HSF (High-speed Service Framework)，高速服务框架，是在阿里巴巴内部广泛使用的分布式 RPC 服务框架。HSF 作为阿里巴巴的基础中间件，联通不同的业务系统，解耦系统间的实现依赖。HSF 从分布式应用的层面，统一了服务的发布/调用方式，从而帮助用户可以方便、快速的开发分布式应用，以及提供或使用公共功能模块。为用户屏蔽了分布式领域中的各种复杂技术细节，如：远程通讯、序

LeNet架构如下：整个实现过程分为模型构建、训练模型和测试模型。lenet_model.pyimport tensorflow.keras.layers as layersfrom tensorflow.keras import Sequentialbatch_size=32#这里必须与神经网络的输入尺寸一致def model():#网络层的搭建networks=Sequential([laye

1. 数组求长度int len = arr.length;数组转列表// data为int[]类型的数组List<Integer> list1 = Arrays.stream(data).boxed().collect(Collectors.toList());// Integer[]数组 ；利用asList方法（这种方法不适用于基础类型的数组）List<String> l

文章目录1. 基本知识1.1 显卡1.2 GPU1.3 CUDA1.4 cuDNN2. 显卡驱动安装3. CUDA安装及配置3.1 CUDA下载3.2 CUDA安装3.3 CUDA安装确认4. cuDNN下载及配置5. 环境变量配置6. tensorflow环境配置7. 测试1. 基本知识1.1 显卡 显卡（Video card，Graphics card）全称显示接口卡，又称显示适配器，是计算机

文章目录1. 基本知识1.1 显卡1.2 GPU1.3 CUDA1.4 cuDNN2. 显卡驱动安装3. CUDA安装及配置3.1 CUDA下载3.2 CUDA安装3.3 CUDA安装确认4. cuDNN下载及配置5. 环境变量配置6. tensorflow环境配置7. 测试1. 基本知识1.1 显卡 显卡（Video card，Graphics card）全称显示接口卡，又称显示适配器，是计算机

记录一个error的解决方法：最近想跑一个baseline的代码，所以就用conda建了一个新的python虚拟环境，但是发现新建的python环境无法设置为Pycharm的SDK，一直提示该SDK不合法。于是我又去命令行挨个试了一下所有的python虚拟环境，除了base环境和其中一个虚拟环境py38，其余所有的虚拟环境都出现如下报错：(py37) E:\project_file\PyCharm

文章目录前言准备配置文件开始写作最后前言在进行大文件传输或修改的时候总会遇到存储或传输压力大的问题，而Git在版本迭代方面非常出色。在撰写毕业论文或其他大型论文时，一篇文章通常需要经过反复修改，往往我们通过复制文件对其重命名来进行版本的标识。这样不仅浪费存储空间，同时，文件管理起来也相当不便。Git作为常用的版本分布式管理软件有效地解决了这一问题，让我们可以对每次改动进行有效的管理；Pandoc是

将Windows下的java程序搬到Linux系统下编译，遇到了 unmappable character for encoding错误。java的class文件使用的是UTF-8编码。Server.java被编译到Server.class 的过程，包含到 UTF-8编码转换的过程。解决方法：编译# javac Server.javajavac -encoding gbk Server.java运

记录一个error的解决方法：最近想跑一个baseline的代码，所以就用conda建了一个新的python虚拟环境，但是发现新建的python环境无法设置为Pycharm的SDK，一直提示该SDK不合法。于是我又去命令行挨个试了一下所有的python虚拟环境，除了base环境和其中一个虚拟环境py38，其余所有的虚拟环境都出现如下报错：(py37) E:\project_file\PyCharm

一般写大型程序的时候，程序运行时间都比较长，将一些必要的输出保存到日志文件中是很有必要的。下面提供两种将输出保存到日志文件的方法。切换系统输出流将系统输出保存到日志文件的第一种方法是将系统输出流切换至文件句柄。import osimport sys# make a copy of original stdout routestdout_backup = sys.stdout# 日志文件目录file