SD-WAN:从概念验证转向实施部署市场调查

全球五分之一的公司已经实施了最初的软件定义的广域网(SD-WAN)项目,而更多的公司还正处于概念验证阶段。

937d721e9129914f40cf8c992869659e05e32fcd

根据Teneo的调查结果,Teneo是一家“即服务”技术提供商。该研究与Sapio Research一起进行,并对美国和英国的200名高级IT和网络管理人员进行了调查,发现公司网络资源和预算的压力越来越大,这使得公司开始转向研究SD-WAN的潜力,同时也提到了网络复杂性的增加。

根据该报告,超过三分之一的组织IT预算用于维护日常任务,另有三分之一的人表示他们使用“即服务”模式来保持维护。更重要的是,公司“巧妙地融合连接选项”以帮助提高网络性能,38%的受访者希望获得更多的MPLS,22%的人希望获得更多的互联网连接,20%的人希望将互联网和MPLS结合起来。

因此,SD-WAN被视为可行的选择。39%的受访公司表示,他们正在考虑全球网络供应商来帮忙部署公司的网络,而24%的公司分别关注电信提供商和管理咨询公司。只有8%的受访者表示他们正在寻找专业的SD-WAN供应商。

“网络管理人员正在研究SD-WAN策略,目的是希望该策略以标准化的方式运行多个网络环境。无论最初原因是让SD-WAN部署更简单、成本较低还是改变关键应用程序在公司的运营中表现。”Teneo首席技术官Marc Sollars表示。

“许多公司显然已经在SD-WAN上投入了大量工作,或者进行了概念验证,但是当这个测试阶段何时开始转化为企业级实施时,仍然很难说,”Sollars补充说。“在许多方面,SD-WAN带来的广泛选择正是公司对SD-WAN犹豫不决的原因。”

根据IDC 本月早些时候的一项研究,整个SD-WAN基础设施市场到2022年将价值45亿美元,称其为“多年来转型最快的行业之一”。


原文发布时间为:2018-09-5

本文来自云栖社区合作伙伴“SDNLAB”,了解相关信息可以关注“SDNLAB”。

【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值