启动容器的方式：交互式和非交互式/守护式启动交互式容器启动守护式容器：不需要交互，只要跑着执行就行了启动交互式容器docker run -it --name=interactive centos启动守护式容器docker run -d-d:以后台运行的方式运行容器，返回容器id，也就是启动守护式容器可以看出并没有进入交互式。若是进入交互式，用户变成root。一般情况下，进程进入后台，前面看不到，但

查看容器内部进程 docker top2d是容器的id, 我直接取id的前两个字符docker top 2d查看容器细节docker inspectjson格式存储的容器详细细节

tensorflow 中tf.equal()用法：equal(x, y, name=None)equal，相等的意思。顾名思义，就是判断，x, y 是不是相等，它的判断方法不是整体判断，而是逐个元素进行判断，如果相等就是True，不相等，就是False。由于是逐个元素判断，所以x，y 的维度要一致。看个例子：import tensorflow as tfa = [[1,2,3],[4,5,6]].

1 roc曲线计算auc我们都知道auc是roc曲线下的面积，但这种计算不方便2 公式计算auc有另外一种计算方法：任意给一个正类样本和一个负类样本，正类样本的score大于负类样本的score的概率公式如下M 是正样本的个数，N是副样本的个数值得是第i个样本的序号。对所有的预测样本的score进行从小到大的排序，然后从1进行标号。原始样本模型打分0.80.50.60.30.4.

转载https://www.cnblogs.com/shixiangwan/p/7532830.html蓝鲸王子常见的几种最优化方法（梯度下降法、牛顿法、拟牛顿法、共轭梯度法等）我们每个人都会在我们的生活或者工作中遇到各种各样的最优化问题，比如每个企业和个人都要考虑的一个问题“在一定成本下，如何使利润最大化”等。最优化方法是一种数学方法，它是研究在给定约束之下如何寻求某些因素(的量)，...

在我们调用sklearn中的算法时，如果不小心就会遇到下面这样的问题：TypeError: fit() missing 1 required positional argument: 'y'在fit时，明明加了train，label，但就是报错。我总结了一下：1，在调用算法时，没有加（）例如from sklearn.discriminant_analysis import LinearDiscri

tenflow  中tf.where(）用法where(condition, x=None, y=None, name=None)condition， x, y 相同维度，condition是bool型值，True/False1，where(condition）的用法condition是bool型值，True/False返回值，是condition中元素为True对应的索引看个例子：import

    本文转载：http://www.cnblogs.com/datahunter/p/3808252.html?utm_source=tuicool&utm_medium=referral    看机器学习的论文时，经常会看到有作者提到“curse of dimensionality”，中文译为“维数灾难”，这到底是一个什么样的“灾难”？本文将通过一个例子来介绍这令人讨厌的“c