layer

CondenseNet特点在于可学习分组卷积的提出，结合训练过程进行剪枝，不仅能准确地剪枝，还能继续训练，使网络权重更平滑，是个很不错的工作   来源：晓飞的算法工程笔记 公众号 论文:Neural Architecture Search with Reinforcement Learning 论文地址： https://arxiv.org/abs/1711.09224 论文代码： https://github.com/ShichenLiu/CondenseNet Introduction   DenseNet基于特征复用，能够达到很好的性能，但是论文认为其内在连接存在很多冗余，早期的特征不需要复用到较后的层。为此，论文基于可学习分组卷积提出CondenseNet，能够在训练阶段自动稀疏网络结构，选择最优的输入输出连接模式，并在最后将其转换成常规的分组卷积分组卷积结构。 CondenseNets   分组卷积能够有效地降低网络参数，对于稠密的网络结构而言，可以将$3\times 3$卷积变为$3\times 3$分组卷积。然而，若将$1\times 1$卷积变为$1\times 1$分组卷积，则会造成性能的大幅下降，主要由于$1\times 1$卷积的输入一般有其内在的联系，并且输入有较大的多样性，不能这样硬性地人为分组。随机打乱能够一定程度地缓解性能的降低

1、主服务器配置 1）、在主服务器创建SSL/RSA文件 #在MySQL5.7之后，安装完毕MySQL会在data目录下自动生成，这里模拟没有这些文件 [root@mysql ~]# mysql_ssl_rsa_setup --user=mysql --basedir=/usr/local/mysql --datadir=/usr/local/mysql/data # 创建一个新的ssl文件 [root@mysql ~]# systemctl restart mysqld # 重启服务 #查看mysql错误日志 [root@mysql ~]# tail -20 /usr/local/mysql/data/mysql.err #报错信息显示是不能获得私钥 #查询后发现没有r权限 [root@mysql ~]# ll /usr/local/mysql/data/server-key.pem -rw------- 1 root root 1679 Jun 17 23:55 /usr/local/mysql/data/server-key.pem [root@mysql ~]# chmod +r /usr/local/mysql/data/server-key.pem [root@mysql ~]# ll /usr/local/mysql/data/server-key.pem -rw-r

场景 使用layer.open弹窗iframe, 但是iframe的高度是可变的, 如果{iframe高度} >= {laydate的高度}, 那么是没有任何问题的, 如果{iframe高度} < {laydate的高度}, 就会出现laydate组件一闪而过,隐藏了... 原因 laydate组件的默认是焦点触发 解决方案 设置trigger属性为'click' laydate.render({ ele:'#test' ,trigger:'click'//采用click弹出 }) 作者：机械手学Java 链接： https://blog.csdn.net/scc95599/article/details/104135600 来源：CSDN 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 来源： oschina 链接： https://my.oschina.net/u/4258423/blog/4275360

在日常工作中，无论是局域网、城域网、还是以太网出现故障或者网络缓慢的时候，得会用的到以太网测试仪，而以选择以太网测试仪时，也会根据网络的性能来选择，比如最早以前的以太网测试仪只有测试百兆的，到今天可以测千兆的万兆的。而在选择万兆以太网测试仪时，不光质量要好，还要看这几点功能！ 明辰智航网络一点通万兆以太网性能测试仪M-P-1W的标准参数： 两个 10G Base-X 测试接口，双端口 10G WAN/LAN 测试接口 两个 10/100/1000M Base-T, 100M Base-FX，1000M Base-X 测试端口，支持全部接口的全双工和半双工自适应。 依照 RFC 2544 标准，进行吞吐量、背对背、延迟和帧丢失测量（双向结果）； 完整的 Y.1564 测试套件（双向结果）。Y.1564 可为移动回程和商业服务提供全面的现场测试； 支持 RFC6349 标准的 TCP 吞吐量测试功能； 支持基于目的/源 MAC、目的/源 IP、3 层 VLAN ID、3 层 MPLS Label 的在线业务扫描； 多达 512 个数据流生成和分析，为每个数据流提供吞吐量、延迟、帧丢失和数据包抖动测量； 支持基于 RFC3393 标准的数据包抖动测试，评估 IP 数据包延迟变化 支持指定 IP 地址池的高级 PING 测试功能 Layer1 到 Layer4 误码、环回和远端智能环回测试

OSI简介 简介 OSI（Open System Interconnect），即开放式系统互连。 一般都叫OSI参考模型，是ISO组织在1985年研究的网络互连模型。该体系结构标准定义了网络互连的七层框架（物理层、数据链路层、网络层、传输层、会话层、表示层和应用层），即OSI开放系统互连参考模型。 OSI:7层次结构/功能 应用层 网络服务与最终用户的一个接口。 协议有：HTTP FTP TFTP SMTP SNMP DNS TELNET HTTPS POP3 DHCP 表示层 数据的表示、安全、压缩。（在五层模型里面已经合并到了应用层） 格式有，JPEG、ASCll、EBCDIC、加密格式等 [2] 会话层 建立、管理、终止会话。（在五层模型里面已经合并到了应用层） 对应主机进程，指本地主机与远程主机正在进行的会话 传输层 定义传输数据的协议端口号，以及流控和差错校验。 协议有：TCP UDP，数据包一旦离开网卡即进入网络传输层 网络层 进行逻辑地址寻址，实现不同网络之间的路径选择。 协议有：ICMP IGMP IP（IPV4 IPV6） 数据链路层 建立逻辑连接、进行硬件地址寻址、差错校验 [3] 等功能。（由底层网络定义协议） 将比特组合成字节进而组合成帧，用MAC地址访问介质，错误发现但不能纠正。 物理层 建立、维护、断开物理连接。（由底层网络定义协议） TCP/IP

End-to-End Object Detection with Transformers [paper] https://arxiv.org/pdf/2005.12872.pdf [github] https://github.com/facebookresearch/detr Abstract We present a new method that views object detection as a direct set prediction problem. 本文做了啥：提出了一种将目标检测看作直接集预测问题的新方法。 Our approach streamlines the detection pipeline, effectively removing the need for many hand-designed components like a non-maximum suppression procedure or anchor generation that explicitly encode our prior knowledge about the task. 本文工作的亮点：简化了检测流程，有效地消除了许多手工设计的组件的需求，比如一个非最大抑制程序或锚的生成，显式地编码了关于任务的先验知识。 The main ingredients of the

查询child子节点数据不显示问题,主要问题出在treeSpid这个参数上面，具体参数说明看下面列子， treeSpid参数我们一般定义 0,-1或者'' 表示最顶级目录，当我们查询的数据的pid不是这几个设置的值，就会造成数据显示不出来，我们怎么办呢？ 那就让查询出来的数据符合要求就可以显示出来数据了,操作程序代码如下： //获取查询数据结果最小pid，list为数据列表 Integer pid = service.getListMiniPid(Params); pid =pid !=null?pid:0; //获取查询数据的所有Id列表 List<Integer> idList = new ArrayList<Integer>(); for(Params ag:list){ idList.add(ag.getId()); } //判断pid是否存在ID列表中，不存在，设置数据pid的值为最小值 for(Params ag:list){ if(null!=ag.getPid()){ boolean falg = idList.contains(ag.getPid()); if(!falg){ ag.setPid(pid); } } } //组装返回数据 Map<String,Object> map = new HashMap(); map.put("list",list);

图片数据个人百度云可以私聊我哈哈 第一步：制作汉字样本数据， 这里写图片描述 常用的汉字如下： char_set = u"0123456789QWERTYUIOPASDFGHJKLZXCVBNM“”《

docker 离线加载 需求: 某某公司网络管控需要，机器只能内网访问。 乙方：需要开发完成后，方便在甲方机器快速部署。 乙方提供镜像，在甲方机器离线部署。 参考 使用redis镜像测试 ➜ ~ docker save redis -o redis.tar ➜ ~ ll -sh redis.tar 230080 -rw------- 1 huoyinghui staff 103M 7 15 16:59 redis.tar ➜ ~ docker rmi redis Untagged: redis:latest Untagged: redis@sha256:800f2587bf3376cb01e6307afe599ddce9439deafbd4fb8562829da96085c9c5 ➜ ~ docker load -i redis.tar Loaded image: redis:latest ➜ ~ ➜ ~ docker run redis 1:C 15 Jul 2020 09:00:34.438 # oO0OoO0OoO0Oo Redis is starting oO0OoO0OoO0Oo 1:C 15 Jul 2020 09:00:34.438 # Redis version=6.0.5, bits=64, commit=00000000, modified=0, pid=1,

Python实战社群 Java实战社群 长按识别下方二维码， 按需求添加 扫码关注添加客服 进Python社群▲ 扫码关注添加客服 进Java社群 ▲ 作者丨Rickey 来源丨一瓜技术（tech_gua） 0. 本文知识目录 1. 计算机渲染原理 CPU 与 GPU 的架构 对于现代计算机系统，简单来说可以大概视作三层架构：硬件、操作系统与进程。对于移动端来说，进程就是 app，而 CPU 与 GPU 是硬件层面的重要组成部分。CPU 与 GPU 提供了计算能力，通过操作系统被 app 调用。 CPU（Central Processing Unit） ：现代计算机整个系统的运算核心、控制核心。 GPU（Graphics Processing Unit） ：可进行绘图运算工作的专用微处理器，是连接计算机和显示终端的纽带。 CPU 和 GPU 其设计目标就是不同的，它们分别针对了两种不同的应用场景。CPU 是运算核心与控制核心，需要有很强的运算通用性，兼容各种数据类型，同时也需要能处理大量不同的跳转、中断等指令，因此 CPU 的内部结构更为复杂。而 GPU 则面对的是类型统一、更加单纯的运算，也不需要处理复杂的指令，但也肩负着更大的运算任务。 因此，CPU 与 GPU 的架构也不同。因为 CPU 面临的情况更加复杂，因此从上图中也可以看出，CPU 拥有更多的缓存空间 Cache