目录一、docker网络1、Docker原生网络(1)bridge桥接模式——和宿主机的网卡之间搭建一个“桥”(2)host模式——直接使用宿主机的网卡(3)none模式——无网络模式2、Docker自定义网络(1)自定义网桥的自动解析功能(2)自定义网桥的自定义参数与网络隔离/互通3、Docker容器通信(1)同一网桥上的不同容器通信(2)Joined容器——容器的网络被其他容器共享(3)&lt

目录一、hadoop的下载及安装二、hadoop的使用模式1、本地(独立)模式——Standalone Operation2、伪分布模式——Pseudo-Distributed Operation官方网站：Apache Hadoophttps://hadoop.apache.org/一、hadoop的下载及安装下载网站：Apache DownloadsHome page of The Apache

在计算机网络中有著名的OSI七层协议体系结构，概念清楚，理论完整，但是它既复杂又不实用。TCP/IP体系结构则不同，得到的广泛的应用。最终结合OSI和TCP/IP的优点，采用了一种只有五层协议的体系结构，本文的讲述的IP都是基于五层协议模型中的网络层。OSI体系结构TCP/IP体系结构五层体系结构7应用层应用层5应用层6表示层5会话层4传输层传输层4传输层3网络层网络层3网络层2数据链路层网络接口

目录一、hadoop的下载及安装二、hadoop的使用模式1、本地(独立)模式——Standalone Operation2、伪分布模式——Pseudo-Distributed Operation官方网站：Apache Hadoophttps://hadoop.apache.org/一、hadoop的下载及安装下载网站：Apache DownloadsHome page of The Apache

opencv自带Otsu算法，只需要在分割时将参数选择为“cv2.THRESH_OTSU”即可#coding:utf-8import cv2import numpy as npfrom matplotlib import pyplot as pltimage = cv2.imread('E:/shale10053.bmp')grayimage = cv2.cvtColor(image, cv2.C

前段时间做过几个彩色图像多通道特征提取的研究，所以在这里记录一下彩色图像通道分离+融合的代码。import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread('/lena.jpg',cv2.IMREAD_COLOR)#以彩色形式读取图像#函数分离图像三通道b, g, r = cv2.split(img

两者都可以用来衡量两个概率分布之间的差异性。JS散度是KL散度的一种变体形式。KL散度：也称相对熵、KL距离。对于两个概率分布P和Q之间的差异性（也可以简单理解成相似性），二者越相似，KL散度越小。KL散度的性质：●非负性。即KL散度大于等于零。●非对称性。即运算时交换P和Q的位置，得到的结果也不一样。（所以这里严格来讲也不能把KL散度称为KL距离，距离一定符合对称性，所以要描述准确的话还是建议用

对我来说，小波分解属于研究大结构框架中图像预处理最基础的地方，由于创新性不足，一年多前尝试过以后就被搁置；现已研究出较新的多尺度/多分辨率特征提取算法，故将小波变换留个纪念。import cv2import numpy as npimport osimport matplotlib.pyplot as pltimport numpy as npimport matplotlibimport pyw

目录一、下载安装zabbix1、zabbix官网2、下载安装(1)安装zabbix仓库(2) 安装zabbix服务(3)安装zabbix前端(4)创建初始数据库(5)为Zabbix server配置数据库(6)为Zabbix前端配置PHP(7)启动Zabbix server和agent进程3、测试二、zabbix的使用1、官方使用文档2、通过浏览器添加agent主机——将server7和serve

在计算机网络中有著名的OSI七层协议体系结构，概念清楚，理论完整，但是它既复杂又不实用。TCP/IP体系结构则不同，得到的广泛的应用。最终结合OSI和TCP/IP的优点，采用了一种只有五层协议的体系结构，本文的讲述的IP都是基于五层协议模型中的网络层。OSI体系结构TCP/IP体系结构五层体系结构7应用层应用层5应用层6表示层5会话层4传输层传输层4传输层3网络层网络层3网络层2数据链路层网络接口