高密度分布式ARM通用计算集群

1.通用架构，ARM计算单元，标准的软件开发环境
2.绿色节能，处理同样并发数能耗下降20倍以上
3.容器架构，计算任务在容器间调度比较容易
4.微服务接口，容器和微服务天生的一对，应用加载更方便
5.规模接入，计算单元在一台服务器中高密度部署，支持不同规模的灵活接入和部署

对抗性神经网络原理

一个GAN框架，最少（但不限于）拥有两个组成部分，一个是生成模型G，一个是判别模型D。

在训练过程中，会把生成模型生成的样本和真实样本随机地传送一张给实样本随机地传送给一张给判别模型D。判别模型D的目标是尽可能正确地识别真实样本（输出为“真“，或者1），和尽可能正确地揪出生成的样本，也就是假样本（输出为“假”，或者0）。而生成模型的目标和判别模型相反，就是尽可能最小化生成判别模型揪出它的概率。

这样G和D就组成了一个可递归的对抗训练模型，在训练过程中双方都不断优化自己，直到达到平衡——双方都无法变的更好，也就是假样本与真样本完全不可区分。