今天用jedis远程连接redis的时候报错：redis.clients.jedis.exceptions.JedisConnectionException: Failed connecting to host xxx.xxx.xxx.xxx:6379连接失败，网上查到和配置文件里的某个配置有关系，所以打算去官网查看一下配置文件的官方文档Redis is able to start without

作为一名初学者，如果在MAC电脑上配置VScode的OpenGL开发环境？本文将一步步，手把手带你创建完整的项目结构，并编译运行测试文件。

网格搜索报错：UnicodeEncodeError: ‘ascii’ codec can’t encode characters in position 18-20: ordinal not in range(128)E:\DLstudy\Scripts\python.exe E:/PycharmProjects/DLstudy/run/train_model.py[INFO] tuning hy

Conditional Generative Adversarial Nets关于原版的生成对抗网络模型以及公式推导可以参考：【论文精读】对Generative Adversarial Net的一点理解摘要​生成对抗网络最近介绍了一种新的方法来训练生成模型。本文将介绍生成对抗网络的条件版本，通过简单的输入数据yyy来构建，作者希望生成器和辨别器都能够被训练。​作者展示了此模型能够生成以类标签为条件

跳跃表（skipList）​跳跃表是redis中独有的数据结构，在了解它之前，我们先来回顾一下普通的有序链表。​在一串有序链表中，如果我们要查找某个值，我们只能从头节点依次向后遍历直到找到目标值为止。如果目标值位置靠前还可以接受，但如果在链表后半段甚至刚好的最后一个，那么我们就需要遍历整个列表才能找到它了。时间复杂度是O(n)。​这样的特性主要是取决于链表的结构特性，每次只能向后跨一步来寻找。那么

ImportError: cannot import name ‘get_config’Traceback (most recent call last):File "siameseNet.py", line 6, in <module>from keras.layers import MergeFile "/usr/local/lib/python3.6/site-packages/

var 目录下空间不足，apt下载时没有地方存放缓存文件。可以看到 /var/log目录的大小从4.1G变为了53M。再次执行apt-get install xxx 即可成功。apt安装package时遇到问题。删除30分钟之前的所有log。

Data Augmentation Generative Adversarial Networks摘要神经网络的有效训练需要很多数据，在低数据情况下，参数是欠定的，学到的网络泛化能力差。数据增强通过使用存在的数据有效的缓和了这个问题，但是标准的数据增强仅能产生有限的看似合理的用来代替的数据。鉴于有可能产生更广泛的增强数据，作者设计和训练了一种生成模型进行数据增强。这种模型基于条件生成对抗模型，从源

94. 二叉树的中序遍历给定一个二叉树的根节点 root ，返回它的 中序 遍历。示例 1：输入：root = [1,null,2,3]输出：[1,3,2]思路和144 二叉树的前序遍历（迭代遍历）一致，但区别在于我们不是 遇见一个就将这个节点的值加入数组中，而是在这个节点出栈的时候，再将其节点加入数组。很容易想到：什么情况下节点会出栈？叶子节点a出栈：左节点为null，退回a，a出栈。非叶子节点

145. 二叉树的后序遍历给定一个二叉树，返回它的 后序 遍历。示例:输入: [1,null,2,3]1\2/3输出: [3,2,1]对于后序遍历，由于遍历的顺序是左->右->中，所以某个节点在其左子树遍历完成后并不能立即出栈，而是要等待其右子树叶遍历完成后再出栈，那么我们如何知道当前这次出栈是因为左子树遍历完了还是右子树遍历完了呢？所以我们要借助一种新的数据结构来辅助记录该节点是第一