原创 進程相關
1. 進程的狀態 三種基本狀態 就緒狀態：當進程已獲得除cpu以外的其他資源後，只要獲得cpu，便可立即執行，此時進程的狀態就稱爲就緒狀態 執行狀態：進程已獲得cpu，正在執行 阻塞狀態：正在執行的進程由於由於發生某事件而暫時無
2019-10-26 04:06:26
原创 深度學習（六）——反向傳播計算w對應的梯度
如下圖，從下往上是第一階段，第二階段是從上往下 上圖總結如下圖 上圖中正向傳播過程是綠色的數字，從左導右 上圖中反向傳播（紅色數字，從右到左），算法：求偏導之後將x代入算出結果，比如第一個結點1/x，它的偏導公式在上圖
2019-10-26 04:06:26
原创 mysql
%是0個或多個字符，結合like使用 _是1個字符，結合like使用 concat函數：合併兩個或以上的字符串 replace函數： REPLACE(‘vessel’,‘e’,‘a’) -> ‘vassal’ case
2019-10-26 04:06:26
原创 深度學習（五）——解決梯度消失的三個思路
1. 什麼是梯度消散？ 如下圖u介紹，當用sigmod函數時，當z過大或過小會發現梯度（斜率）接近水平，變成0了，即梯度消失 2. 解決方法 思路一 使用relu函數，因爲relu函數z小於0是，結果恆爲0，z大於0時，結果爲
2019-10-26 04:06:26
原创 深度學習（七）——keras的使用
簡單使用 # 序列模型 # 序列模型屬於通用模型的一種，因爲很常見，所以這裏單獨列出來進行介紹，這種模型各層之間 # 是依次順序的線性關係，在第k層和第k+1層之間可以加上各種元素來構造神經網絡 # 這些元素可以通過一個列表來
2019-10-26 04:06:26
原创 Docker學習（四）——使用網絡
Docker 允許通過外部訪問容器或容器互聯的方式來提供網絡服務。 一. 外部訪問容器 容器中可以運行一些網絡應用，要讓外部也可以訪問這些應用，可以通過 -P 或 -p 參數來指定端口映 射。 當使用 -P 標記時，Doc
2019-09-16 02:45:23
原创 Docker學習（二）——鏡像，容器，倉庫
1. Docker 鏡像 1. 獲取鏡像 可以使用docker pull命令來從倉庫獲取所需要的鏡像。 下面的例子將從 Docker Hub 倉庫下載一個 Ubuntu 12.04 操作系統的鏡像。 下載過程中，會輸出獲取鏡像的
2019-09-16 02:45:23
原创 Docker學習（三）——Docker 數據管理
在容器中管理數據主要有兩種方式： 數據卷（Data volumes） 數據卷容器（Data volume containers） 1. 數據卷 數據卷是一個可供一個或多個容器使用的特殊目錄，它繞過 UFS，可以提供很多有用的特
2019-09-16 02:45:23
原创 Python getattr() 函數
Python getattr() 函數 用於返回一個對象屬性值。 class A(object): bar = 1 a = A() getattr(a, 'bar') # 獲取屬性 bar 值 結果：
2019-09-16 02:45:23
原创 Docker（四）——高級網絡配置
當 Docker 啓動時，會自動在主機上創建一個 docker0 虛擬網橋，實際上是 Linux 的一個 bridge，可以理 解爲一個軟件交換機。它會在掛載到它的網口之間進行轉發。 同時，Docker 隨機分配一個本地未佔用
2019-09-16 02:45:23
原创 深度學習（三）——TensorBoard可視化
import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data max_steps = 1000 learning_rate
2019-09-09 02:26:14
1
原创 docker學習（一）——基本概念
1. 簡介 Docker 是一個開源項目，誕生於 2013 年初，最初是 dotCloud 公司內部的一個業餘項目。它基於 Google 公司推出的 Go 語言實現。 項目後來加入了 Linux 基金會，遵從了 Apache 2.
2019-09-06 02:26:42
原创 深度學習（一）——初識TensorFlow
1. 認識TensorFlow 2. 概念 第二行：b就是w0，Variable是變量的意思 第三行：unniform是範圍是-1到+1之間的均勻分佈，w是784行，100列的數據 第四行：佔位，佔了個空，未來有數據可以
2019-09-03 02:30:12
原创 Centos6安裝docker
CentOS 6.5 的內核一般都是2.6，在2.6的內核下，Docker運行會比較卡，所以一般會選擇升級到更高版本，本次教程升級版本爲4.4.170-1.el6.elrepo.x86_64。 查看Linux版本 cat /
2019-09-03 02:30:12
原创 機器學習（十三）——相似度的計算方法
無監督機器學習特點： 聚類特點： 對於聚類來說，相似性非常重要，下面我們就來看看相似度怎麼算 1. 歐式距離和Jaccard係數 最經典的就是歐式距離（兩點之間的距離，上圖中的二維空間公式） 上圖中右下角的第一個公式就是J
2019-08-29 03:26:54