test

if <select id="findActiveBlogWithTitleLike" resultType="Blog"> SELECT * FROM BLOG WHERE state = ‘ACTIVE’ <if test="title != null"> AND title like #{title} </if> </select> 这条语句提供了一个可选的文本查找类型的功能。如果没有传入"title"，那么所有处于"ACTIVE"状态的BLOG都会返回；反之若传入了"title"，那么就会把模糊查找"title"内容的BLOG结果返回（就这个例子而言，细心的读者会发现其中的参数值是可以包含一些掩码或通配符的）。 <select id="findActiveBlogLike" resultType="Blog"> SELECT * FROM BLOG WHERE state = ‘ACTIVE’ <if test="title != null"> AND title like #{title} </if> <if test="author != null and author.name != null"> AND author_name like #{author.name} </if> </select> choose, when, otherwise <select id

1 实验结果 有点糊，将就看一下，一个手写数字的自动识别，识别的准确率大概为94% 2、数据集Minist 下载地址：http://yann.lecun.com/exdb/mnist/ 四个文件分别为训练集数据、训练集标签、测试集数据、测试集标签。官方介绍，训练集数据有60000张，测试集数据有10000张。（说明：下载后电脑会自动解压成.ubyte.gz格式），这四个文件不是标准的图片格式，因此我们需要建一个.m文件实现对数据的读取。每张图片都是28 28，因此每次读取28 28大小为一张图片。 2.1 读取数据转化为向量 将图片向量化为784 1，将训练集所有图片向量存在x_train中，大小为784 60000，标签存放在y_train中，大小为1*60000（测试集同理，分别为x_test,y_test） 为了后面找到最合适的网络参数，因此直接将读取的训练集、测试集数据存在文件中，后面直接载入文件调用即可。读取训练集、测试集为同一函数，为了将读取到的数据区别开分别存放在train和test文件中，在函数中定义一个描述字符，表示该文件是训练文件还是测试文件。 function build_dataset(image_file,label_file,describe) %读取训练集图片文件 images = fopen(image_file,'r'); %读取文件说明信息

一、什么是仓库 　　仓库就是集中存放镜像的地方，分为公共仓库和私有仓库，一个容易混淆的概念是注册服务器，实际上注册服务器是存放仓库的具体服务器，一个注册服务器可以有多个仓库，而每个仓库下面有多个镜像 二、使用Docker官方公共仓库 　　官方仓库地址: DockerHub 2.1. 登录仓库 　　使用docker login 命令来登录官方的公共仓库 [root@rsync131 ~]# docker login Login with your Docker ID to push and pull images from Docker Hub. If you don't have a Docker ID, head over to https://hub.docker.com to create one. Username: brianzjz Password: Login Succeeded 没有用户名密码的可以去官方注册一个 2.2. 下载镜像 　　使用docker pull 命令下载镜像 [root@rsync131 ~]# docker pull nginx Using default tag: latest Trying to pull repository docker.io/library/nginx ... latest: Pulling from docker

k8s存储: (持久化) docker容器是有生命周期的。 volume 1，存储类（Storage class）是k8s资源类型的一种，它是有管理员为管理PV更加方便创建的一个逻辑组，可以按照存储系统的性能高低，或者综合服务质量，备份策略等分类。不过k8s本身不知道类别到底是什么，它这是作为一个描述。 2，存储类的好处之一就是支持PV的动态创建，当用户用到持久性存储时，不必再去提前创建PV，而是直接创建PVC就可以了，非常的方便。 3，存储类对象的名称很重要，并且出了名称之外，还有3个关键字段 Provisioner（供给方）: 及提供了存储资源的存储系统。k8s内建有多重供给方，这些供给方的名字都以“kubernetes.io”为前缀。并且还可以自定义。 Parameters(参数)：存储类使用参数描述要关联到的存储卷，注意不同的供给方参数也不同。 reclaimPolicy:PV的回收策略，可用值有Delete(默认)和Retain 简介 1, 由于容器本身是非持久化的，因此需要解决在容器中运行应用程序遇到的一些问题。首先，当容器崩溃时，kubelet将重新启动容器，但是写入容器的文件将会丢失，容器将会以镜像的初始状态重新开始；第二，在通过一个Pod中一起运行的容器，通常需要共享容器之间一些文件。Kubernetes通过存储卷解决上述的两个问题。 2,

官方链接 https://kubernetes.io/zh/docs/concepts/storage/ 容器中的磁盘文件是临时存放的，如果容器销毁、停止数据也将丢失。同时在一个pod运行多个容器的时候，常常需要在容器之间共享数据。kubernetes抽象出voleme对象来解决这2个问题。 Volume类型 网络数据卷 nfs https://kubernetes.io/zh/docs/concepts/storage/#nfs 本地数据卷 hostpath https://kubernetes.io/zh/docs/concepts/storage/#hostpath emptyDir https://kubernetes.io/zh/docs/concepts/storage/#emptydir emptyDir 当pod指定到某个节点上时，首先创建的是一个emptyDir,并且pod只要一直在这个node上运行，emptyDir就一直存在。当pod从节点删除时，emptydir卷也会被永久删除。它的主要用途如下： 缓存空间，例如基于磁盘的归并排序。 为耗时较长的任务提供检查点，以便于任务能够方便的从崩溃前恢复执行。 在web服务器容器服务数据时，保存内容管理器获取的文件。 应用场景：多容器之间的数据共享。 示例 emptyDir.yaml apiVersion: v1

CMD安装 xlwt pip install xlwt -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com 源码———— import xlwt new_workbook = xlwt.Workbook() worksheet = new_workbook.add_sheet('new_test') worksheet.write(0,0,'test') new_workbook.save('d:/test.xls') 来源： https://www.cnblogs.com/guowei2020/p/12272528.html

简介 1、ansible安装部署过程特别简单，学习曲线很平坦； 2、不需要单独安装客户端，知识利用现有的SSHD服务（协议）即可。 3、基于Python开发，集合了众多运维工具（puppet、chef、func、fabric）的优点，实现了批量系统配置、批量程序部署、批量运行命令等功能。 ansible 特点 1、部署简单，只需在主控端部署Ansible环境，被控端无需做任何操作； 2、默认使用SSH协议对设备进行管理； 3、有大量常规运维操作模块，可实现日常绝大部分操作； 4、配置简单、功能强大、扩展性强； 5、支持API及自定义模块，可通过Python轻松扩展； 6、通过Playbooks来定制强大的配置、状态管理； 7、轻量级，无需在客户端安装agent，更新时，只需在操作机上进行一次更新即可； 8、提供一个功能强大、操作性强的Web管理界面和REST API接口——AWX平台。 架构图 Ansible：Ansible核心程序。 HostInventory：记录由Ansible管理的主机信息，包括端口、密码、ip等。 Playbooks：“剧本”YAML格式文件，多个任务定义在一个文件中，定义主机需要调用哪些模块来完成的功能。 CoreModules：核心模块，主要操作是通过调用核心模块来完成管理任务。 CustomModules：自定义模块，完成核心模块无法完成的功能

深度残差收缩网络事实上属于一种卷积神经网络，是深度残差网络（deep residual network, ResNet）的一个变种。它的主要思想是，在深度学习进行特征学习的时候，删除冗余信息是非常重要的；这是因为原始数据中往往存在着很多和当前任务无关的信息；软阈值化则是一种非常灵活的、删除冗余信息的方式。 1.深度残差网络 首先，从深度残差网络开始讲起。下图展示了深度残差网络的基本模块，包括一些非线性层（残差路径）和一个跨层的恒等连接。恒等连接是深度残差网络的核心，是其优异性能的一个保障。 2.深度残差收缩网络 深度残差收缩网络，就是对深度残差网络的残差路径进行收缩的一种网络。这里的“收缩”指的就是软阈值化。 软阈值化是许多信号降噪方法的核心步骤，它是将接近于零（或者说绝对值低于某一阈值τ）的特征置为0，也就是将[-τ, τ]区间内的特征置为0，让其他的、距0较远的特征也朝着0进行收缩。 如果和前一个卷积层的偏置b放在一起看的话，这个置为零的区间就变成了[-τ+b, τ+b]。因为τ和b都是可以自动学习得到的参数，这个角度看的话，软阈值化其实是可以将任意区间的特征置为零，是一种更灵活的、删除某个取值范围特征的方式，也可以理解成一种更灵活的非线性映射。 从另一个方面来看，前面的两个卷积层、两个批标准化和两个激活函数，将冗余信息的特征，变换成接近于零的值；将有用的特征，变换成远离零的值

Cs231n作业：Assignment 1 Q4 - Two-Layer Neural Network exercise two_layer_net Implementing a Neural Network Forward pass: compute scores Forward pass: compute loss Backward pass Train the network Train a network Debug the training Tune your hyperparameters lnline Question two_layer_net Implementing a Neural Network 在这个练习中，我们将开发一个具有全连接层的神经网络来执行分类，并在CIFAR-10数据集上进行测试。 # A bit of setup import numpy as np import matplotlib . pyplot as plt from cs231n . classifiers . neural_net import TwoLayerNet % matplotlib inline plt . rcParams [ 'figure.figsize' ] = ( 10.0 , 8.0 ) # set default size of plots plt .

每天一套AK div2 计划开始了。。。 A. Bear and Elections time limit per test 1 second memory limit per test 256 megabytes input standard input output standard output Limak is a grizzly bear who desires power and adoration. He wants to win in upcoming elections and rule over the Bearland. There are n candidates, including Limak. We know how many citizens are going to vote for each candidate. Now i -th candidate would get a i votes. Limak is candidate number 1. To win in elections, he must get strictly more votes than any other candidate. Victory is more important than everything else so Limak decided to