- tf.stack
yalesaleng
tf.stack(values,axis=0,name='stack')Forexample:x=tf.constant([1,4])y=tf.constant([2,5])z=tf.constant([3,6])tf.stack([x,y,z])#[[1,4],[2,5],[3,6]](Packalongfirstdim.)tf.stack([x,y,z],axis=1)#[[1,2,3],[4
- tf.concat()到底怎么接的,看不懂你弄死我
木木爱吃糖醋鱼
上一篇里详细解释了tf.slice()到底是怎么切的,包括shape和怎么思考这种基于数组的表现方式比较容易理解。这一篇我打算说tf.concat(),然后下一篇讲tf.stack()。这两个容易混淆。而且相比之下,tf.concat()应该对于有计算机背景的人更好理解一点。所以咱们本着由浅入深的原则逐个攻克。tf.concat()是相对比较好理解的函数,它和python里的numpy.conca
- 【深度学习_TensorFlow】合并与分割
畅游星辰大海
#TensorFlow深度学习深度学习tensorflowneo4j
写在前面本文主要介绍了如下四个函数的参数意义及其函数用法,如有不恰当的地方,还请不吝指正!!!tf.concat()tf.stack()tf.unstack()tf.split()写在中间一、tf.concat()函数(1)简单介绍tf.concat()函数是TensorFlow中用于连接张量的函数。它可以将多个张量沿指定的轴连接在一起,形成一个新的张量。tf.concat(values,axis
- tensorflow笔记(二十七)——重要tensor操作函数
starxhong
tensorflowtensorflowpythontransposestackconcat
1.合并多个tensor的合并主要包括2个函数:tf.concat和tf.stack,他们的输出参数都是listoftensor。区别是:tf.concat是沿某一维度拼接shape相同的张量,拼接生成的新张量维度不会增加。tf.stack是在新的维度上拼接,拼接后维度加1。importtensorflowastfa=tf.constant([[1,2,3],[4,5,6]])b=tf.const
- tf.stack() 使用分析
Mr.Idleman
#tensorflow学习tensorflow机器学习
最近在看文章的时候,发现对stack方法有些迷惑,所以在这里填个坑:importtensorflowastfvector=[[[tf.range(1,6),tf.range(6,11)],[tf.range(11,16),tf.range(16,21)]],[[tf.range(21,26),tf.range(26,31)],[tf.range(31,36),tf.range(36,41)]]]p
- tensorflow和pytorch的对应函数。
程序小K
神经网络tensorflowpytorch
tf.math.square----------torch.powtf.reduce_sum()---------torch.sumtf.boolean_mask----------torch.masked_select(必须是bool值)tf.reduce_mean()---------torch.meantf.cast()----------x.type()orx.to()tf.stack()
- tensorflow进阶总结
Saturday66
Tensorflow2学习笔记pythontensorflow
tensorflow进阶总结数据的合并与分割数据统计张量的比较填充数据限幅高级操作tip:数据的合并与分割tf.concat([a,b],axis=n)#拼接:不会会产生新的维度'''e.g.:a.shape=[4,32,8]b.shape=[6,32,8]axis=0=>concat.shape=[10,32,8]'''#约束:非拼接维度之间必须保持一致,否则拼接不合法。tf.stack([a,
- 拼接数组/删除元素
ninesun11
数据预处理
矩阵拼接的函数tf.stack()与矩阵分解的函数tf.unstack()tf.unstack(value,num=None,axis=0,name='unstack')Unpacksthegivendimensionofarank-`R`tensorintorank-`(R-1)`tensors.Unpacks`num`tensorsfrom`value`bychippingitalongthe
- tf.stack()与tf.unstack()函数 & tf.constant()
显著性检测-Archerzjc,
tensorrflow
tf.stack()是一个矩阵拼接函数,即将秩为R的张量列表堆叠成一个秩为(R+1)的张量importtensorflowastfa=tf.constant([[1,2,3],[4,5,6]])b=tf.constant([[7,8,9],[0,1,7]])c=tf.stack([a,b],axis=0)withtf.Session()assess:result1=sess.run(c)print
- 张量拼接函数tf.stack()与张量分解函数tf.unstack()
cy冲鸭
tensorflow
1、tf.stack(values,axis=0,name=’stack’)以指定的轴axis,将一个维度为R的张量数组转变成一个维度为R+1的张量。即将一组张量以指定的轴,提高一个维度。参数:values:一个有相同形状与数据类型的张量数组。axis:以轴axis为中心来转变的整数。默认是第一个维度即axis=0。支持负数。取值范围为[-(R+1),R+1)name:这个操作的名字(可选)返回:
- tf.stack( )和tf.unstack( )
weixin_30892037
相同点:他们都增加了矩阵的维度,而split()不改变维度!tf.stack()这是一个矩阵拼接的函数,tf.unstack()则是一个矩阵分解的函数c是拼接,而d和e则是不同维度的分解转载于:https://www.cnblogs.com/mdumpling/p/8053406.html
- Tensorflow-API :tf.stack()和tf.unstack()
Elag
pythonTensorflow-API
tf.stack():矩阵拼接tf.unstack():矩阵分解importtensorflowastfa=tf.reshape(tf.range(0,12),[3,4])b=tf.reshape(tf.range(100,112),[3,4])#按第0维拼接stack0=tf.stack([a,b],axis=0)#按第1维拼接stack1=tf.stack([a,b],axis=1)#按第0维
- tf.stack()、tf.unstack()函数介绍和示例
痴迷、淡然~
TensorFlow
tf.stack()、tf.unstack()函数介绍和示例1.tf.stack([A,B]axis=0)释义:矩阵拼接A,B,输入张量axis,指定拼接维度,默认为0。示例1:二维数据中,维度0处拼接importtensorflowastfA=[[1,2,3],[4,5,6]]B=[[10,20,30],[40,50,60]]X=tf.stack([A,B],axis=0)#0维拼接withtf
- tf.stack()与tf.unstack()函数
Hhaicl
tensorflow
tf.stack()是一个矩阵拼接函数,即将秩为R的张量列表堆叠成一个秩为(R+1)的张量。importtensorflowastfa=tf.constant([[1,2,3],[4,5,6]])b=tf.constant([[7,8,9],[0,1,7]])c=tf.stack([a,b],axis=0)withtf.Session()assess:result1=sess.run(c)prin
- tf.concat与tf.stack的区别
风吹草地现牛羊的马
tensorflow
importtensorflowastfa=tf.constant([[1,2,3],[4,5,6]])b=tf.constant([[7,8,9],[10,11,12]])c1=tf.concat([a,b],axis=0)s1=tf.stack([a,b],axis=0)c2=tf.concat([a,b],axis=1)s2=tf.stack([a,b],axis=1)sess=tf.Ses
- 矩阵拼接的函数tf.stack()与矩阵分解的函数tf.unstack()示例
白话先生
importtensorflowastfa=tf.constant([1,2,3])b=tf.constant([4,5,6])c=tf.stack([a,b],axis=0)d=tf.stack([a,b],axis=1)e=tf.unstack(d,axis=0)f=tf.unstack(d,axis=1)withtf.Session()assess:print('原始向量数据:')print
- tf.stack和tf.unstack
韋頁
tensorflow
tf.stack和tf.unstack分别表示矩阵的合并和分解,下面用一个小示例演示用法importtensorflowastfimportsysimportosimportnumpyasnpa=tf.constant([1,2,3])b=tf.constant([4,5,6])c=tf.stack([a,b],axis=0)d=tf.unstack(c,axis=0)e=tf.unstack(c
- tensorflow tf.stack tf.unstack 实例
guotong1988
TensorFlow
importtensorflowastfa=tf.constant([1,2,3])b=tf.constant([4,5,6])c=tf.stack([a,b],axis=1)d=tf.unstack(c,axis=0)e=tf.unstack(c,axis=1)print(c.get_shape())withtf.Session()assess:print(sess.run(c))print(s
- tf.stack() 详解 —》理解为主
feifeiyechuan
tensorflow
tensorflow用于矩阵拼接的方法:tf.stack()个人参考感觉还不错的一个理解(tf.stack()和tf.concat()的区别):https://blog.csdn.net/Gai_Nothing/article/details/88416782defstack(values,axis=0,name="stack"):"""Stacksalistofrank-`R`tensorsin
- TF1.2.1 tf.stack() 替代 tf.pack()
守望者_c703
tf.stack(values,name=''pack'')旧:tf.pack(values,name=""pack"")说明:该函数使用方法无变化,仅仅名称变化。用法:values是一个tensor张量,name指示了名称。该函数实现rank=K的tensor打包成rank=k+1的tensor。举例:a=tf.constant([1,2,3])b=tf.constant([4,5,6])ses
- TensorFlow学习6:tf.stack和tf.unstack
Softdiamonds
tensorflow
tf.stack和tf.unstack分别表示矩阵的合并和分解示例:importtensorflowastfimportsysimportosimportnumpyasnpa=tf.constant([1,2,3])b=tf.constant([4,5,6])c=tf.stack([a,b],axis=0)d=tf.unstack(c,axis=0)e=tf.unstack(c,axis=1)wi
- TensorFlow stack 与 unstack 详细介绍
Claus0319
TensorFlow
转自:https://www.toutiao.com/i6463423755296178702/tf.stack()tf.stack(values,axis=0,name=’stack’)以指定的轴axis,将一个维度为R的张量数组转变成一个维度为R+1的张量。即将一组张量以指定的轴,提高一个维度。假设要转变的张量数组values的长度为N,其中的每个张量的形状为(A,B,C)。如果轴axis=0
- TensorFlow 学习笔记1-tf.stack的用法
羞羞的铁脚
机器学习
tf.stack的用法1tf.stacktf.stack用于拼接两个tf张量,拼接可以在不同的维度上进行,拼接后的新张量维度加1例子1:拼接1维数组:x1=tf.constant([1,2,3])#shape:(3)x2=tf.constant([3,4,5])#shape:(3)#在第0个轴上拼接y1=tf.stack([x1,x2],0)#shape=(2*3)print(sess.run(y
- Tensorflow2.0 label与one-hot独热编码向量之间的相互转换
清风思月
PythonAI/ML/DL
label转one-hotimporttensorflowastflabel=tf.stack(5)one_hot_label=tf.one_hot(label,10)print("label:",label.numpy())print("one_hot_label:",one_hot_label.numpy())'''output:label:5one_hot_label:[0.,0.,0.,0
- tensorflow使用张量时的一些注意点tf.concat、tf.reshape、tf.stack
风之清扬
技术杂谈tensorflow学习笔记
有一段时间没用tensorflow了,现在跑实验还是存在一些坑了,主要是关于张量计算的问题。tensorflow升级1.0版本后与以前的版本并不兼容,可能出现各种奇奇怪怪的问题。1tf.concat函数tensorflow1.0以前函数用法:tf.concat(concat_dim,values,name=’concat’),第一个参数为连接的维度,可以将几个向量按指定维度连接起来。如:t1=[[
- 浅谈tensorflow使用张量时的一些注意点tf.concat,tf.reshape,tf.stack
有一段时间没用tensorflow了,现在跑实验还是存在一些坑了,主要是关于张量计算的问题。tensorflow升级1.0版本后与以前的版本并不兼容,可能出现各种奇奇怪怪的问题。1tf.concat函数tensorflow1.0以前函数用法:tf.concat(concat_dim,values,name='concat'),第一个参数为连接的维度,可以将几个向量按指定维度连接起来。如:t1=[[
- tf.unstack与tf.stack
JempChou
tf.unstack原型:unstack(value,num=None,axis=0,name='unstack')官方解释:https://tensorflow.google.cn/api_docs/python/tf/unstack解释:这是一个对矩阵进行分解的函数,以下为关键参数解释:value:代表需要分解的矩阵变量(其实就是一个多维数组,一般为二维);axis:指明对矩阵的哪个维度进行分
- TensorFlow之矩阵变换
看_有灰碟
训练网络时,经常要对矩阵进行拼接、拆分、减少纬度、扩充纬度、改变shape、转置、乱序等操作,这里把常用到的方法总结归纳出来。tf.concat(values,axis,name="concat")tf.stack(values,axis=0,name="stack”)tf.unstack(value,num=None,axis=0,name="unstack”)tf.tile(input,mul
- tensorflow对图像进行拼接的例子
J_PrCz
tensorflow对图像进行多个块的行列拼接tf.concat(),tf.stack()在深度学习过程中,通过卷积得到的图像块大小是8×8×1024的图像块,对得到的图像块进行reshape得到[8×8]×[32×32],其中[8×8]是图像块的个数,[32×32]是小图像的大小。通过tf.concat对小块的图像进行拼接。-在做图像卷积的过程中,做了这样一个比较麻烦的拼接,现在还没想到更好的拼
- TensorFlow tensor的拼接实例
Eric_LH
TensorFlow提供两种类型的拼接:tf.concat(values,axis,name='concat'):按照指定的已经存在的轴进行拼接tf.stack(values,axis=0,name='stack'):按照指定的新建的轴进行拼接t1=[[1,2,3],[4,5,6]]t2=[[7,8,9],[10,11,12]]tf.concat([t1,t2],0)==>[[1,2,3],[4,
- jsonp 常用util方法
hw1287789687
jsonpjsonp常用方法jsonp callback
jsonp 常用java方法
(1)以jsonp的形式返回:函数名(json字符串)
/***
* 用于jsonp调用
* @param map : 用于构造json数据
* @param callback : 回调的javascript方法名
* @param filters : <code>SimpleBeanPropertyFilter theFilt
- 多线程场景
alafqq
多线程
0
能不能简单描述一下你在java web开发中需要用到多线程编程的场景?0
对多线程有些了解,但是不太清楚具体的应用场景,能简单说一下你遇到的多线程编程的场景吗?
Java多线程
2012年11月23日 15:41 Young9007 Young9007
4
0 0 4
Comment添加评论关注(2)
3个答案 按时间排序 按投票排序
0
0
最典型的如:
1、
- Maven学习——修改Maven的本地仓库路径
Kai_Ge
maven
安装Maven后我们会在用户目录下发现.m2 文件夹。默认情况下,该文件夹下放置了Maven本地仓库.m2/repository。所有的Maven构件(artifact)都被存储到该仓库中,以方便重用。但是windows用户的操作系统都安装在C盘,把Maven仓库放到C盘是很危险的,为此我们需要修改Maven的本地仓库路径。
- placeholder的浏览器兼容
120153216
placeholder
【前言】
自从html5引入placeholder后,问题就来了,
不支持html5的浏览器也先有这样的效果,
各种兼容,之前考虑,今天测试人员逮住不放,
想了个解决办法,看样子还行,记录一下。
【原理】
不使用placeholder,而是模拟placeholder的效果,
大概就是用focus和focusout效果。
【代码】
<scrip
- debian_用iso文件创建本地apt源
2002wmj
Debian
1.将N个debian-506-amd64-DVD-N.iso存放于本地或其他媒介内,本例是放在本机/iso/目录下
2.创建N个挂载点目录
如下:
debian:~#mkdir –r /media/dvd1
debian:~#mkdir –r /media/dvd2
debian:~#mkdir –r /media/dvd3
….
debian:~#mkdir –r /media
- SQLSERVER耗时最长的SQL
357029540
SQL Server
对于DBA来说,经常要知道存储过程的某些信息:
1. 执行了多少次
2. 执行的执行计划如何
3. 执行的平均读写如何
4. 执行平均需要多少时间
列名 &
- com/genuitec/eclipse/j2eedt/core/J2EEProjectUtil
7454103
eclipse
今天eclipse突然报了com/genuitec/eclipse/j2eedt/core/J2EEProjectUtil 错误,并且工程文件打不开了,在网上找了一下资料,然后按照方法操作了一遍,好了,解决方法如下:
错误提示信息:
An error has occurred.See error log for more details.
Reason:
com/genuitec/
- 用正则删除文本中的html标签
adminjun
javahtml正则表达式去掉html标签
使用文本编辑器录入文章存入数据中的文本是HTML标签格式,由于业务需要对HTML标签进行去除只保留纯净的文本内容,于是乎Java实现自动过滤。
如下:
public static String Html2Text(String inputString) {
String htmlStr = inputString; // 含html标签的字符串
String textSt
- 嵌入式系统设计中常用总线和接口
aijuans
linux 基础
嵌入式系统设计中常用总线和接口
任何一个微处理器都要与一定数量的部件和外围设备连接,但如果将各部件和每一种外围设备都分别用一组线路与CPU直接连接,那么连线
- Java函数调用方式——按值传递
ayaoxinchao
java按值传递对象基础数据类型
Java使用按值传递的函数调用方式,这往往使我感到迷惑。因为在基础数据类型和对象的传递上,我就会纠结于到底是按值传递,还是按引用传递。其实经过学习,Java在任何地方,都一直发挥着按值传递的本色。
首先,让我们看一看基础数据类型是如何按值传递的。
public static void main(String[] args) {
int a = 2;
- ios音量线性下降
bewithme
ios音量
直接上代码吧
//second 几秒内下降为0
- (void)reduceVolume:(int)second {
KGVoicePlayer *player = [KGVoicePlayer defaultPlayer];
if (!_flag) {
_tempVolume = player.volume;
- 与其怨它不如爱它
bijian1013
选择理想职业规划
抱怨工作是年轻人的常态,但爱工作才是积极的心态,与其怨它不如爱它。
一般来说,在公司干了一两年后,不少年轻人容易产生怨言,除了具体的埋怨公司“扭门”,埋怨上司无能以外,也有许多人是因为根本不爱自已的那份工作,工作完全成了谋生的手段,跟自已的性格、专业、爱好都相差甚远。
- 一边时间不够用一边浪费时间
bingyingao
工作时间浪费
一方面感觉时间严重不够用,另一方面又在不停的浪费时间。
每一个周末,晚上熬夜看电影到凌晨一点,早上起不来一直睡到10点钟,10点钟起床,吃饭后玩手机到下午一点。
精神还是很差,下午像一直野鬼在城市里晃荡。
为何不尝试晚上10点钟就睡,早上7点就起,时间完全是一样的,把看电影的时间换到早上,精神好,气色好,一天好状态。
控制让自己周末早睡早起,你就成功了一半。
有多少个工作
- 【Scala八】Scala核心二:隐式转换
bit1129
scala
Implicits work like this: if you call a method on a Scala object, and the Scala compiler does not see a definition for that method in the class definition for that object, the compiler will try to con
- sudoku slover in Haskell (2)
bookjovi
haskellsudoku
继续精简haskell版的sudoku程序,稍微改了一下,这次用了8行,同时性能也提高了很多,对每个空格的所有解不是通过尝试算出来的,而是直接得出。
board = [0,3,4,1,7,0,5,0,0,
0,6,0,0,0,8,3,0,1,
7,0,0,3,0,0,0,0,6,
5,0,0,6,4,0,8,0,7,
- Java-Collections Framework学习与总结-HashSet和LinkedHashSet
BrokenDreams
linkedhashset
本篇总结一下两个常用的集合类HashSet和LinkedHashSet。
它们都实现了相同接口java.util.Set。Set表示一种元素无序且不可重复的集合;之前总结过的java.util.List表示一种元素可重复且有序
- 读《研磨设计模式》-代码笔记-备忘录模式-Memento
bylijinnan
java设计模式
声明: 本文只为方便我个人查阅和理解,详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
import java.util.ArrayList;
import java.util.List;
/*
* 备忘录模式的功能是,在不破坏封装性的前提下,捕获一个对象的内部状态,并在对象之外保存这个状态,为以后的状态恢复作“备忘”
- 《RAW格式照片处理专业技法》笔记
cherishLC
PS
注意,这不是教程!仅记录楼主之前不太了解的
一、色彩(空间)管理
作者建议采用ProRGB(色域最广),但camera raw中设为ProRGB,而PS中则在ProRGB的基础上,将gamma值设为了1.8(更符合人眼)
注意:bridge、camera raw怎么设置显示、输出的颜色都是正确的(会读取文件内的颜色配置文件),但用PS输出jpg文件时,必须先用Edit->conv
- 使用 Git 下载 Spring 源码 编译 for Eclipse
crabdave
eclipse
使用 Git 下载 Spring 源码 编译 for Eclipse
1、安装gradle,下载 http://www.gradle.org/downloads
配置环境变量GRADLE_HOME,配置PATH %GRADLE_HOME%/bin,cmd,gradle -v
2、spring4 用jdk8 下载 https://jdk8.java.
- mysql连接拒绝问题
daizj
mysql登录权限
mysql中在其它机器连接mysql服务器时报错问题汇总
一、[running]
[email protected]:~$mysql -uroot -h 192.168.9.108 -p //带-p参数,在下一步进行密码输入
Enter password: //无字符串输入
ERROR 1045 (28000): Access
- Google Chrome 为何打压 H.264
dsjt
applehtml5chromeGoogle
Google 今天在 Chromium 官方博客宣布由于 H.264 编解码器并非开放标准,Chrome 将在几个月后正式停止对 H.264 视频解码的支持,全面采用开放的 WebM 和 Theora 格式。
Google 在博客上表示,自从 WebM 视频编解码器推出以后,在性能、厂商支持以及独立性方面已经取得了很大的进步,为了与 Chromium 现有支持的編解码器保持一致,Chrome
- yii 获取控制器名 和方法名
dcj3sjt126com
yiiframework
1. 获取控制器名
在控制器中获取控制器名: $name = $this->getId();
在视图中获取控制器名: $name = Yii::app()->controller->id;
2. 获取动作名
在控制器beforeAction()回调函数中获取动作名: $name =
- Android知识总结(二)
come_for_dream
android
明天要考试了,速速总结如下
1、Activity的启动模式
standard:每次调用Activity的时候都创建一个(可以有多个相同的实例,也允许多个相同Activity叠加。)
singleTop:可以有多个实例,但是不允许多个相同Activity叠加。即,如果Ac
- 高洛峰收徒第二期:寻找未来的“技术大牛” ——折腾一年,奖励20万元
gcq511120594
工作项目管理
高洛峰,兄弟连IT教育合伙人、猿代码创始人、PHP培训第一人、《细说PHP》作者、软件开发工程师、《IT峰播》主创人、PHP讲师的鼻祖!
首期现在的进程刚刚过半,徒弟们真的很棒,人品都没的说,团结互助,学习刻苦,工作认真积极,灵活上进。我几乎会把他们全部留下来,现在已有一多半安排了实际的工作,并取得了很好的成绩。等他们出徒之日,凭他们的能力一定能够拿到高薪,而且我还承诺过一个徒弟,当他拿到大学毕
- linux expect
heipark
expect
1. 创建、编辑文件go.sh
#!/usr/bin/expect
spawn sudo su admin
expect "*password*" { send "13456\r\n" }
interact
2. 设置权限
chmod u+x go.sh 3.
- Spring4.1新特性——静态资源处理增强
jinnianshilongnian
spring 4.1
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- idea ubuntuxia 乱码
liyonghui160com
1.首先需要在windows字体目录下或者其它地方找到simsun.ttf 这个 字体文件。
2.在ubuntu 下可以执行下面操作安装该字体:
sudo mkdir /usr/share/fonts/truetype/simsun
sudo cp simsun.ttf /usr/share/fonts/truetype/simsun
fc-cache -f -v
- 改良程序的11技巧
pda158
技巧
有很多理由都能说明为什么我们应该写出清晰、可读性好的程序。最重要的一点,程序你只写一次,但以后会无数次的阅读。当你第二天回头来看你的代码 时,你就要开始阅读它了。当你把代码拿给其他人看时,他必须阅读你的代码。因此,在编写时多花一点时间,你会在阅读它时节省大量的时间。
让我们看一些基本的编程技巧:
尽量保持方法简短
永远永远不要把同一个变量用于多个不同的
- 300个涵盖IT各方面的免费资源(下)——工作与学习篇
shoothao
创业免费资源学习课程远程工作
工作与生产效率:
A. 背景声音
Noisli:背景噪音与颜色生成器。
Noizio:环境声均衡器。
Defonic:世界上任何的声响都可混合成美丽的旋律。
Designers.mx:设计者为设计者所准备的播放列表。
Coffitivity:这里的声音就像咖啡馆里放的一样。
B. 避免注意力分散
Self Co
- 深入浅出RPC
uule
rpc
深入浅出RPC-浅出篇
深入浅出RPC-深入篇
RPC
Remote Procedure Call Protocol
远程过程调用协议
它是一种通过网络从远程计算机程序上请求服务,而不需要了解底层网络技术的协议。RPC协议假定某些传输协议的存在,如TCP或UDP,为通信程序之间携带信息数据。在OSI网络通信模型中,RPC跨越了传输层和应用层。RPC使得开发