h2

3 月，跳不动了？>>> 1、下载redis安装文件 redis-4.0.6.tar.gz 2、在centos服务器，进入到/tmp/soft目录下，将redis-4.0.6.tar.gz文件上传到/tmp/soft目录下 3、解压redis-4.0.6.tar.gz文件 tar -zxvf redis-4.0.6.tar.gz 4、使用yum安装gcc依赖 yum install gcc 5、编译安装 make MALLOC=libc 将/usr/local/redis-4.0.6/src目录下的文件加到/usr/local/bin目录 cd src && make install 6、进入到/tmp/soft/redis-4.0.6目录下，修改redis.conf文件，将bind 127.0.0.1注释掉，改"protected-mode no"为“protected-mode yes” 开启密码，并设置密码为123456 7、启动redis ./src/redis-server ./redis.conf 使用redis客户端工具连接centos服务器上的redis进行测试 使用redis-cli进行测试 8、redis停止的方式 方式一： pkill redis 方式二：在redis-cli窗口中执行shutdown shutdown 9、如果你的服务器是阿里云或京东云

3 月，跳不动了？>>> 一、说明 在Linux（CentOS 7）上安装Redis： Windows安装Linux虚拟机（CentOS7） Redis版本： redis-3.2.1.tar.gz 或者 http://download.redis.io/releases/redis-3.2.1.tar.gz 二、踩坑 因为Redis需要依赖其它的工具，但是我第一次安装时还不知道，直接就安装了，所以编译时报各种错，网上也有各种解决方法，我觉得都是依赖的问题，依赖装好之后，应该就不会报错了，有时候报错并不准确： cc:未找到命令 adlist.c:1:0: 错误:您选择的 CPU 不支持 x86-64 指令集 三、安装 下载Redis包，我下载在/usr/local下，使用wget下载： wget http://download.redis.io/releases/redis-3.2.1.tar.gz 如果“-bash: wget: 未找到命令“,先使用yum命令安装： yum install wget.x86_64 下载好之后， 将redis-3.2.1.tar.gz解压： tar -xzf redis-3.2.1.tar.gz 在对redis进行编辑之前，我们需要安装一些依赖工具，下面这条命令是网上找的： yum -y install gcc automake autoconf

3 月，跳不动了？>>> 一、mysql5.7安装 1、拉取mysql:5.7镜像 docker pull mysql:5.7 2、创建一个msyql:5.7容器 # 创建一个msyql:5.7容器 docker run -d --name mysql01 -p 3301:3306 -e MYSQL_ROOT_PASSWORD=123456 --privileged mysql:5.7 # 查看容器列表 docker ps 3.使用Navicat for mysql数据库客户端连接工具连接刚才创建的mysql数据库 此处说明一下：我win10的ip是:192.168.1.100;centos7的ip是192.168.1.10 通过数据库客户端连接工具新建一个数据库及数据表 4、进入mysql container容器，登录mysql数据库，查看刚才使用数据库客户端工具创建的数据库、数据表 docker exec -it mysql01 /bin/bash 如下图，可以看到我们刚才创那的数据库、数据表 二、tomcat8安装 1.拉取tomcat8镜像 docker pull tomcat:8 2.创建一个tomcat8容器 docker run -d --name tomcat-01 -p 9001:8080 tomcat:8 3.浏览器中输入192.168.1.10:9001

3 月，跳不动了？>>> 1、进行到/tmp/soft目录，将apache-activemq-5.15.7-bin.tar.gz上传到/tmp/soft目录下 apache-activemq-5.15.7-bin.tar.gz 2、解压apache-activemq-5.15.7-bin.tar.gz文件 tar -zxvf apache-activemq-5.15.7-bin.tar.gz 3、进到/tmp/soft/apache-activemq-5.15.7/bin/目录下，启动activemq服务器 # 启动服务 ./activemq start # 停止服务 ./activemq stop 4、在浏览器中输入http://xxx.xxx.xxx.xxx:8161/admin,xxx.xxx.xxx.xxx为centos服务器的ip,在登录弹出框中输入admin/admin 5、如果你的服务器是阿里云或京东云，需要设置云服务器上的安全组，开放8161端口（我这里用的是京东云） 点赞 收藏 分享 文章举报 蔚蓝色天空sky 发布了117 篇原创文章 · 获赞 150 · 访问量 109万+ 他的留言板 关注 来源： oschina 链接： https://my.oschina.net/u/4260217/blog/3210545

3 月，跳不动了？>>> 一、虚拟机安装： 没有安装过虚拟机的可以查看这边博文： Windows安装Linux虚拟机（CentOS7） 。 注意： 一定要关闭selinux和防火墙！！！ 一定要关闭 selinux和防火墙！！！ 一定要关闭 selinux和防火墙！！！ 会影响通信，不会关看这里 -bash : xxx : command not found 新安装Linux后，安装一些必须软件（持续更新……） 建议 :在设置网络和主机名时，记得更改主机名，以便自己区别，免除不必要的麻烦，我这边分别在zookeeper1、 zookeeper2、 zookeeper3 。 记得：要记得先安装好jdk： Linux下查看jdk安装路径版本、安装jdk、配置环境变量 yum install java-1.8.0-openjdk export JAVA_HOME=/usr/java 二、Zookeeper安装： 下载：我这边用的是zookeeper3.4.8，可以到我的CSDN下载 http://download.csdn.net/detail/u010246789/9593428 或者可以到zookeeper官网下载最新包 http://apache.fayea.com/zookeeper/ . 将下载的zookeeper-3.4.8.tar.gz包用rz命令上传（我用的是XShell

3 月，跳不动了？>>> 1.1 SVM支持向量机算法 支持向量机理论知识参照以下文档： 支持向量机 SVM （一） http://www.cnblogs.com/jerrylead/archive/2011/03/13/1982639.html 支持向量机 SVM （二） http://www.cnblogs.com/jerrylead/archive/2011/03/13/1982684.html 支持向量机（三）核函数 http://www.cnblogs.com/jerrylead/archive/2011/03/18/1988406.html 支持向量机（四） http://www.cnblogs.com/jerrylead/archive/2011/03/18/1988415.html 支持向量机（五） SMO 算法 http://www.cnblogs.com/jerrylead/archive/2011/03/18/1988419.html SVM 的目标函数及梯度下降更新公式如下： MLlib 中 SVM的代码结构如下： 1.2 Spark Mllib SVM源码分析 1.2.1 SVMWithSGD SVM 算法的train 方法，由SVMWithSGD类的object定义了train函数，在train函数中新建了SVMWithSGD对象。 package

3 月，跳不动了？>>> Spark MLlib Deep Learning Deep Belief Network ( 深度学习- 深度信念网络)2.2 http://blog.csdn.net/sunbow0 第二章Deep Belief Network ( 深度信念网络) 2 基础及源码解析 2.1 Deep Belief Network深度信念网络基础知识 1 ）综合基础知识参照： http://tieba.baidu.com/p/2895759455 http://wenku.baidu.com/link?url=E8eett6R-mpVL-5AtO1yRNZR4DdEhW7YkQhDKY2CoYCiCQQYqdmWgrHQed2rsJZ8H2rwobpTgyjuXhdakD5QRv0OBWCUB8B2UA2iSNTcGeO 2 ）原著资料参照： 《Learning Deep Architectures for AI 》 http://wenku.baidu.com/link?url=suD736_WyPyNRj_CEcdo11mKBNMBoq73-u9IxJkbksOtNXdsfMnxOCN2TUz-zVuW80iyb72dyah_GI6qAaPKg42J2sQWLmHeqv4CrU1aqTq 《A Practical Guide to Training

3 月，跳不动了？>>> h i t 2015 s p r i n g 晨 凫 追 风 在svm训练过程中，需要对惩罚参数c和核函数的参数g进行优化，选取最好的参数 知道测试集标签的情况下 是让两个参数c和g在某一范围内取离散值，然后，取测试集分类准确率最佳的参数 不知道测试集标签的情况下 （1）利用交叉验证的方法：(k-fold cross validation) Start bestAccuracy = 0 bestc = 0 bestg = 0 //n1 , n2 ,k都是事先给定的值 for c = 2 ^(-n1) : 2 ^(n1) for g = 2 ^(-n2) : 2 ^(n2) 将训练集平均分为k部分，设为 train( 1 ),train( 2 ), ... ,train(k). 分别让每一部分作为测试集进行预测（剩下的k- 1 部分作为训练集对分类器进行训练）取得最后得到的所有分类的准确率的平均数，设为cv if （cv>bestAccuracy) bestAccuracy = cv; bestc = c; bestg = g end end end over （2）leave-one-out cross validation(loo交叉验证) 设原始数据有N个样本，那么LOO-CVj就是N-CV,即每一个样本作为验证集，其余的N-1个样本作为训练集

3 月，跳不动了？>>> Spark MLlib LDA主题模型（1） Spark MLlib LDA主题模型是Spark1.3开始加入的，具体介绍看以下文档： 官方编程指南： http://spark.apache.org/docs/latest/mllib-clustering.html#latent-dirichlet-allocation-lda Spark MLlib LDA 简介： http://blog.jobbole.com/86130/ 关于LDA主题模型的理论知识讲解放在下期。 1.1 LDA实例 实例步骤： 1）加载数据 返回的数据格式为：documents: RDD[(Long, Vector)]，其中：Long为文章ID，Vector为文章分词后的词向量；用户可以读取指定目录下的数据，通过分词以及数据格式的转换，转换成RDD[(Long, Vector)]即可。 2）建立模型 模型参数设置说明： k: 主题数，或者聚类中心数 DocConcentration：文章分布的超参数(Dirichlet分布的参数)，必需>1.0 TopicConcentration：主题分布的超参数(Dirichlet分布的参数)，必需>1.0 MaxIterations：迭代次数 setSeed：随机种子 CheckpointInterval：迭代计算时检查点的间隔

3 月，跳不动了？>>> h i t 2015 s p r i n g 晨 凫 追 风 欢迎关注我的博客晨凫追风 本文为原创作品，未经本人同意，禁止转载，禁止用于商业用途！ 这篇文章主要是两年前用TMS320C6748的时候遇到的一点问题做的一些笔记，分享一下： cmd文件主要是： 规定内存分配的文件，其中malloc函数分配内存，在堆中，在cmd文件中分配堆的空间，使得堆足够大，存的下需要分配的空间。 1 CMD文件的分配方法 TI公司新的汇编器和链接器创建的目标文件采用一种COFF(通用目标文件格式)，该目标文件格式更利于模块化编程，为管理代码段和目标系统存储器提供了强有力和灵活的编程方法。用户可以通过编写链接命令文件(.cmd文件)将链接信息放在一个文件中，以便在多次使用同样的链接信息时调用。在命令文件中使用两个十分有用的伪指令MEMORY和SECTIONS，来指定实际应用中的存储器结构和进行地址的映射。 Memory用来指定目标存储器结构，Memory下可以通过PAGE选项配置地址空间，链接器把每一页都当作一个独立的存储空间。通常情况下，PAGE0代表程序存储器用来存放程序，PAGE1代表数据存储器，用来存放数据。 由编译器生成的可重定位的代码和数据块叫做“SECTIONS”(段)，SECTIONS用来控制段的构成与地址分配。对于不同的系统配置，“SECTION