azure 神經網路
像azure這樣的雲服務直接提供了許多安全功能，尤其是當您使用它們的平台服務時。 但是虛擬基礎架構非常類似於物理基礎架構，將虛擬機器與軟體定義的虛擬網路相連。 因此，他們需要與您自己的資料中心和您自己的應用程式基礎結構相同的安全性和網路管理工具。
兩項服務是保護和管理azure託管網路的關鍵，重點放在雲旅程的不同部分。
[定義： 什麼是無伺服器計算 。|入門： 無伺服器計算的開發人員指南 。|現在就建立它們！5用於無伺服器框架 。]
這兩個服務之間沒有衝突。 azure防火牆可以幫助您入門，並且可以使用它來構建應用程式，直到傳統的路由和負載平衡技術開始失敗。 那就是在您將front door新增到體系結構中時，在現有網路工具之上新增乙個新層。 它們可以留在原處作為front door的備用，或者一旦您對front door的操作方式滿意後就可以將其卸下。
azure防火牆是一種熟悉的現代防火牆的雲實現，一旦將其新增到虛擬網路中就可以使用。 它管理往返公共網際網路的傳入和傳出流量，以及與azure vpn和expressroute之類的服務整合。 最後乙個選項也許是最重要的選項之一，因為它還可以幫助您管理混合基礎架構，保護將本地服務與雲鏈結的流量。
通過將防火牆新增到表面上專用的連線中，您可以在兩個截然不同的操作模式和兩個單獨的信任區域之間放置乙個保險開關。 本地系統可能會隨著時間的推移而發展，並且您將不會提公升和轉移那些現有的基礎架構。 分離新舊基礎結構很有意義，因為它可以確保乙個網路不影響另乙個網路。
使用azure防火牆與使用任何基於規則的防火牆管理工具非常相似：您可以使用應用程式和網路控制項設定入站和出站規則。 考慮到虛擬基礎架構，它專注於保護託管您的虛擬伺服器和資源的azure子網，控制您的基礎架構可以訪問哪些資源以及對系統的訪問。 因此，例如，如果您使用github作為構建管道，則可以授予虛擬伺服器訪問github的許可權，以獲取應用程式更新。
乙個azure防火牆例項可以保護多個子網，每個子網具有單獨的規則。 這樣，您可以為應用程式提供乙個面向客戶的子網以及管理子網，乙個子網可以從任何ip位址訪問，另乙個子網可以從azure vpn的位址訪問。 可以使用與azure託管的虛擬網路幾乎相同的方式來管理本地子網。
更複雜的場景可能需要使用cloud shell，而不是門戶，使用powershell來管理網路資源和azure防火牆規則。
azure前門採用了一種非常不同的方法來管理您的雲託管網路和服務。 一種用於將分布式微服務鏈結到單個全域性應用程式的工具，它管理在多個區域中實現的azure應用程式。 混合路由規則和負載平衡，可以將使用者定向到將獲得最佳效能的區域。 那可能是路由到乙個地理上的本地區域，或者是乙個不那麼繁忙的區域，或者甚至是遠離當前發生故障的區域。
通過前門管理的服務被視為池， 路由規則處理前門服務的連線。 您還需要配置前端主機名，這是您提供給使用者的位址。 池中的服務不需要具有完全自定義的網域名稱； 它們可以保留在預設的azurewebsites.net域上。
路由到池服務可以通過延遲，優先順序或流量加權來處理。 還可以選擇設定會話關聯性規則，以便將使用者會話連線到服務後，所有使用者流量都將傳遞到同一服務。
借助對內建web應用程式防火牆的支援，您的http服務得到了保護。 通過在http流量（包括ssl）進入您的應用程式時對其進行檢查，front door可以降低應用程式的風險，在提供ssl加速服務的同時在邊緣保護它。 還有ddos保護，可將攻擊資料報丟棄在分布式雲應用程式的邊緣。
儘管front door對使用者來說是新的，但這並不是一項新服務：它是位於microsoft自己的服務前面的現有工具的商業化。 通過將其新增到您的應用程式中，您將獲得一系列已在bing，office 365和xbox上得到證明的服務的好處，並且僅具有與熟悉的azure門戶整合的使用者體驗。
在軟體定義的網路中，控制平面和資料平面之間的分離正在將過去大量的網路工程師轉移到應用程式領域。 azure的網路工具是此更改的一部分，提供了基於策略的網路，該網路可處理後端混合雲流量和面向客戶的網路服務。
當前，這幾乎是一種混合雲方法，客戶使用mpls高速專用連線和到azure的託管vpn連線的混合。 當需要專用連線來管理資料時，mpls可以很好地工作，而vpn則允許您使用現有的internet連線。
翻譯自:azure 神經網路
如何除錯神經網路（深度神經網路）？
神經網路的除錯基本上難於絕大多數的程式，因為大部分的神經網路的錯誤不會以型別錯誤或執行時錯誤顯現，他們只是使得網路難以收斂。如果你是乙個新人，這可能會讓你非常沮喪。乙個有經驗的網路訓練者可以系統的克服這些困難，儘管存在著大量似是而非的錯誤資訊，比如 你的網路訓練的不太好。對缺少經驗的人來說，這個資訊...
神經網路的認識（二）深層神經網路
損失函式 神經網路優化演算法 神經網路進一步優化 深層學習有兩個非常重要的特性 多層和非線性 線性模型的侷限性，就是任意線性模型的組合仍然還是線性模型。所以引出啟用函式，經過啟用函式變換完的輸出就不再是線性的了。如果將每乙個神經元 也就是神經網路中的節點 的輸出通過乙個非線性函式，那麼整個神經網路的...
卷積神經網路 有趣的卷積神經網路
一 前言 最近一直在研究深度學習，聯想起之前所學，感嘆數學是一門樸素而神奇的科學。f g m1 m2 r 萬有引力描述了宇宙星河運轉的規律，e mc 描述了恆星發光的奧秘，v h d哈勃定律描述了宇宙膨脹的奧秘，自然界的大部分現象和規律都可以用數學函式來描述，也就是可以求得乙個函式。神經網路 簡單又...