漏洞名称 : Apache Solr 任意文件删除漏洞组件名称 : Apache Solr影响范围 : Apache Solr <= 8.8.2漏洞类型 : 任意文件删除利用条件 : 1、用户认证：不需要用户认证2、触发方式：远程综合评价 : <综合评定利用难度>：容易，无需授权即可删除任意文件。<综合评定威胁等级>：高危，可删除服务器任意文件。漏洞分析：1 组件介绍Apache Solr是一个开源的搜索服务器。具有高度可靠、可伸缩和容错的，提供分布式索引、复制和负载平衡查询、自动故障转移和恢复、集中配置等功能。Solr为世界上许多最大的互联网站点提供搜索和导航功能。Solr 使用 Java 语言开发，主要基于 HTTP 和 Apache Lucene 实现。Apache Solr 中存储的资源是以 Document 为对象进行存储的。每个文档由一系列的 Field 构成，每个 Field 表示资源的一个属性。Solr 中的每个 Document 需要有能唯一标识其自身的属性，默认情况下这个属性的名字是 id，在 Schema 配置文件中使用：<uniqueKey>id</uniqueKey>进行描述。2 漏洞描述安全团队监测到一则Apache Solr组件存在任意文件删除漏洞的信息，漏洞编号：暂无，漏洞威胁等级：高危。该漏洞出现在默认配置的PingRequestHandler中，攻击者可利用该漏洞在未授权的情况下，构造恶意数据，删除服务器任意文件。3 漏洞复现搭建Apache Solr组件8.8.2版本环境，复现该漏洞，效果如下：影响范围：全球约有一万多台服务器使用了Apache Solr组件，在国内可能受Apache Solr任意文件删除漏洞影响的资产主要分布于浙江、北京、上海、广东等省市。目前受影响的Apache Solr版本：Apache Solr < = 8.8.2解决方案：1 如何检测组件系统版本访问默认路径http://ip:port/solr/，进入Web主界面，查看对应版本：2 官方修复建议当前官方暂未发布相关安全通告，请及时关注官方最新安全通告或最新版本。链接如下：https://solr.apache.org/downloads.html3 临时修复建议该临时修复建议存在一定风险，建议用户可根据业务系统特性审慎选择采用临时修复方案：1、将Apache Solr组件部署在内网场景，禁止暴露在外部。2、增加用户权限控制在security.json中配置身份校验插件， 代码示例如下：{ "authentication" : {"class": "class.that.implements.authentication" }, "authorization": { "class": "class.that.implements.authorization" }}SolrCloud模式时，需将对应文件security.json上传到ZooKeeper。以下命令在上传文件时可将其写入文件：>server/scripts/cloud-scripts/zkcli.sh -zkhost localhost:2181 -cmd put /security.json '{"authentication":{"class":"org.apache.solr.security.KerberosPlugin"}}'独立模式时，需将创建好的security.json放置在$SOLR_HOME安装目录中生效。

【功能模块】Mindspore源码安装【操作步骤&问题现象】1、依照https://www.mindspore.cn/install/ 执行源码安装2、编译Mindspore：bash build.sh -e ascend以下错误重复出现后出错退出！file='/home/test_user03/mindspore/build/mindspore/_deps/grpc-subbuild/grpc-populate-prefix/src/v1.27.3.tar.gz'-- MD5 hash of    /home/test_user03/mindspore/build/mindspore/_deps/grpc-subbuild/grpc-populate-prefix/src/v1.27.3.tar.gz  does not match expected value    expected: '0c6c3fc8682d4262dd0e5e6fabe1a7e2'      actual: 'd41d8cd98f00b204e9800998ecf8427e'-- Hash mismatch, removing...CMake Error at grpc-subbuild/grpc-populate-prefix/src/grpc-populate-stamp/download-grpc-populate.cmake:159 (message):  Each download failed!    error: downloading 'https://github.com/grpc/grpc/archive/v1.27.3.tar.gz' failed【截图信息】【日志信息】（可选，上传日志内容或者附件）

导语：「我最引以为豪的身份，就是开源社区的一个贡献者。」堵俊平淡淡地说道。在开源社区中，经常会遇到那么一些人，他们在社区中积极参与开源项目，为开源项目的发布者提供解决方案或看法，更有甚者，为提供者贡献出自己敲下的一行行代码。在这个社区中，他们没有国界之分、没有语言之分，他们的共同语言，就是那一串串代码。而在这些代码的背后，他们的身份各异——或许是个人开发者，又或许是科研机构的大咖，也不乏世界领军企业的IT大咖。 就在这些人群中，有这么一个人，他是开放原子开源基金会TOC（技术监督委员会）主席，Apache软件基金会Member， Apache Hadoop PMC ＆ Committer以及Apache NuttX， YuniKorn等项目导师。对于如此多的头衔，他淡淡地说：「我最引以为豪的身份，就是开源社区的一个长期贡献者。」他就是堵俊平，现就职于华为计算产品线副总裁、云与计算开源业务（OSDT）总经理，负责华为在云与计算领域整体的开源工作。 据了解，堵俊平加入华为前，曾历任腾讯开源联盟主席／数据平台部总监，Hortonworks Hadoop核心团队（美国）负责人等角色，积累大量在云计算，大数据以及开源领域长期的研发、管理和业务经验，具有广阔的技术视野和业界影响力。 作为业内大咖，堵俊平应邀参与了由开源科技OSTech、Linux Foundation、腾讯开源联盟、华为、南方科技大学等企业和组织，在2021年3月9日联合发起的第一届「开源科技节」。 在本次大会上，最重要的一项成果便是正式成立了中国首个高等院校开源俱乐部——南方科技大学开源俱乐部（OSSCLUB）。 据介绍，南方科技大学开源俱乐部由南方科技大学学工部就业指导中心、电子与电气工程系统指导，Linux Foundation、腾讯、华为、开源科技OSTech等企业和开源组织联合支持发起。 南方科技大学开源俱乐部的成立，将更好地推动我国开源产业的全面发展，为未来的开源事业发展提供了夯实的基础及平台。 开源，未来市场的趋势 随着计算机技术的发展，尤其是互联网技术和相关企业的兴起，开源软件在操作系统、编译工具链、数据库、WEB服务器、移动操作系统等各个方面已经成为主流，许多企业利用开源软件形成了独特的商业模式。 「欧美的开发者们在经过早期的‘个人英雄主义’，到互联网企业加入，再到真正的开源，他们不仅形成了完整的产业链，也形成了完善的商业模式。」堵俊平在采访中说道。 而最具代表性的则是Google及微软两家企业。 据了解，Google旗下的Android系统从2007年开源发布第一个版本起，如今已经发展到Android 11，并计划在今年5月8日发布Android 12。而Android系统，已经占据了智能手机操作系统一半以上的市场份额，Google也通过Android操作系统在移动互联网这一新兴行业中占据了领先和主导地位。 而作为全球软件巨头的微软，面对开源也曾表示「开源软件是知识产权的癌症」，但在面对市场的发展，其连续数年超越Facebook、Google，成为全球最大开源社区GitHub排行版的第一，同时还在2018年收购GitHub，成为开源最大的「拥抱者」。除此之外，开源已经形成了一股推进软件及相关行业不停进步的巨大力量，在我们日常生活中，已经被开源软件完全渗透——从电脑到手机，从家电到数码产品，尤其是互联网服务器端软件，几乎全部是开源软件。开源，趋势已定。 从「免费」走向「商业」 而在国内，由于我国互联网普及时间相对较晚，我国开源市场仅仅经历了二十余年的发展，在开源项目及实力方面尚未达到欧美的级别。而在这一过程中，由于观念及市场问题，我国开源大部分时间处于免费状态，开发者参与开源项目，大多处于个人爱好或学术交流，这一状态，使我国开源发展受到一定的阻碍。 据CSDN发布的《2019－2020 中国开发者调查报告》数据显示，65％开发者不曾在开源上获得收入，而77％的开发者每周在开源投入时间不超过5小时，1小时以内的占31％。堵俊平表示，由于历史遗留问题，导致大量用户依然保留开源软件是「免费」的观念，面对这一问题，需对我国开源进行商业模式的创新，从而逐步改变当下的环境。为此，以华为、腾讯等企业为首的行业巨头，纷纷把开源列为公司级发展战略——「华为作为一家以硬件为中心的科技企业，其正在向以生态为中心的科技企业发展和转变，开源能形成天然的开放合作平台，可以让合作伙伴能更好的参与其中，形成开放式的合作。」堵俊平说道。 也正是这些领军企业所推出的开源模式，有效的改变了国内开源事业的发展。但把开源项目商业化并不容易——对于部分人而言，一旦开源项目商业化，将阻碍软件的发展，使开源项目偏离初始的目的。对此，堵俊平认为开源与商业化之间并不矛盾，他从两个角度分享了自己的观点：开源是一种新的合作协同机制、新的软件开发方法，它与商业化没有任何矛盾或冲突的地方；开源能有效推动软件的发展，使软件更好的提升用户生产率，为用户创造商业价值，从而更好的反哺开源。但堵俊平也表示，开源有很强的利他文化竞争，并不希望商业影响到开源精神。携手共创新时代 对于开发者来说，沟通是依靠一串串代码，但对于部分国家来说，这一串串代码代表的是国家科技——近两年，某些国家不断对我国科学技术进行打压，这不仅仅影响了双方企业发展，同时也导致部分企业不再愿意对软件进行开源，避免软件被恶意破坏或篡改。 面对这种环境，堵俊平说道：「开源事业是全球性质的，不应该被设置‘壁垒’，这种方式将阻碍开发者的联合创新，并不利于产业的发展。」 同时，堵俊平也提到，从国内环境来说，应该聚集国内开发者，并保持紧密联系，其次也欢迎全球开发者加入到开源社群中，一起开拓创新，推动产业的发展。而开源俱乐部的成立，则是最佳的体现。华为作为开源俱乐部的重要参与者之一，对于本次开源俱乐部的成立表现出极大的热情。对于华为来说，自从其2019年来提出了软件开源的战略后，华为开源重心落在了基础软件层面。为此，华为在2019年开始，逐步开源了MindSpore、openEuler、openGauss、Harmony等系统。随着开源俱乐部的成立，堵俊平表示，开源俱乐部的成立能有效把开发者、企业、基金会拉在一起，不仅可以有效聚拢产业，同时可以正确地培养人才、储备人才、使用人才；对于华为来说，则是希望通过与开源俱乐部的合作，推动中国开源产业的底层人才构建，加强与高校等机构的合作，为中国软件行业输送更多的开源人才。堵俊平最后说道：「华为愿意投入其中，意味着这不再是一个短期计划，而是华为长期的目标。」推 荐阅 读MindSpore社区联合上海交大团队成立了开发者体验SIG组 （Developer eXprerience Special Interests Group，简称DX-SIG组）。2021华为开发者大会（Cloud），将会正式发布MindSpore1.2版本，提供超大模型的训练能力。TinyMS旨在基于MindSpore提供简单有效的高阶API、低运行开销、模块化开发以及敏捷部署。堪称AI开发神器，上手简单又好用！MindSpore官方资料 GitHub :  https://github.com/mindspore-ai/mindsporeGitee：https://gitee.com/mindspore/mindspore 官方QQ群 : 871543426 长按下方二维码加入MindSpore项目↓

参考https://blog.csdn.net/qq_42030961/article/details/82695682 搭建EPC的模拟环境，要用到欧洲的网站gitlab的git资源。发现这个网站的资源必须要提供用户名和密码才能下拽资源。gitlab网站虽然可以访问但是注册用户名却需要google的验证码，当然没有，怎么办？网上说可以用github的用户名密码登录，绕过这一限制，但是现在gitlab已经没有这个登录选项了。oai 搭建EPC，应该已经流行一段时间了，那么就会有很多人已经走完了这个坎，换个地方找找资源。。。nice！

维护网站正常运行是系统管理员最基本的任务之一，所以对系统进行监视，并保持网络的最佳运行状态至关重要。在现代的网络中，有许多不同的方法来监视，网络监控工具专门用于监控网络流量和响应时间，而应用程序性能管理解决方案使用代理从应用程序堆栈中提取性能数据。此外，你还需要确保网站不被攻击。 本文将重点讨论开源网络监控工具，这些工具帮助你监视各个节点和应用程序，以及时发现性能低下的迹象。你还可以查看整个网络的性能。 1、Cacti 如果你对开源网络监控工具有所了解，那么你可能听说过Cacti。它是一个图形化解决方案，Cacti主要是通过rrdtool这个工具来绘图的，被许多网络管理员用来收集局域网中的性能数据。Cacti在Windows和Linux上支持简单网络管理协议(Simple Network Management Protocol, SNMP)，用于创建流量数据图。 Cacti通常使用它通过snmpget来获取数据，脚本返回的值存储在MySQL数据库中，这些数据用于生成图形。 这听起来很复杂，但是Cacti有模板来帮助加速这个过程。你还可以创建一个图形或数据源模板，用于将来的监视活动。 ◆ 地址：    https://www.cacti.net/index.php 2、Nagios Core Nagios Core是最著名的开源监控工具之一。使用Nagios Core，你就可以自动发现设备、监视连接的系统"变坏"和"变好"，并生成复杂的性能图。 支持定制是Nagios Core变得如此流行的主要原因之一。例如，Nagios V-Shell被添加为AngularJS内置的PHP Web界面，该界面基于可搜索表和一个用CodeIgniter设计的RESTful API。 如果需要更多的功能，可以查看Nagios Exchange，它提供了一系列附加组件，可以将附加功能合并到网络监控中。 ◆ 地址：    https://www.nagios.org/projects/nagios-core/ 3、Icinga 2 Icinga 2是另一个广泛使用的开源网络监控工具。它建立在Nagios Core的基础之上，它有一个灵活的RESTful API，允许你输入自己的配置并通过仪表板查看实时性能数据。 Icinga2还允许监视实时和历史性能数据。它为实时监控提供了出色的警报功能，你还可以在Windows、Debian、DHEL、SLES、Ubuntu、Fedora和OpenSUSE上免费下载Icinga 2。 ◆ 地址：     https://icinga.com/products/icinga-2/ 4、Zabbix Zabbix是另一个业界领先的开源网络监控工具，从戴尔到Salesforce的公司都使用它，因为它具有可扩展的网络监控能力，Zabbix在网络、服务器、云、应用程序和服务监控方面做得非常好。 你可以通过Zabbix可以跟踪网络信息，如网络带宽使用、网络健康状况和配置更改，并排除需要解决的问题。与其他开源监控工具相比，Zabbix提供了很高的便利性。诸如它可以自动检测连接到网络的设备。 ◆ 地址：     https://www.zabbix.com/ 5、Prometheus Prometheus是一个开源的网络监控工具，它专为监控时间序列数据而构建。你可以按时间长度标准或关键词对来标识时间序列数据。时间序列数据存储在本地磁盘上，以便在紧急情况下轻松访问。 Prometheus的Alertmanager负责消息通知，Alertmanager可以通过电子邮件，PagerDuty或OpsGenie发送通知，如有必要，你也可以关闭警报通知。 Prometheus的UI元素非常出色，允许你从浏览器切换到模板语言和Grafana集成。你还可以将各种第三方数据源从Docker，StatsD和JMX中集成到Prometheus中，来自定义Prometheus。 ◆ 地址：     https://prometheus.io/ 在这五种方法中，我认为Icinga 2和Zabbix是最好的选择，可以为你提供所有你需要的东西，让你开始监控你的网络，让它时刻保持在线，并最大限度地减少由于性能问题而导致措手不及的状况。

背景今天遇到一个问题，线上打包项目的时候报错：说是文件没找到。我去看了看，发现没有问题呀；找了半天没看出毛病，于是我尝试了一下本地打包。发现打包成功了，没有报错。这就奇怪了，怎么会呢解决过程找了半天也没找到问题在哪。于是我准备通过控制变量法来排查问题…保持线上、线下打包环境的一致(node版本等)各种排查问题…最后发现gitlab仓库里的文件和本地的文件不一致呀本地的：gitlab仓库的：文件名的首字母大小写不一致。将本地代码上传，发现gitlab仓库的文件没有任何变化…我把文件删除了，上传代码，再重建文件再上传之后，gitlab仓库的文件名终于也变成小写的了，线上线下一致了。然后再次尝试线上打包，成功了…分析应该是之前文件名是大写的，并且已经上传过代码到gitlab仓库了。后面又将文件名改为小写的了，但是git 大小写不敏感，导致gitlab仓库的文件没有被更新，仍然是大写的文件名。Git大小写不敏感问题解决具体解决如下(打开git Bash)：1、使用 git config --get core.ignorecase 查询，如果为true2、执行 git config core.ignorecase false3、再次执行 git config --get core.ignorecase，会发现已经修改为false了，即开启了GIT仓库的大小写敏感(注意：查询结果为true，则表示本地GIT对大小写不敏感，为false，则对大小写敏感)

以下文章来源于开放原子，作者开放原子今天，我们怀着“共建“、”共治“、”共享”的初心，以理想主义者的赤子情怀，发布“把社区运营也开源”的0xCommops社区召集令。即日起，让我们共同发起一个“把社区运营也开源”的开源社区0xCommops，欢迎一切与开源社区运营相关的项目，我们希望能持续完善开源社区运营体系，共同打造一个开源社区运营的知识库、工具库。欢迎大家挖坑、填坑、使用、传播、围观。开放原子开源基金会X-lab开放实验室Mindspore社区开源社杜玉杰、黄之鹏、王伟、谭中意、姜宁、郭晧、庄表伟、刘洁 、崔锦国、滕召智……在孵化“社区运营开源”项目这一过程中我们将一起完成以下工作建立共同愿景制定社区路线图鼓励新贡献者加入委派和激发新的倡导者输出社区运营的开源图谱项目将以开源协作的形式公开迭代和评审以轻量级方式进行社区治理，一些初步的建议可参见一号坑草案4月9日@深圳，首次线下0xCommops meetup研讨活动，共商怎么实现0xCommops这么多的小目标（地址：深圳福田区新一代产业园4栋23楼）。网站（建设中）：https://0xcommops.org邮箱：contact@0xcommops.orgSLACK：0xcommops SlackGitee：0xCommopsX-lab开放实验室·王伟开源教育是开源人才的持续发动机，只有解决了人的问题，这项重要的工作才能系统发展，而社区生态建设也是目前各开源社区所面临的共性问题，社区健康发展才能孵化出具有国际影响力的开源项目，进而创建出具有国际影响力的全球化生态。X-lab开放实验室与开放原子开源基金会基于上述共识，结合自身在相关领域的优势，希望通过0xCommops社区合作的形式，广泛开展与开源教育及社区生态任务相关的合作，带动全国乃至全球的开源发展。Mindspore社区·黄之鹏这是一个新一代全场景深度学习训练推理框架开源社区，以“开发者第一”为社区运营核心宗旨，开展创新的全维度开源社区运营。希望与开放原子开源基金会一起，打造立足中国面向全球的优秀开源社区0xCommops。开放原子开源基金会TOC副主席·谭中意自开源软件诞生之日起， 开源社区的运作就一直是开源项目繁荣的关键之一。有很多开源界的专家写了不少这方面的著作和文章来传播经验，在开源日益重要的今天，欣喜的看到国内众多开源同仁在各自领域内都有很多有益的探索，并取得了很好的效果。现在，开放原子开源基金会作为目前首个且唯一的注册在中国的国际开源基金会，希望搭建这样一个平台把这些经验整理起来，一来可以让大家学习借鉴，二来可以为开源界的更多新人尤其是高校学子或新晋工程师提供更好的参考，以便大家更快的融入开源社区，参与社区贡献。当然，开源人做开源事，自然用开源的方式。今天，由开放原子开源基金会牵头，组织国内外一线开源专家发起这个0xCommops开源社区，致力于共同“把社区运营也开源”，希望大家都能积极参与进来。ALC Beijing发起人·姜宁 开源社区的发展与社区运营密切相关，以往这样的事情基本都是靠程序员自己摸索。现在我们把社区运营按照开源项目的方式运作起来，集一线开源社区运营专家的经验与智慧帮助解决大家在开源项目运营过程中的痛点问题，这将极大造福还在黑暗中摸索的程序员们！现在就加入“0xCommops”这个大家庭吧！开放原子开源基金会·原子僧郭晧我们都是社区人，开源社区都是高尚人。在开放原子开源基金会的0xCommops召集令下，集群体的智慧，把开源社区的运营“套路”也开源了。这是中国开源历程的一个重大突破，为国内众多的开源社区提供了指引。十分期待众人拾柴火焰高，一起做出点点滴滴的贡献，开源社区将会呈现欣欣向荣百花齐放的新局面。社区运营开源的坑已埋好，今天你入坑了吗？再不跳，坑就满了……填坑志愿者·刘洁人人都在说Community Over Code，但只有运营俑们都知道，真要做到这三个单词背后藏着的是各种工作细项，每位运营俑都有过挑灯夜战恨不得自己三头六臂的日子。但从今天起，无论你是全职开源运营还是兼职运营的运营俑，你都不再是孤军奋战，0xCommops就是我们的大本营，大家一起来搭建自己的社区运营Community，在这里，不区分企业、职位高低，一切以贡献说话，一起填坑吧 开放原子开源基金会·杜玉杰社区就是人与人的连接，最重要的是这些人聚在一起共同成长，也许技术终将被淘汰，但只要社区在，还可以再创造一个未来。任何值得做的事情都需要多年的努力，社区也不是一天两天就能成长起来的，我们所能做的只有不断学习，不断进步。欢迎加入0xCommops社区，共同探究开源社区运营那些事儿～大龄退役学生哥·崔锦国开源前路多荆棘，需要我们的实践积累，伸出你的友善之手，抚平运营路上的坑洼，加入0xCommops社区，开启开源运营的非凡之旅。开源社·庄表伟开源社区，需要很多非技术性的知识，这些知识同样可以通过开源协作的方式，汇集起来。希望0xCommops这个项目，能够让每一位身在运营大坑里的开源人，互相帮助，互相启发，互相扶植，互相成就。MindSpore官方资料GitHub : https://github.com/mindspore-ai/mindsporeGitee:https : //gitee.com/mindspore/mindspore官方QQ群 : 871543426长按下方二维码加入MindSpore项目↓

漏洞描述:Gitlab是一款基于Git 的完全集成的软件开发平台，且具有wiki以及在线编辑、issue跟踪功能、CI/CD 等功能。2021年3月18日Gitlab官方发布安全更新，修复了一处远程代码执行漏洞，攻击者可构造恶意请求，在Gitlab服务器上执行任意代码，控制服务器。提醒Gitlab用户尽快采取安全措施阻止漏洞攻击。漏洞评级:Gitlab markdown 远程代码执行漏洞 严重。影响版本:Gitlab CE/EE < 13.9.4Gitlab CE/EE < 13.8.6Gitlab CE/EE < 13.7.9安全版本:Gitlab CE/EE 13.9.4Gitlab CE/EE 13.8.6Gitlab CE/EE 13.7.9安全建议:1. 升级Gitlab至安全版本。2. 将Gitlab服务器部署于内网，或通过设置安全组仅对可信地址开放。相关链接:https://about.gitlab.com/releases/2021/03/16/security-release-gitlab-13-9-4-released/#remote-code-execution-via-unsafe-user-controlled-markdown-rendering-options

胡大大的 https://bbs.huaweicloud.com/blogs/245794 一发表，就受到了广泛的关注，张小白也不例外。我们早就是微信好友，朋友圈点赞者，抖音好友，公共号关注者。。。那就跟随胡大大的脚步来一次Ant Teeth Black or not的旅行吧。。。（关于蚂蚁牙黑的科学解释如下：蚂蚁没有牙齿，但是它有个跟牙齿类似的东西，叫做“腭”，有时候它是褐色的。。。  https://www.zhihu.com/question/318850248/answer/643027444  ）。点击 https://marketplace.huaweicloud.com/markets/aihub/datasets/detail/?content_id=00bc20c3-2a00-4231-bdfd-dfa3eb62a46d 打开胡大大提供的数据集，点击下载：选择目标区域为 北京4，目标位置自己去新建一个桶。桶名为 ant-teeth-black-or-not我有个多AZ的套餐，就选择多AZ存储的吧点击立即创建点击确定。返回前一页面，刷新桶列表，选择刚才新建的桶 在该桶下新建文件夹 first-order-motion-model确定后完成下载。耐心等待下载完毕。下载后的文件如下：到华为云代码仓去clone github的代码仓。到devcloud.huaweicloud.com（注意选择 北京4，跟OBS一致）点击新建项目。新建个Scrum项目：AntTeech点击-代码-代码托管选择“普通新建“右边向下箭头，选择“导入外部仓库”https://github.com/AliaksandrSiarohin/first-order-model.git 下一步。确定后导入仓库。等了好久，貌似 华为云抓 github的代码不大靠谱。。。啥也没抓下来。要不然换成gitee过渡下？输入 https://github.com/AliaksandrSiarohin/first-order-model.git  原来已经有人导入过了。。。那就用gitee提供的地址吧https://gitee.com/tao_buaa/first-order-model.git回到devcloud的代码托管新建一个导入：下一步：将代码仓改为 first-order-model-gitee点击确定。耐心等待代码导入的结果吧。。。这个真的很快。。。（华为devcloud的大大们，是不是可以考虑研究下为啥你们从github同步东西慢了。。。难道是因为不如gitee吗？）

想问一下  华为版 fi 的flink  重点构建的 代码 ,有没有开源GitHub , 有分支开源可以看的代码吗? Flink在当前版本中重点构建如下特性：DataStreamCheckpoint窗口Job Pipeline配置表其他特性继承开源社区，不做增强，具体请参 ：https://ci.apache.org/projects/flink/flink-docs-release-1.12/。

项目开发编写代码，然后把代码推送到 GitLab 里存储，通过 GitLab 的 hook 使 Jenkins 执行一些 CI 的过程，比如做一些单元测试，构建 Docker image再把这个 Docker image 调用 helm 部署到开发环境或测试环境在测试环境里通过 Jenkins 触发一个集成测试的功能完成后就可以把它部署到生产环境通过 Kubernetes addon 的方式，把 Prometheus、Grafana 等监控组件部署到集群里，实现一整套从 CI 到 CD 的监控过程

本文首发于公众号：AI有道红色石头的个人网站：红色石头的个人博客-机器学习、深度学习之路redstonewill.com今天给大家介绍一个在 GitHub 上非常火的机器学习实战项目，叫做 100-Days-Of-ML-Code，中文名为《机器学习 100 天》。目前该项目已经收获了 1.7w stars 了。下面是项目地址：Avik-Jain/100-Days-Of-ML-Codegithub.com该项目的起源是 ML 界的网红 Siraj Raval 发起了一个挑战赛：100 Days Of ML Code。他发起的这个项目意在号召大家行动起来，每天至少花费 1 小时的时间来学习提升或者应用编程，连续坚持 100 天，从而更好的理解和掌握机器学习这个强大的工具。积跬步以至千里。而目前 Github 上面最火爆的 100-Days-Of-ML-Code 就是文章开头提到的 Avik-Jain 的机器学习项目，超赞的配图，清晰的知识点梳理，是入门机器学习非常好的项目。下面简单看一下这个热门项目的特色之处吧。目前作者 Avik-Jain 的 100 天计划，已经进行到第 54 天，已有的内容包括：数据预处理、线性回归、逻辑回归、K最邻近算法、支持向量机、深度学习专项课程等，最新的内容已经讲到 Numpy、Matplotlib 等机器学习库。该项目的特色非常鲜明，每天的计划都基本配备了一张高清图解，浓缩的知识总结非常便于消化吸收，而且项目还配备了数据集和代码。下面是一些超赞的配图示例：汉化资源：笔者最近发现有人经过原作者的授权，对该项目进行了汉化和编译，但不单单只是编译，还会在原项目上提交完整的 jupyter 代码。目前该汉化项目也同步更新到了最新版。下面是该项目地址：MLEveryday/100-Days-Of-ML-Codegithub.com目录如下：感谢原作者和汉化者的热心付出和辛勤工作，该项目是机器学习非常好的入门教程，希望对大家有所帮助！更多 AI 干货，请关注公众号：AI有道（ID：redstonewill）——转自知乎/红色石头

萧箫 发自 凹非寺量子位 报道 | 公众号 QbitAI想要入门机器学习，奈何领域的新论文太多，不知道该看哪一篇？自2017年以来，超越SOTA的方法天天有，但往往针对性非常强，不一定是颠覆机器学习圈的重要成果。又回到了熟悉的话题：要想入行，还得看高引用经典论文。这里整合了2012年到2016年的高引TOP 100论文，引用量要求随着年份递减而递增，Hinton、Bengio、何恺明等大牛的论文都在其中，一起来看看吧：清单列表理解、泛化、迁移学习1、Distilling the knowledge in a neural network (2015), G. Hinton et al.http://arxiv.org/pdf/1503.02531arxiv.org这篇介绍了Hinton大神在15年做的一个黑科技技术，Hinton在一些报告中称之为Dark Knowledge，技术上一般叫做知识蒸馏（Knowledge Distillation）。这篇论文的核心思想是通过迁移知识，从而以训练好的大模型得到更加适合推理的小模型。2、Deep neural networks are easily fooled: High confidence predictions for unrecognizable images (2015), A. Nguyen et al.http://arxiv.org/pdf/1412.1897arxiv.org研究结果揭示了人的视觉和目前DNNs的差异。具体来说，卷积神经网络在ImageNet或MNIST数据集上训练都表现良好，但发现通过进化算法或梯度上升处理的图片，DNNs以很高的置信度贴以标签属于某个数据集类（其实不属于这个数据集类）。3、How transferable are features in deep neural networks? (2014), J. Yosinski et al.http://papers.nips.cc/paper/5347-how-transferable-are-features-in-deep-neural-networks.pdfpapers.nips.cc本文通过实验，量化了深度神经网络每层神经元的通用性与特殊性，并对结果进行了展示。网络第一层的特征并非特定于某一数据集或者某一任务，而是通用的特征，它们适用于许多数据集和普遍的任务。在较深的模型层，特征会从通用的特征逐渐转换为更专业的特征（和任务、数据集紧密相关的特征）。4、CNN features off-the-Shelf: An astounding baseline for recognition (2014), A. Razavian et al.http://www.cv-foundation.org//openaccess/content_cvpr_workshops_2014/W15/papers/Razavian_CNN_Features_Off-the-Shelf_2014_CVPR_paper.pdfwww.cv-foundation.org本文考虑了一种问题，假设有一个现成的，针对某个具体问题A训练好的CNN，仅仅使用它的前几层来提取图像信息，再配合使用一些经典分类器（SVM等），是否可以在其他的问题B,C上也得到比较好的结果？5、Learning and transferring mid-Level image representations using convolutional neural networks (2014), M. Oquab et al.https://www.cv-foundation.org/openaccess/content_cvpr_2014/papers/Oquab_Learning_and_Transferring_2014_CVPR_paper.pdfwww.cv-foundation.orgCNN的学习需要建立数以百万计的参数，并且需要大量已经标注好的图像。这种特性目前阻止了CNN在有限训练集问题上的应用。本文展示了在大规模标记的数据上、用CNN学习出的图像表示，是如何有效地被迁移到其他视觉识别的任务中的。6、Visualizing and understanding convolutional networks (2014), M. Zeiler and R. Fergushttp://arxiv.org/pdf/1311.2901arxiv.org这篇论文的目的，就是通过特征可视化，查看精度变化，从而知道CNN学习到的特征如何。这篇论文阐述了CNN的每一层到底学习到了什么特征，然后作者通过可视化进行调整网络。7、Decaf: A deep convolutional activation feature for generic visual recognition (2014), J. Donahue et al.http://arxiv.org/pdf/1310.1531arxiv.org这篇论文验证了卷积特征在各种场合上的效果，算是transfer learning和一些验证的论文。而且，DeCAF可以算是著名的框架Caffe的前身。优化、技巧方法8、Training very deep networks (2015), R. Srivastava et al.http://papers.nips.cc/paper/5850-training-very-deep-networks.pdfpapers.nips.cc作者提出了一种全新的高速网络结构 (Highway Networks)，用于优化深度神经网络由于梯度爆炸和梯度消失而导致的训练困难的问题。而且，ResNet 的思路和这篇文章所提出的想法有很多相似之处。（小tips，这篇论文发表于 2015 年 05 月份，ResNet 发表于 2015 年 12 月份）9、Batch normalization: Accelerating deep network training by reducing internal covariate shift (2015), S. Loffe and C. Szegedyhttp://arxiv.org/pdf/1502.03167arxiv.org这篇文章引入了BN层，并介绍了引入原因。引入 BN 后，我们可以不用太在意参数的初始化，同时使用更大的学习率，而且也会有正则化的效果，在一些情况下可以不用再使用 Dropout。10、Delving deep into rectifiers: Surpassing human-level performance on imagenet classification (2015), K. He et al.http://www.cv-foundation.org/openaccess/content_iccv_2015/papers/He_Delving_Deep_into_ICCV_2015_paper.pdfwww.cv-foundation.org这篇论文是来自MSRA的何恺明的论文，论文首次公开宣布图像的识别率超越人类水平。11、Dropout: A simple way to prevent neural networks from overfitting (2014), N. Srivastava et al.http://jmlr.org/papers/volume15/srivastava14a/srivastava14a.pdfjmlr.org大牛集结的论文，Hinton、Bengio都有参与。这篇文章对dropout进行了研究，结果表明，在视觉、语音识别、文档分类和计算生物学等方面，dropout都能提高神经网络在有监督学习任务中的性能，在许多基准数据集上都获得了最新的结果。12、Adam: A method for stochastic optimization (2014), D. Kingma and J. Bahttp://arxiv.org/pdf/1412.6980arxiv.org本文展示了如何将优化算法的设计转换为一个学习问题，使算法能够自动地在感兴趣的问题中利用结构。文中的学习算法由LSTMs实现。13、Improving neural networks by preventing co-adaptation of feature detectors (2012), G. Hinton et al.http://arxiv.org/pdf/1207.0580.pdfarxiv.orgHinton的论文，文章对过拟合问题进行了研究。训练网络时，随机忽略一半的feature detectors能够防止因训练集太小带来的过拟合问题。这能够防止一些detectors联合在一起才起作用的情况，每个神经元预测一个特征有利于提高准确率，这种dropout的方法能提高很多benchmark的成绩。14、Random search for hyper-parameter optimization (2012) J. Bergstra and Y. Bengiohttp://www.jmlr.org/papers/volume13/bergstra12a/bergstra12awww.jmlr.orgBengio的论文，关于超参数优化的方法。论文指出，Random Search比Gird Search更有效。实际操作的时候，一般也是先用Gird Search的方法，得到所有候选参数，然后每次从中随机选择进行训练。无监督学习、生成模型15、Pixel recurrent neural networks (2016), A. Oord et al.http://arxiv.org/pdf/1601.06759v2.pdfarxiv.org本文提出了一个深度神经网络，它根据顺序沿着两个空间维度来预测图片中的像素。这种模型离散了原始像素值的可能性，同时编码保证了整个图片的完整性。对自然图片的分布进行建模一直以来都是无监督学习中的里程碑式的难题。这要求图片模型易表达、易处理、可拓展。16、Improved techniques for training GANs (2016), T. Salimans et al.http://papers.nips.cc/paper/6125-improved-techniques-for-training-gans.pdfpapers.nips.cc本文提出了可以用到GAN上的一些新的结构特征和训练过程。本文主要应用于半监督学习和生成视觉上真实的图像两个方向。使用这种方法，可以在MNIST，CIFAR10，SVHN上达到很好的半监督效果。17、Unsupervised representation learning with deep convolutional generative adversarial networks (2015), A. Radford et al.https://arxiv.org/pdf/1511.06434v2arxiv.org这篇论文旨在帮助缩小监督学习和非监督学习成功运用于CNN上的差距。论文介绍了CNN的一个类，称为深度卷积生成对抗网络（DCGANs），这个网络有着明确的结构约束，并且表明他们对非监督学习有着强烈的可信度。18、DRAW: A recurrent neural network for image generation (2015), K. Gregor et al.http://arxiv.org/pdf/1502.04623arxiv.org本文介绍了深度递归书写器（DRAW）神经网络用于图像生成。DRAW网络是一种模仿人眼空间注意力机制的、带有视觉偏好性的可变自动编码框架，其主要功能是用于复杂图像的迭代构造。19、Generative adversarial nets (2014), I. Goodfellow et al.http://papers.nips.cc/paper/5423-generative-adversarial-nets.pdfpapers.nips.ccGANs来了。论文提出了一个通过对抗过程估计生成模型的新框架，在新框架中同时训练两个模型：一个用来捕获数据分布的生成模型G，和一个用来估计样本来自训练数据而不是G的概率的判别模型D，G的训练过程是最大化D产生错误的概率。在训练或生成样本期间不需要任何马尔科夫链或展开的近似推理网络。20、Auto-encoding variational Bayes (2013), D. Kingma and M. Wellinghttp://arxiv.org/pdf/1312.6114arxiv.orgAEV与GAN是现在生成网络中的两个趋势。文中引入了随机变分推理和学习算法，扩展到大数据集，并且可以在一些温和的差异性条件下、甚至某些棘手的情况下工作。论文表明，变分下界的重新参数化产生了可以使用标准随机梯度法直接优化的下限估计器。21、Building high-level features using large scale unsupervised learning (2013), Q. Le et al.http://arxiv.org/pdf/1112.6209arxiv.orgGoogleBrain中特征学习的原理，通过使用未标记的图像学习人脸、猫脸high-level特征，得到检测器。文章使用大数据构建了一个9层的局部连接稀疏自编码网络，使用模型并行化和异步SGD在1000个机器（16000核）上训练了3天，结果显示，可以在未标记图像是否有人脸的情况下训练出一个人脸检测器。由于文章比较多，此处只介绍前20篇论文，除此之外，还有卷积神经网络模型、目标检测、视频图像处理、NLP算法、RNN模型、强化学习和机器人领域等近年来最经典的论文。对机器学习感兴趣的朋友们，可以点击下方链接，选择自己感兴趣的领域进行学习。传送门机器学习TOP 100论文：https://github.com/terryum/awesome-deep-learning-papers#understanding--generalization--transfergithub.com—完—@量子位 · 追踪AI技术和产品新动态深有感触的朋友，欢迎赞同、关注、分享三连վ'ᴗ' ի ❤——转自知乎/量子位

Pagic + Vercel 极速搭建个人博客❝在中国功夫中，“天下武功，无坚不摧，唯快不破”，在编程的世界里，如何快速搭建一个属于自己的博客呢？那么 Pagic + Vercel 应该是个不错的选择！❞PagicPagic 是一个由 Deno + React 驱动的静态网站生成器。它配置简单，支持将 md/tsx 文件渲染成静态页面，而且还有大量的官方或第三方主题和插件可供扩展，也就意味着您可以自由地开发定制您喜欢的主题风格或者功能插件。相比其他静态网站生成器， Pagic有哪些优势呢？PagicVuePressHexoJekyllHugoSupport md✓✓✓✓✓React/Vue✓✓SPA✓✓Allow tsx in config✓...如此优秀的 Pagic 应该如何使用呢？首先，安装 Deno :# Shell (Mac, Linux):curl -fsSL https://deno.land/x/install/install.sh | sh然后，安装最新版本的 Pagic :deno install --unstable --allow-read --allow-write --allow-net --allow-run --name=pagic https://deno.land/x/pagic/mod.ts初始化 Pagic 项目：mkdir site && cd site && echo "export default {};" > pagic.config.ts && echo "# Hello world" > README.md运行 pagic build:pagic build --watch --serve现在您访问 127.0.0.1:8000 就能看到 「Hello world」 的页面：VercelVercel是一个用于静态站点和 Serverless 功能的云平台，完全符合您的工作流。它使开发人员能够托管网站和web服务，这些网站和服务可以即时部署、自动扩展，并且不需要任何监督，所有这些都不需要配置。部署到 Vercel 需要我们先在项目根目录创建 deploy-vercel.sh 文件：!/bin/sh# Install denocurl -fsSL https://deno.land/x/install/install.sh | sh# Install pagic/vercel/.deno/bin/deno install --unstable --allow-read --allow-write --allow-net https://deno.land/x/pagic/mod.ts# Pagic build/vercel/.deno/bin/deno run --unstable --allow-read --allow-write --allow-net --allow-run https://deno.land/x/pagic/mod.ts build然后在项目根目录创建 package.json :{    "scripts": {        "deploy:vercel": "sh deploy-vercel.sh"    }}Vercel 支持 Github、GitLab、Bitbucket 等方式进行登录：我使用 Github 比较多，因此我在Github 上新建一个仓库 pagic_template :然后将本地的代码提交到 Github：接下来，在 Vercel 网站完成以下步骤：在首页点击导入项目 (Import Project)填写仓库地址，从 Github 导入要部署的仓库，点击继续配置项目信息填写项目名，框架预设默认 Other 即可打包与输出配置，构建命令: npm run deploy:vercel 输出目录: dist (也可以根据自己的配置填写)点击部署，等待部署完成即可访问Blog目前， Pagic 支持三种主题： Default、DOC、Blog，我们尝试修改pagic.config.ts 文件开启 Pagic 的博客模式:export default {    theme: 'blog',    plugins: ['blog'],    title: 'pagic template',    description: 'Use this template to create a Pagic site with the blog theme.',    github: 'https://github.com/hu-qi/pagic_template',    blog: {        root: '/posts/',        social: {          github: 'hu-qi/pagic_template',          email: 'huqi@gpdi.com',          twitter: 'huqii',          v2ex: 'huqi',          zhihu: 'fashaoge'        }      }};在上边的代码中，我们为博客配置了 Title、description等参数，其中 social ，可配置我们的社交账号，默认支持 Github、Email、Twitter、V2ex、Zhihu,当然您也可以自己开发主题或者插件来自定义您想要的。接着我们开始完善博客中常用到的导航、分类、标签、外链等,这时我们需要添加一些目录，如about、archive、links等等，为了统一管理，我们将这些文件夹全部放置在 src目录下,我们的目录结构如下：site                          ├─ dist                       // output   ├─ src                        // input│  ├─ about                   │  │  └─ README.md            │  ├─ archives                │  │  └─ README.md            │  ├─ assets                  │  ├─ categories              │  │  └─ README.md            │  ├─ links                   │  │  └─ README.md            │  ├─ posts                   // maybe write somethings│  ├─ tags                    │  │  └─ README.md            │  └─ README.md               // homepage├─ README.md                  ├─ deploy-vercel.sh           ├─ package.json               └─ pagic.config.ts            配置方面，我们增加了 nav ，并把 srcDir 设置为 src ：export default {+   srcDir: 'src',+   nav: [+       {+         text: 'Homepage',+         link: '/index.html',+         icon: 'czs-home-l',+       },+       {+         text: 'Categories',+         link: '/categories/index.html',+         icon: 'czs-category-l',+       },+       {+         text: 'Tags',+         link: '/tags/index.html',+         icon: 'czs-tag-l',+       },+       {+         text: 'About',+         link: '/about/index.html',+         icon: 'czs-about-l',+       },+       {+         text: 'Archives',+         link: '/archives/index.html',+         icon: 'czs-box-l',+       },+       {+         text: 'Friends',+         link: '/links/index.html',+         icon: 'czs-link-l',+       },+     ],}在移动端， Pagic 也有不错的体验：接着我们在 posts 目录下以markdown的形式写文章，我们可以在 .md 文件头加一些字段以便进行分类统计，如：---title: Pagic + Vercel 极速搭建个人博客author: huqidate: 2021/02/04cover: 'https://assets.vercel.com/image/upload/v1595320886/front/home/globe-texture.jpg'categories:- Blogtags:- Deno- React- Pagic- Vercel---编写一些文章之后，我们的博客看起来很丰富了！此时，我们将代码提交到远程仓库就会自动部署到 Vercal，以后，我们每写一篇文章提交到远程仓库就 Vercal 就能自动部署更新，简直太棒了！感谢多多指教： https://github/hu-qi/pagic_template公众号： 胡琦WeChat： Hugi66

12个城市的接力狂欢——MindCon极客周活动，今天正式启动啦！ 12月14日 上海 首棒开跑的城市是上海，点Star通道已开启，今天（12.14）7:00-24:00在Gitee和GitHub上MindSpore新增的Star数将算入上海城市积分，每个Star为10积分。上海场我们邀请到亚马逊上海人工智能研究院应用科学家王敏捷，通过线上分享的方式，为大家带来主题为Building Efficient Systems for Deep Learning on Graphs的演讲。微信扫描上方二维码报名，上海打call！ 12月15日长沙 接力第二棒的城市是火辣湘情——长沙明天（12.15）7:00-24:00在Gitee和GitHub上MindSpore新增的Star数将算入长沙城市积分，每个Star为10积分。「MindCon极客周」——点亮城市，微信扫描上方二维码报名，为长沙打call！12月16日 武汉  接力第三棒的城市武汉有两位MSG组织者为武汉召集小伙伴们点亮城市，为武汉加油~后天（12.16）7:00-24:00在Gitee和GitHub上MindSpore新增的Star数将算入武汉城市积分，每个Star为10积分。「MindCon极客周」——点亮城市，微信扫描上方二维码报名，为武汉打call！「MindCon极客周」可获得积分的活动内容分为三部分，想在12个城市中积分排名最高，需要您仔细阅读下面的规则，借鉴下文中的例子结合自身优势，充分发挥赢取积分的能力！点Star（新增star积10分）Bugfix（完成bugfix积100分）模型大赛（完成青铜赛段任务积200分） 01点Star活动内容 12个城市接力开启‘点Star’通道，每个城市‘点Star’活动时间为17小时（当天7:00-24:00），后台将统计17小时的活动时间里，MindSpore在Gitee和GitHub官网主仓新增的Star数，用每天的star新增数乘以10所得积分，记为参与‘点Star’活动内容所获得的积分。开启各个城市‘点Star’通道的日期表↓ 参与方式 在Gitee官网为MindSpore点Star：https://gitee.com/mindspore/mindspore在GitHub官网为MindSpore点Star：https://github.com/mindspore-ai/mindspore  举例 1 活动时间：12月14日（7:00-24:00）活动城市：上海Gitee官网新增Star数：200个GitHub官网新增Star数：200个上海的‘点Star’活动得分 =（200 + 200）* 10 = 4000分02Bugfix  活动内容 活动期间（12.14-12.25）将分为两个阶段（阶段一：12.14-12.19；阶段二：12.19-12.25）。第一阶段，每个MSG城市群会有专属任务：提交2个可被合入的bugfix，12个城市共计需完成24个bugfix；第二阶段，12个城市争夺抢分任务：集体参与解决第一阶段各个城市未完成的专属任务，在截止时间抢先提交的bugfix被合入可为所在城市赢得积分。 可获得积分 = bugfix数 * 100即每解决一个bug积100分，bug全部修复可获得2400个积分（24 * 100 = 2400分）。  参与方式 阶段一（12.14-12.19）：专属任务· 12月14日 09:00小助手将在每个MSG城市的活动群发布该城市的专属任务（待解决的2个bug），每个MSG城市活动群接收到的任务不同；· 截止到12月19日 09:00完成任务（修复2个bug），即提交bugfix被合入的城市可获得积分 = 2 * 100 = 200分；阶段二（12.19-12.25）：抢分任务· 12月19日 10:00若在第一阶段截止时间（12月19日 09:00前）2个bug均未修复或仅修复1个bug，小助手将在12月19日 10:00向12个MSG活动群公布未解决的Bugfix题目；· 截止到12月25日 24:00抢先提交可合入的bugfix数越多积分越高，在抢分任务阶段能争分夺秒的为所在城市赢得更多积分！  举例 2 阶段一 完成专属任务12月14日 09:00 - 12月19日 09:00上海MSG成员提交1个可合入的bugfix，有1个bug未解决在此期间上海积分 = 1 * 100 = 100分阶段二 完成抢分任务12月19日 10:00 - 12月25日 24:0012.19 小助手在12个MSG城市群公布了6个未解决bug，截止时间前MSG上海群抢先解决了其中的3个bug，将获得积分 = 3 * 100 = 300分 上海的‘Bugfix’活动得分 = 100 + 300 = 400分 03模型大赛  活动内容 12月25日 24:00前 完成‘青铜段位赛’可获得200积分。还可获得青铜徽章礼盒、HUAWEI WATCH GT 2Pro、500元京东卡、码豆、DevRun 开发者纪念品哟！*青铜段位赛的任务：完成模型训练脚本的迁移启动成功并完成单Step训练。  参与方式 在12月14日-25日期间完成昇腾模型王者挑战赛中的‘青铜段位赛’任务。微信扫描下方二维码关注「昇腾开发者」获取参赛细则↓ 举例 3 MSG上海群成员完成青铜赛段任务上海的‘模型大赛’活动得分 = 200分MindCon极客周活动截止时间12月25日 24:0012月28日公布12个城市积分排行榜和各个城市获得的总积分结合上面3个活动内容的例子上海总积分 = 4000 + 400 + 200 = 4600分MSG上海组织者可获得MindCon激励奖「价值2000元的索尼耳机+价值300元的官方定制卫衣一件」在「MindCon极客周」活动截止前（12月25日24:00）完成Bugfix任务（下文有详细任务介绍），即提交bugfix被合入的报名者将拥有优先进阶为「MindSpore优秀开发者」的权利，MindSpore社区团队会全力协助您完成「MindSpore优秀开发者」考核项目，评选通过后可享有如下「MindSpore优秀开发者」权益：i. 优秀开发者名单官网展示 ii. 获取专属礼品（价值1500元）iii. 官方大会门票、线下meetup等「MindCon极客周」活动期间（12.14-12.25）通过积分评比方式从12个城市选出积分最高的城市，这个城市的MSG组织者将获得惊喜好礼：我们希望在全世界范围征集对AI、深度学习框架MindSpore感兴趣，想学习更多知识，或者想结识更多有意思的人，为开源社区贡献一份力量的开发者，加入MindSpore社区成为MSG的组织者，MindSpore帮助您更快实现目标。有志于成为MSG组织者的朋友们，在公众号后台发送‘MSG组织者’即可报名！无论您是AI研究领域的资深玩家，还是对新奇事物充满好奇的AI零基础小白，欢迎大家报名「MindCon极客周」活动，点亮城市计划——助力城市获得更多积分、赢取惊喜大奖！微信添加下方小助手为好友报名记得备注：城市MindSpore官方资料GitHub:https://github.com/mindspore-ai/mindsporeGitee:https://gitee.com/mindspore/mindspore官方QQ群: 871543426海报制作：吴佳聪责任编辑：程旭总策划：胡晓曼长按下方二维码加入MindSpore项目↓