自从Docker容器出现以来，容器的网络通信就一直是被关注的焦点，也是生产环境的迫切需求。容器的网络通信又可以分为两大方面：单主机容器上的相互通信，和跨主机的容器相互通信。一、端口映射（局域网，外网此方式均可）。此种方式是将容器的某个端口映射到宿主机的某个端口，其它主机访问容器提供的服务需要通过宿主机的IP进行访问：docker run -p 9000:8000 --name cen...

SQL Server 2008，使用“SQL Server身份验证”方式登录，附加数据库时提示:无法升级数据库 'XXX'，因为它是只读的，或者具有只读文件。请将数据库或文件设为可写，然后重新运行恢复操作。 (Microsoft SQL Server，错误: 3415) 查看了数据库文件属性，并不是只读的。从网上找了几种方式:：经查阅资料，发现并不是文件只读的问题，严格说应该是一个“权限”的问题，

经查阅资料，发现并不是文件只读的问题，严格说应该是一个“权限”的问题，当前的SQL Server登录帐号没有对要附加文件的可写权限，就会出现上述“只读”的提示，解决办法有以下几种：1.将要附加的文件拷贝到 SQL Server 默认的 Data 目录，此时附加就会成功；2.在登录验证时，选择“Windows身份验证”，而不是“SQL Server身份验证”，即便你的登录帐号是sa；3.如果一定要使

目前机器学习的发展趋势目前机器学习有三大趋势：概率编程、深度学习和“大数据”。在概率编程（PP）方面，有许多创新，它们大规模使用变分推理。在这篇博客中，我将展示如何使用PyMC3中的变分推理来拟合一个简单的贝叶斯神经网络。我还将讨论桥接概率编程与深度学习能够为将来研究开创怎样的有趣途径。大规模概率编程概率编程可以灵活创建自定义概率模型，主要关注从数据中洞悉和学习。这种方法本质上是...

知识点整理，原文链接：https://towardsdatascience.com/a-comprehensive-introduction-to-different-types-of-convolutions-in-deep-learning-669281e582151. 卷积与互相关互相关是两个函数之间的滑动点积或滑动内积。卷积是一个过滤函数g反转后与函数h的滑动点积或滑动内积。...

作者：飘哥链接：https://www.zhihu.com/question/29366638/answer/864113705DNN是指深度神经网络，它是一个很广的概念，某种意义上CNN、RNN、GAN等都属于其范畴之内。DNN与CNN（卷积神经网络）的区别是DNN特指全连接的神经元结构，并不包含卷积单元或是时间上的关联。DNN是指包含多个隐层的神经网络，根据神经元的特点，可以分为ML...

目前机器学习的发展趋势目前机器学习有三大趋势：概率编程、深度学习和“大数据”。在概率编程（PP）方面，有许多创新，它们大规模使用变分推理。在这篇博客中，我将展示如何使用PyMC3中的变分推理来拟合一个简单的贝叶斯神经网络。我还将讨论桥接概率编程与深度学习能够为将来研究开创怎样的有趣途径。大规模概率编程概率编程可以灵活创建自定义概率模型，主要关注从数据中洞悉和学习。这种方法本质上是...

一、直方图和滤波器1、直方图：在灰度图中，每个点的像素范围为 0~255 ，密度是具有该值的图像像素数量。2、色彩均衡：色彩均衡的目的是获得分布更加均匀的直方图。其结果将会导致图像的对比度增加。3、LUT色彩空间转换表：生成一个256个元素的矩阵，取得要从源空间变换到目标色彩空间的变换函数f(x)。从0到255，对每个数字带入到f(x)中，将得到的结果存入到矩阵中对应的位置。然...

目前机器学习的发展趋势目前机器学习有三大趋势：概率编程、深度学习和“大数据”。在概率编程（PP）方面，有许多创新，它们大规模使用变分推理。在这篇博客中，我将展示如何使用PyMC3中的变分推理来拟合一个简单的贝叶斯神经网络。我还将讨论桥接概率编程与深度学习能够为将来研究开创怎样的有趣途径。大规模概率编程概率编程可以灵活创建自定义概率模型，主要关注从数据中洞悉和学习。这种方法本质上是...

（1）核心库与统计：Numpy、Scipy、Pandas、StatsModels。（2）可视化：Matplotlib、Seaborn、Plotly、Bokeh、Pydot、Scikit-learn、XGBoost/LightGBM/CatBoost、Eli5。（3）深度学习：Tensorflow、PyTorch、Keras。（4）分布式深度学习：Dist-keras/elephas/s...