DOCKER 多段构建Docker 多段构建（Multi-Stage Build）是一种优化 Docker 镜像大小和构建过程的方法。它允许你在一个 Dockerfile 中定义多个构建阶段，每个阶段都可以有自己的基础镜像、依赖和构建步骤。这样，你可以在最终的镜像中只包含运行时所需的组件，而不包含构建时产生的中间文件和依赖。优势和用途Docker 多阶段构建（multi-stage builds）
转载
2024-06-22 08:53:47
42阅读
技术选型使用阿里云搭建博客最简单的方式就是选择阿里云提供的 WordPress 镜像初始化ECS实例，当然为了实战刚刚学习的 Docker 技术，我们尝试使用 Docker 自行搭建 WordPress 博客平台.利用 Docker ，我们可以将博客划分为业务容器，数据库容器和反向代理容器，将三个服务分别有三个容器承载，也可以理解为一个微服务架构．具体的，三个容器分别使用PHP + WordPre
转载
2024-06-22 09:55:04
48阅读
1、使用模型对未知数据做预测2、利用模型分析数据，找出数据的内在规律，为决策提供支持
原创
2021-08-04 13:56:35
261阅读
1、使用模型对未知数据做预测2、利用模型分析数据，找出数据的内在规律，为决策提供支持
原创
2022-03-15 14:06:34
237阅读
本来是只用Tenorflow的，但是因为TF有些Numpy特性并不支持，比如对数组使用列表进行切片，所以只能转战Pytorch了（pytorch是支持的）。还好Pytorch比较容易上手，几乎完美复制了Numpy的特性（但还有一些特性不支持），怪不得热度上升得这么快。 模型定义 和TF很像，Pyto
原创
2022-01-14 16:34:00
192阅读
目录1引言2BERT刷新的nlp任务3Bert的训练数据预处理解析4以莫烦的教程进行学习4.1Bert训练代码解析4.2前置代码4.3基于莫烦的Bert网络结构部分5以月光客栈掌柜的教程进行学习5.0config的实现5.1Transformer的实现5.1input embedding实现5.2BertModel实现5.3Bert进行文本分类的代码解析5.3.1 数据集预览5.3.2 数据集构建
转载
2023-09-14 12:34:18
150阅读
本文将从零开始，仅仅利用基础的numpy库，使用Python实现一个最简单的神经网络(或者说是简易的LR，因为LR就是一个单层的神经网络)，解决一个点击率预估的问题。感兴趣的朋友跟随小白一起看看吧 点击率预估模型0.前言本篇是一个基础机器学习入门篇文章，帮助我们熟悉机器学习中的神经网络结构与使用。日常中习惯于使用Python各种成熟的机器学习工具包，例如sklearn、TensorFlow等等，来
转载
2023-10-07 17:45:42
182阅读
3.1 构建PyTorch项目的基本配置 调用常用的库：import os
import numpy as np
import torch
import torch.nn as nn # 常用的神经网络库
from torch.utils.data import Dataset,DataLoader # 数据集及读取器
import torch.optim as optimizer # 优化器库
转载
2023-08-08 13:15:06
117阅读
本节内容参照小土堆的pytorch入门视频教程，主要通过查询文档的方式讲解如何搭建卷积神经网络。学习时要学会查询文档，这样会比直接搜索良莠不齐的博客更快、更可靠。讲解的内容主要是pytorch核心包中TORCH.NN中的内容(nn是Neural Netwark的缩写)。通常，我们定义的神经网络模型会继承torch.nn.Module类，该类为我们定义好了神经网络骨架。卷积层对于图像处理来说，我们通
转载
2024-05-21 09:00:05
124阅读
搭建神经网络的八股文 tf.keras 搭建神经网络六部法第一步：import 相关模块，如 import tensorflow as tf。第二步：指定输入网络的训练集和测试集，如指定训练集的输入 x_train 和标签y_train，测试集的输入 x_test 和标签 y_test。第三步：逐层搭建网络结构，model = tf.keras.models.Sequential()。 # 见名词
转载
2024-04-07 21:22:30
94阅读
文章目录TF的模型搭建1.回归问题1.1 数据生成1.2 高阶API实现1.3 中阶API实现1.4 最基础API的实现2. 分类问题2.1 数据生成2.2 高阶API实现2.3 中阶API实现2.4 低阶API实现结束 TF的模型搭建总的来说常见带监督的机器学习问题分为两类：分类和回归，我们使用Tensorflow来解决这些问题的时候就得自己搭建网络模型，但是对于TensorFlow不同级别的
转载
2024-04-07 20:08:09
60阅读
1. torch.nn.Sequentialtorch.nn.Sequential 是一个 Sequential 容器，能够在容器中嵌套各种实现神经网络中具体功能相关的类，来完成对神经网络模型的搭建。模块的加入一般有两种方式，一种是直接嵌套，另一种是以 OrderedDict 有序字典的方式进行传入，这两种方式的唯一区别是：使用 OrderedDict 搭建的模型的每个模块都有我们自定义的名字。直
转载
2023-10-13 21:14:14
63阅读
如果直接阅读本文，您可能有些不知所云，这是因为我用很多篇幅讲了一个事情，如果想知道上下文，那么建议您从本专栏第22章看起：Python3开发–22–了解Django框架一、定义数据模型定义模型字段，每个模型字段对应数据表的某个字段，字段以aa = models.bb(cc)格式表示，我们详细讲解一下bb都有哪些字段类型：序号字段字段说明1AutoField自增长类型，数据表的字段类型为整数，长度为
转载
2023-10-11 08:50:13
401阅读
在Ubuntu20.04TLS环境下搭建ns2模拟环境（ns-2.35） 文章目录在Ubuntu20.04TLS环境下搭建ns2模拟环境（ns-2.35）前言一、安装准备工作二、安装开始喽~~1.编译安装ns-allinone-2.35?2. 配置环境变量！！3.看看安装成功了么？总结参考 前言由于课程需要使用ns2对无线网络节点工作原理进行模拟，故搭建，并记录下操作步骤，同时也为其他需要搭建ns
转载
2024-04-03 13:22:41
106阅读
例子一：建立一个简单的神经网络模型，主体是使用torch.nn.Sequential完成神经网络的模型建立，使用SGD方法优化模型参数，代价函数选择torch.nn.MSELoss()完成（均方误差代价函数）注意：程序是在jupytpycharmer notebook完成的，和pycharm之类的可能有细微不同（比如print）import torch
import torch.nn as nn
转载
2023-09-22 10:53:31
182阅读
使用 Docker 搭建 ELK 环境本文将聊聊如何使用 Docker 搭建 ELK （Elasticsearch、Logstash、Kibana）。文章将分两个部分对搭建进行介绍，用于开发测试以及一般分析需求的环境，以及弹性扩容后可以用于一般生产的环境。因为借助于方便的 Docker，完整操作时间不超过 15 分钟，如果你对 Docker 还不熟悉，可以浏览之前的文章。写在前面为了方便搭建，我们
转载
2024-07-23 10:24:15
110阅读
1. bridge桥接模式，也是容器默认的模式；容器有自己的Network NameSpace，docker会自动为容器配置网络栈
docker在宿主机上默认创建一个docker0的网桥，docker0根据Mac地址学习将数据转发到不同的端口
Veth Pair：Veth Pair设备被创建后，总是以虚拟网卡的形式成对出现，从其中一个虚拟网卡发出的数据可以直接出现在另一个网卡上，即使两张网卡在不同
转载
2023-06-12 20:19:19
119阅读
Tensorflow1.0 搭建模型一、搭建深度学习模型的区别（背过！！！）Tensorflow1.xTensorflow1.x最重要的在于Graph的概念，个人认为搭建相对较为麻烦，但是tf1.x也较为灵活。Tensorflow2.xTensorflow2.x兼容keras，非常好用。对于Tensorflow1.0， &nbs
转载
2024-03-17 22:24:32
50阅读
