Hadoop集群的搭建3（很全面）该文章用于记录学习过程。多余的话不多说了，如有需要请观看正文。注：第三篇更新步骤11-13。实现步骤如下（总）：（1）将VMWare Pro安装好并激活（2）配置虚拟机参数（3）安装CentOS 6.9（4）虚拟机的克隆（5）SecureCRT的安装（6）系统网络配置（7）SSH服务配置（8）JDK以及Hadoop环境配置（9）Hadoop...

Linux操作系统的hostname是一个kernel变量，可以使用如下两种方式查看hostname和cat /proc/sys/kernel/hostname临时修改主机名hostname newname== newname即要设置的新的hostname，运行后立即生效，但在系统重启后会丢失所做的修改。==永久修改主机名永久更改系统的hostname需要要修改相关的设置文件1.基于RedHat发

Feign是Webservice服务的客户端,创建接口+注解就可完成，实现简单客户端通过@EnableFeignClients开启Feign的支持功能@SpringBootApplication@EnableEurekaClient@EnableFeignClients@RestControllerpublic class TestApplication {public static void m

机器学习策略[2]1. 进行误差分析2. 清除标注错误的数据3. 快速搭建你的第一个系统，并进行迭代4. 使用来自不同分布的数据，进行训练和测试5. 数据分布不匹配时，偏差与方差的分析6. 定位数据不匹配问题7. 迁移学习 Transfer learning8. 多任务学习 Multi-task learning9. 什么是端到端的深度学习10. 是否要使用端到端的深度学习1. 进行误差分析举例：

卷积神经网络1. 计算机视觉2. 边缘检测示例3. 更多边缘检测4. Padding5. 卷积步长6. 三维卷积7. 单层卷积网络8. 简单卷积网络示例9. 池化层10. 卷积神经网络示例11. 为什么使用卷积？1. 计算机视觉举例：图片猫????识别，目标检测（无人驾驶），图像风格转换（比如转成素描）等等面临的挑战：数据的输入可能会非常大一张1000×1000的图片，特征向量的维度达到了1000

一个完整的深度框架中应该包含两个主要部分，即训练（training）和推理（inference）训练（Training）打个比方，你现在想要训练一个能区分苹果还是橘子的模型，你需要搜索一些苹果和橘子的图片，这些图片放在一起称为训练数据集（training dataset），训练数据集是有标签的，苹果图片的标签就是苹果，橘子亦然。一个初始神经网络通过不断的优化自身参数，来让自己变得准确，可能开始10