mysqlTomcat安装语句与解析利用Docker Hub 查询镜像使用信息mysql的Docker Hub官方版网页MySql Tomcat安装语句与解析 docker run -p:53306:3306 --name some-mysql -e MYSQL_ROOT_PASSWORD = 123-d mysql:5.6.3// -p 端口映射 本机端口:容器端口// --na

既然找到解决乱码的方法,那么想要将pandas中的数据类型存储到json中就只需要先将其转换为python自带的数据类型,再利用 json 类库其转换为json格式并存储就可以了,因为我自己是为了将python处理好的数据转换为json数组,然后利用echarts生成表格,所以我将其封装为了一个类,源码在最后。然后需要解决的是df转json数组，这个必须得自己写。

批标准化（Batch Normalization ）简称BN算法，是为了克服神经网络层数加深导致难以训练而诞生的一个算法。根据ICS理论，当训练集的样本数据和目标样本集分布不一致的时候，训练得到的模型无法很好的泛化。而在神经网络中，每一层的输入在经过层内操作之后必然会导致与原来对应的输入信号分布不同,并且前层神经网络的增加会被后面的神经网络不对的累积放大。

[batch,in_height,in_width,in_channels],例如mnist中的输入图像为 28 * 28 的黑白图像,其张量即为[batch,28,28,1],1代表黑白,RGB彩色图像的通道则为3,而batch 则为输入的图像数量,一次输入10张图片时,其为10,20张时则为20。tf.nn.conv2d:对一个思维的输入数据 input 和四维的卷积核filter 进行操作,

池化层的输入一般来源于上一个卷积层，主要作用是提供了很强的鲁棒性（例如max-pooling是取一小块区域中的最大值，此时若此区域中的其他值略有变化，或者图像稍有平移，pooling后的结果仍不变），并且减少了参数的数量，防止过拟合现象的发生,同时参数的减少对于计算而言也有一定的帮助。其中,input为输入,conv为卷积层,由卷积核构成,pool为池层,由池化函数构成最后是全连接层与输出层,其负

Ubuntu 18.04预装GCC版本为7.3,但有时在编译是需要用的不同gcc版本，下面介绍，如何安装不同的gcc 和g++，并设置根据不同的需要在不同版本之间切换。1. 可以通过如下命令查看当前安装的版本：ll /usr/bin/gcc*2. 安装gcc-4.8 和gcc-5：sudo apt install gcc-4.8 gcc-4.8-multilib g++-4.8 g++-...

安装nvidia-docker2后，即可在docker中使用GPU，也是在k8s中创建使用GPU的docker的基础，使用kubeflow的技术安装英伟达显卡驱动首先需要操作系统中英伟达显卡驱动的支持有关内容可以参考：Ubuntu18.04 显卡驱动安装Ubuntu18.04 CUDA与cudnn安装Ubuntu 18.04 独显和集显切换配置nvidia-docker2源# 添加源curl -s

简述特征的选取方式一共有三种，在sklearn实现了的包裹式(wrapper)特诊选取只有两个递归式特征消除的方法，如下：recursive feature elimination ( RFE )通过学习器返回的 coef_ 属性 或者 feature_importances_ 属性来获得每个特征的重要程度。 然后，从当前的特征集合中移除最不重要的特征。在特征集合上不断的重复递归这个步骤

利用opencv快速入门人脸检测与人脸识别opencv，顾名思义“开源，计算机视觉”。OpenCV就是这样的一个特殊的框架，一群大牛然绕自己的时间，制作了一个开源的计算机视觉框架。借助它我们可以快速的创建计算机视觉的应用。而我们这里将会使用更更加快速的OpenCV-Python，也就是OpenCV的Python接口。假如你已经安装了Python和pip，那么只需简单的执行“pip install

MICMIC 即：Maximal Information Coefficient 最大互信息系数。使用MIC来衡量两个基因之间的关联程度，线性或非线性关系，相较于Mutual Information（MI）互信息而言有更高的准确度。MIC是一种优秀的数据关联性的计算方式。本篇文章将会详细介绍MIC的算法原理，优缺点以及Python的具体实现方式，并给出一个可视化方案。互信息？互信息(Mut...