原创 概率密度函數和最大似然法

一、離散型隨機變量和連續型隨機變量 離散型隨機變量:隨機變量的值只能取自然數。0、1、2、3等 連續型隨機變量:隨機變量的值取實數。可以帶小數點如1.5 二、概率分佈函數和概率密度函數 概率分佈函數:離散型隨機變量概率函數取值的累加結果。

原创 sigmoid、tanh和ReLU

sigmoid的缺點: 1.神經元接近0或1時會飽和,導致梯度消失。 2.sigmoid取值範圍[0,1],不是0中心的。影響反向傳播時梯度下降的運作,梯度要麼正數要麼負數,權重更新Z字型下降,不過算是個小問題。 tanh是一個簡單放大的

原创 深度學習防止過擬合方法

1.丟棄法(dropout) 隨機設置某些節點的輸出置爲0,總輸出不再依賴於這些神經元。使用丟棄法不會改變隱層節點的期望。 訓練過程中因爲每個節點都可能被丟棄,所以輸出不會過分依賴於某些節點,防止過擬合。 測試過程中爲得到確切的輸出結果不

原创 python threadpool使用

import time import threading import threadpool def test(a, b): print threading.current_thread(), a, b time.s

原创 VSCode安裝go語言開發環境,go插件問題解決

在安裝go插件時,會自動更新很多依賴庫文件,都是從Github更新下來,但是因爲Github的文件中,多有應用go官網中的文件,導致,因爲網絡緣故,不能直接下載,導致安裝失敗   這些失敗的庫,不是沒有下載下來,而是以來的文件在go官網上

原创 導入kubernetes的sdk失敗(ImportError: cannot import name UnrewindableBodyError)

錯誤信息: 解決辦法: 重裝urllib3庫 pip uninstall urllib3 pip install urllib3

原创 堆排序python實現

data = [3,5,2,90,33,1,25,32,44,12,55,24,1] # 調整堆的函數,從底往上調整,每次調整一組父子節點位置 def convert(l, i, n):     j = 2*i + 1     whil

原创 kubeadm安裝後node節點無法ready

具體表現如下 查看系統日誌發現錯誤如下 在master節點 vim /etc/systemd/system/kubelet.service.d/11-cgroups.conf 添加 [Service] CPUAccounting=tr

原创 快速排序python實現

data = [45,3,2,6,3,78,5,44,22,65,46] def quickSort(data, start, end): i = start j = end # i與j重合時,一次排序結束

原创 歸併排序python實現

data = [45,3,2,6,3,78,5,44,22,65,46] # 合併函數,將相鄰的兩個區間合併爲一個 def merge(a, b): result = [] i = j = 0 while i<l

原创 kubenetes創建pod狀態卡在ContainerCreating

查看系統日誌/var/log/messages,報錯如下 原因是無法按地址下載到pod-infrastructure鏡像 查找該鏡像docker search pod-infrastructure,找一個能用的 查看kubelet配置