线频带宽度为 100~450kHZ；在欧洲由欧 洲电气标准委员会的 EN50065-1 规定电力载波频带为 3~148.5kHZ。这些标准的建立为电力载波技术的 发展做出了显着的贡献，目前全球 AMR 系统均采用该频段标准。 国内载波通信芯片中符合欧洲标准的只有 2家，分别是福星晓程 120KHz 和弥亚微 57.6KHz/76.8KHz/115.2KHz 三种可选。 3、通信功率及 EMI 指标 国内东软、福星晓程、鼎信等多数载波通信方案为了针对国内电力信道环境中的衰减，均采取加 大通信传输功率等做法。在实际产品化的过程中，基本上做到 3W 至 5W，有的电表厂甚至做到了 8W， 这种做法是绝对不可取的。首先，这种做法导致电表产生的功耗损失无疑增加的线损，造成大量的能 源浪费，这也有悖于国网公司上集抄系统的初衷；其次，如此大的功率传输将会严重污染电力线信道 环境，我们原来是恶劣的电力线信道环境的受害者，现在却也能成为最大的制造者。 就目前研究了解的情况，国内只有弥亚微的载波芯片 Mi200E 采取低功耗设计。其发送信号时的功 率仅为 0.4W，在保证可靠的通信性能的同时该芯片 EMI 等相关指标满足欧洲标准。 4、芯片技术 严格意义上讲，国内载波通信方案供应商并不完全都是芯片设计研发企业，像东软和鼎信均是采 用 MOTROLA 的 MC3361＋单片机通过软件完成物理层、MAC 层、网络层的模式。

本文来自于infoq，文章介绍了机器学习的各个业务方各个痛点，Kubeflow以及Kubeflow核心组件等相关知识。随着机器学习和人工智能的迅猛发展，业界出现了许多开源的机器学习平台。由于机器学习与大数据天然的紧密结合，基于 HadoopYarn的分布式任务调度仍是业界主流，但是随着容器化的发展，Docker+Kubernetes 的云原生组合，也展现出了很强的生命力。表1.互联网业界机器学习平台架构对比

本文来自于infoq，文章介绍了机器学习的各个业务方各个痛点，Kubeflow以及Kubeflow核心组件等相关知识。随着机器学习和人工智能的迅猛发展，业界出现了许多开源的机器学习平台。由于机器学习与大数据天然的紧密结合，基于HadoopYarn的分布式任务调度仍是业界主流，但是随着容器化的发展，Docker+Kubernetes的云原生组合，也展现出了很强的生命力。表1.互联网业界机器学习平台架构对比在建设分布式训练平台的过程中，我们和机器学习的各个业务方，包括搜索推荐、图像算法、交易风控反作弊等，进行了深入沟通，调研他们的痛点。从中我们发现，算法业务方往往专注于模型和调参，而工程领域是他们

kubeflow需要的镜像

AI领域的Serving框架

奥莱利书将于2021年初发行 AWS上的数据科学 车间介绍 在本研讨会中，我们建立了自然语言处理（NLP）模型，以使用最新的模型表示语言来对示例Twitter注释和客户支持电子邮件进行分类。 为了构建基于BERT的NLP模型，我们使用了，其中包含来自Amazon.com的150亿以上的客户评论，在1995年至2015年的20年期间。特别是，我们训练了一个分类器来预测star_rating （1是坏的，5是从良） review_body （自由形式评论文章）。 车间费用 该讲习班是免费的，但其他费用不到25美元。 车间介绍 工作坊之路 快速入门（多合一研讨会路径） 每个角色的其他车间路径 研讨会贡献者 车间说明 1.登录到AWS控制台 2.安装环境 S3 URL: http://dsoaws.s3.amazonaws.co

kubeflow 使用手冊

Kubeflow社区简介与落地实践.pdf

在kubeflow里面淘出来的tf_operator，使用docker load < tf_operator.tar，load到集群的各个节点

介绍kubeflow 1.0各个组件