logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

Win11 安装 WSL2 实现便捷 Linux 开发环境

我们日常工作学习中有很多涉及与 Linux 系统的交互,但是如果用的是 Win 系统通常需要构建虚拟机或者安装双系统来实现,但是 WSL 的出现让在这种需求更易实现了。WSL 全称是(Windows Subsystem for Linux,适用于Linux的Windows子系统),使用 WSL 一方面可以享受 Windows 系统的稳定性,同时可以并存 Linux 环境,还可以直接互相调用,极大地

文章图片
#linux#windows#运维
LogHub 智能日志分析通用公开数据集

01 数据驱动的智能运维​随着人工智能(artificial intelligence,简称 AI)的发展,智能运维(artificial intelligence for IT operations,简称AIOps)的概念 [5] 于 2016 年被 Gartner 首次提出,即通过机器学习(machine learning)等算法分析来自于多种运维工具和设备的大规模数据,自动发现并实时响应系统

文章图片
#云原生
代码质量管理平台 SonarQube 社区版搭建及 C 代码分析

本文介绍如何在 CentOS 环境下搭建代码质量管理平台 SonarQube 社区版,并使用 PostgreSQL 数据库作为其后端数据库;同时,详细说明了如何配置 SonarQube 并使用 sonar-cxx 开源插件进行 C 语言系列项目的静态代码分析。

文章图片
#代码规范#代码覆盖率#c语言
基于深度学习的日志数据异常检测

基于日志数据的异常检测数据对象智能运维(AIOps)是通过机器学习等算法分析来自于多种运维工具和设备的大规模数据。智能运维的分析数据对象多源运维数据包括系统运行时数据和历史记录数据,历史记录数据主要包含表单和系统更新文档等。与历史记录数据相比,系统运行时数据能够反映系统的动态特征及系统发生故障时的上下文信息,对未知故障具有更好的探测和表达能力。系统运行时数据主要包含监控数据和日志数据,监控数据记录

#数据挖掘#机器学习
PyFlink 有状态流处理在线机器学习基础实例 手写体识别

01 在线机器学习1.1 在线机器学习简介准确地说,在线学习并不是一种模型,而是一种模型的训练方法。能够根据线上反馈数据,实时快速地进行模型调整,形成闭环的系统,同时也使得模型能够及时反映线上的变化,提高线上预测的准确率。在线学习与离线学习,在数据的输入与利用上有明显的区别:在线学习的训练数据是一条条(或者是 mini-batch 微批少量)进来的,不像离线学习时可以一次性加载大量的数据。在线学习

文章图片
#机器学习#人工智能#python
SpringBoot增删改查

SpringBoot增删改查开发工具基于IDEA + Maven + Navicat for MySQL环境配置配置Maven​下载Maven后配置环境变量MAVEN_HOME=upath%JAVA_HOME%\bin%MAVEN_HOME%\bin​创建Maven本地仓库,并在%MAVEN_HOME%\conf\setting.xml路径下修改<LocalRep...

Docker 安装部署与基础操作

Docker 是一个开源的商业产品,有两个版本:社区版(Community Edition,缩写为 CE)和企业版(Enterprise Edition,缩写为 EE)。企业版包含了一些收费服务,个人开发者一般用不到。下面的介绍都针对社区版。01 Docker 安装本次安装的操作系统是Ubuntu,并使用Docker仓库进行安装,其他系统的 Docker CE 的安装方式请参考 官方文档使用Doc

#docker#容器#ubuntu
使用 Docker 搭建 Hadoop 分布式环境

对大数据初学者来说,直接用多台物理机搭建Hadoop集群是一个相当痛苦的过程,大多情况下还没开始跑wordcount,可能就被环境搭建劝退了。除了物理机,虚拟机搭建也是一种常见的方式,但这对宿主机也有着很大的性能要求。本文的目标是将Hadoop集群运行在Docker容器中,使Hadoop开发者能够快速便捷地在本机搭建多节点的Hadoop集群。快来学习吧 ~...

文章图片
#分布式#hadoop#容器 +2
git rebase 合并多个提交

开发过程中,本地通常会有无数次 commit ,可以合并相同功能的多个 commit,以保持历史的简洁。

文章图片
#git#elasticsearch#大数据
本地部署清华大模型 ChatGLM3

ChatGLM 是一个开源的、支持中英双语的对话语言模型,由智谱 AI 和清华大学 KEG 实验室联合发布,基于 General Language Model (GLM) 架构,具有 62 亿参数。ChatGLM3-6B 更是在保留了前两代模型对话流畅、部署门槛低等众多优秀特性的基础上增加了更多特性。虽然,目前 ChatGLM 比 GPT 稍有逊色,但是,在部署后可以完全本地运行,完全由自己掌控!

文章图片
#人工智能
    共 12 条
  • 1
  • 2
  • 请选择