《动手学深度学习》自学之路第10页

小白到运维工程师自学之路第七十七集（基于Prometheus监控Kubernetes集群）

一、Prometheus简介Prometheus是由SoundCloud开发的开源监控报警系统和时序列数据库(TSDB)；Prometheus使用Go语言开发，是GoogleBorgMon监控系统的开源版本；2016年由Google发起Linux基金会旗下的原生云基金会(CloudNativeComputingFoundation),将Prometheus纳入其下第二大开源项目；Prometheu

Silver彡Wolf·2023-08-22 06:55

小白到运维工程师自学之路第七十六集（kubernetes之EFK构建日志分析平台）

一、概述1、Elasticsearch产品介绍Elasticsearch是一个Restful风格的、开源的分布式搜索引擎，具备搜索和数据分析功能，它的底层是开源库ApacheLucene。Elasticsearch具有如下特点。一个分布式的实时文档存储，每个字段可以被索引与搜索；一个分布式实时分析搜索引擎；能支撑上百个服务节点的扩展，并支持PB级别的结构化或者非结构化数据。2、Fluentd工作原

Silver彡Wolf·2023-08-22 06:54

小白到运维工程师自学之路第七十八集（安装Jenkins）

一、环境概述随着软件开发需求及复杂度的不断提高，团队开发成员之间如何更好地协同工作以确保软件开发的质量已经慢慢成为开发过程中不可回避的问题。Jenkins自动化部署可以解决集成、测试、部署等重复性的工作，工具集成的效率明显高于人工操作；并且持续集成可以更早的获取代码变更的信息，从而更早的进入测试阶段，更早的发现问题，这样解决问题的成本就会显著下降；持续集成缩短了从开发、集成、测试、部署各个环节的时

Silver彡Wolf·2023-08-22 06:22

和李沐大神一起动手学深度学习笔记2——Softmax 回归

Softmax回归Softmax回归是一个多类分类模型，使用Softmax操作子可以得到每个类的预测置信度(概率)，使用交叉熵来衡量预测和标号的区别。分类vs回归image.png从回归到多类分类---均方损失,如下所示。image-20210827093003754.png 举例说明一位有效编码，大意为只有其中一个位的值为1，比如我有猫、狗和猪三类，标号则是长度为3的向量，那么可以分别表示为0

a_Janm·2023-08-22 02:27

一名前端工程师的自学之路！Js篇（01-16更新）

节点克隆cloneNode()用法：对象.cloneNode([true]);true表示可有可无如果含有参数true，表示深度克隆，即克隆该对象本身，又克隆该对象的内容如果没有参数true，只克隆该对象本身dom中的属性操作方法1、获取属性值对象.getAttribute("属性名")获取属性值，可以获取标签的固有属性值，也可以获取自定义属性值（该方法不能操作单选框或复选框的checked值）2

自律更自由·2023-08-18 14:41

动手学深度学习-pytorch版本（一）：引言 & 预备知识

参考引用动手学深度学习利用Anaconda安装pytorch和paddle深度学习环境+pycharm安装0.环境安装利用Anaconda安装pytorch和paddle深度学习环境+pycharm安装

Robot_Yue·2023-08-18 12:04

动手学深度学习-pytorch版本（二）：线性神经网络

参考引用动手学深度学习1.线性神经网络神经网络的整个训练过程，包括:定义简单的神经网络架构、数据处理、指定损失函数和如何训练模型。

Robot_Yue·2023-08-18 12:30

小白到运维工程师自学之路第七十五集（Kubernetes 企业级高可用部署）1

一、概述单master节点的可靠性不高，并不适合实际的生产环境。Kubernetes高可用集群是保证Master节点中APIServer服务的高可用。APIServer提供了Kubernetes各类资源对象增删改查的唯一访问入口，是整个Kubernetes系统的数据总线和数据中心。采用负载均衡（LoadBalance）连接多个Master节点可以提供稳定容器云业务。二、项目架构设计1、项目主机信息

Silver彡Wolf·2023-08-17 06:03

小白到运维工程师自学之路第七十五集（Kubernetes 企业级高可用部署）2

8、添加master节点在k8s-master2和k8s-master3节点创建文件夹mkdir-p/etc/kubernetes/pki/etcd在k8s-master1节点执行从k8s-master1复制密钥和相关文件到k8s-master2和k8s-master3scp/etc/kubernetes/[email protected]:/etc/kubernetessc

Silver彡Wolf·2023-08-17 06:03

小白到运维工程师自学之路第七十四集（kubernetes基于calico部署应用nginx）

一、详细介绍calicoCalico是一种基于BGP的、纯三层的、容器间互通的网络方案。与OpenStack、Kubenetes、AWS、GCE等云平台都能够良好的集成。在虚拟化平台中，如OpenStack、Docker等都需要实现workloads之间互连，但同时也需要对容器做隔离控制，就像在Internet中的服务仅开放80端口、公有云的多租户一样，提供隔离和管控机制。而在多数的虚拟化平台实现

Silver彡Wolf·2023-08-17 06:33

小白到运维工程师自学之路第七十三集（kubernetes应用部署）

一、安装部署1、以DeploymentYAML方式创建Nginx服务这个yaml文件在网上可以下载catnginx-deployment.yamlapiVersion:apps/v1#apiVersion是当前配置格式的版本kind:Deployment#kind是要创建的资源类型，这里是Deploymnetmetadata:#metadata是该资源的元数据，name是必须的元数据项name:n

Silver彡Wolf·2023-08-17 06:31

深度学习从入门到实际项目资料汇总

图片来源于AiLake，如若侵权，请联系博主删除文章目录1.介绍2.深度学习相关学习资料2.1[《动手学深度学习》](http://zh.d2l.ai/index.html)2.2[导航文库](https

智驾·2023-08-17 02:57

动手学深度学习—卷积神经网络LeNet（代码详解）

1.LeNetLeNet由两个部分组成：卷积编码器：由两个卷积层组成；全连接层密集块：由三个全连接层组成。每个卷积块中的基本单元是一个卷积层、一个sigmoid激活函数和平均汇聚层；每个卷积层使用5×5卷积核和一个sigmoid激活函数；这些层将输入映射到多个二维特征输出，通常同时增加通道的数量；每个4×4池操作（步幅2）通过空间下采样将维数减少4倍。importtorchfromtorchimp

緈福的街口·2023-08-16 13:48

李沐动手学深度学习：softmax回归的从零开始实现

importtorchfromIPythonimportdisplayfromd2limporttorchasd2lbatach_size=256train_iter,test_iter=d2l.load_data_fashion_mnist(batach_size)num_input=784#图片的尺寸：28*28num_output=10#10个类别W=torch.normal(0,0.01,

一个小猴子｀·2023-08-16 12:02

[动手学深度学习-PyTorch版]-3.15深度学习基础-数值稳定性和模型初始化

3.15数值稳定性和模型初始化理解了正向传播与反向传播以后，我们来讨论一下深度学习模型的数值稳定性问题以及模型参数的初始化方法。深度模型有关数值稳定性的典型问题是衰减（vanishing）和爆炸（explosion）。3.15.1衰减和爆炸image.png随着内容的不断深入，我们会在后面的章节进一步介绍深度学习的数值稳定性问题以及解决方法。3.15.2随机初始化模型参数在神经网络中，通常需要随机

蒸饺与白茶·2023-08-15 10:46

日更567天，7月14日小鹭的自学之路

小鹭拿到电脑的第一天，就在那长吁短叹：妈妈，看这些都要钱啊！那就找个不要钱的网站看。我以为他在看一些游戏的视频，就随口答应。他又在电脑面前摆弄了一阵子：还是不行啊，妈妈，你来看看。我走过去一看：妈呀，是虎课网上，成人学习的电脑编程C+++全面学习。你能看得懂？嗯嗯嗯。你要学这个？嗯嗯嗯。呀，不少钱呢。终身学习199，年卡无限学习99，年卡每日学习49。那就49这一种吧。反正，你每天看电脑的时间也有

萌萌心理咨询师·2023-08-14 21:15

六动手学深度学习v2 ——权重衰退+dropout

1.权重衰退最常见的用来处理过拟合的方法使用均方范数作为硬性限制使用均方范数作为软性限制总结：正则化是处理过拟合的常用方法：在训练集的损失函数中加入惩罚项，以降低学习到的模型的复杂度。保持模型简单的一个特别的选择是使用L2惩罚的权重衰减。这会导致学习算法更新步骤中的权重衰减。权重衰减功能在深度学习框架的优化器中提供。在同一训练代码实现中，不同的参数集可以有不同的更新行为。2.dropoutdrop

王二小、·2023-08-14 18:32

四动手学深度学习v2 —— 感知机多层感知机

感知机多层感知机多层感知机的从零开始实现多层感知机的简洁实现感知机：https://courses.d2l.ai/zh-v2/assets/pdfs/part-0_12.pdf多层感知机：https://courses.d2l.ai/zh-v2/assets/pdfs/part-0_13.pdf

王二小、·2023-08-14 18:01

五动手学深度学习v2 —— 模型选择+欠拟合和过拟合

模型选择欠拟合和过拟合4.4.2.2.K折交叉验证当训练数据稀缺时，我们甚至可能无法提供足够的数据来构成一个合适的验证集。这个问题的一个流行的解决方案是采用K折交叉验证。这里，原始训练数据被分成K个不重叠的子集。然后执行K次模型训练和验证，每次在K−1个子集上进行训练，并在剩余的一个子集（在该轮中没有用于训练的子集）上进行验证。最后，通过对K次实验的结果取平均来估计训练和验证误差。4.4.3.欠拟

王二小、·2023-08-14 18:01

七动手学深度学习v2 ——数值稳定性+模型初始化和激活函数

1.数值稳定性2.如何让训练更加稳定目标：让梯度值在合理的范围内方法：将乘法变成加法ResNetLSTM归一化梯度归一化梯度裁剪合理的权重初始和激活函数

王二小、·2023-08-14 18:30

多尺度目标检测【动手学深度学习】

在上篇博客《锚框【目标检测】》中，我们以输入图像的每个像素为中心，生成多个锚框。基本而言，这些锚框代表了图像不同区域的样本。然而如果以每个像素都生成的锚框，最后可能会得到太多需要计算的锚框。想象一个561×728的输入图像，如果以每个像素为中心生成五个形状不同的锚框，就需要在图像上标记和预测超过200万个锚框（561×728×5）。多尺度锚框减少图像上的锚框数量并不困难，比如可以在输入图像中均匀采

东城青年·2023-08-12 12:08

人邮异步社区·2023-08-11 21:22

动手学深度学习（三）线性神经网络—softmax回归

分类任务是对离散变量预测，通过比较分类的概率来判断预测的结果。softmax回归和线性回归一样也是将输入特征与权重做线性叠加，但是softmax回归的输出值个数等于标签中的类别数，这样就可以用于预测分类问题。分类问题和线性回归的区别：分类任务通常有多个输出，作为不同类别的置信度。一、softmax回归1.1网络架构为了解决线性模型的分类问题，我们需要和输出一样多的仿射函数，每个输出对应它自己的仿射

向岸看·2023-08-11 10:27

小白到运维工程师自学之路第七十一集（kubernetes网络设置）

一、概述Master节点NotReady的原因就是因为没有使用任何的网络插件，此时Node和Master的连接还不正常。目前最流行的Kubernetes网络插件有Flannel、Calico、Canal、Weave这里选择使用flannel。二、安装flannel1、master下载kube-flannel.yml，所有主机下载flannel将flannel镜像导入到dockerdockerloa

Silver彡Wolf·2023-08-11 09:45

小白到运维工程师自学之路第七十集（Kubernetes集群部署）

一、概述Kubernetes（简称K8S）是一个开源的容器编排和管理平台，是由Google发起并捐赠给CloudNativeComputingFoundation（CNCF）管理的项目。它的目标是简化容器化应用的部署、扩展、管理和自动化操作。以下是Kubernetes的一些关键特性：1、容器编排：Kubernetes可以管理和调度大规模的容器化应用程序。它能够确保应用程序在集群中的各个节点上正确启

Silver彡Wolf·2023-08-10 09:11

[Pytorch]＜动手学深度学习＞pytorch笔记-----预备知识

原书籍地址:https://raw.githubusercontent.com/OUCMachineLearning/OUCML/master/BOOK/Dive-into-DL-PyTorch.pdfPytorch版出处:Dive-into-DL-PyTorch1.创建Tensor首先导入torch包importtorch1.创建大小为5x3的未初始化的Tensor并输出x=torch.empt

End1esz·2023-08-10 01:35

【动手学深度学习v2李沐】学习笔记08：丢弃法

前文回顾：权重衰退、正则化文章目录一、丢弃法1.1动机1.2无偏差的加入噪音1.3使用丢弃法1.3.1训练中1.3.2预测中1.4总结二、代码实现2.1从零开始的实现2.1.1Dropout2.1.2定义模型2.1.3训练和测试2.2简洁实现2.2.1定义模型与Dropout2.2.2训练和测试一、丢弃法1.1动机一个好的模型需要对输入数据的扰动鲁棒。使用有噪音的数据等价于Tikhonov正则。丢

鱼儿听雨眠·2023-08-09 09:43

《动手学深度学习+PyTorch》3.9多层感知机（MLP）从零开始实现学习笔记

文章目录前言一、引入库二、步骤1.读取数据2.参数设置2.激活函数3.损失函数4.训练模型总结前言我们已经学习了包括线性回归和softmax回归在内的单层神经网络。然而深度学习主要关注多层模型。本次，我们将完成一个简单的多层感知机（multilayerperceptron，MLP）。一、引入库importtorchimportnumpyasnpimportsyssys.path.append(".

稚晖君的小弟·2023-08-09 09:12

小白到运维工程师自学之路第六十七集（Harbor企业镜像仓库部署）

一、概述Harbor是VMware公司开源的企业级DockerRegistry项目，其目标是帮助用户迅速搭建一个企业级的DockerRegistry仓库服务。它以Docker公司开源的Registry为基础，提供了管理UI。基于角色的访问控制(RoleBasedAccessControl)、AD/LDAP集成、以及审计日志(Auditlogging)等企业用户需求的功能。通过添加一些企业必需的功能

Silver彡Wolf·2023-08-09 05:48

小白到运维工程师自学之路第六十九集（构建Docker容器监控系统：Cadvisor +Prometheus+Grafana）

一、概述Prometheus产品简介Prometheus是一个最初在SoundCloud上构建的开源系统监视和警报工具包。自2012年成立以来，很多公司和组织都采用了Prometheus，该项目拥有非常活跃的开发者和用户社区。它现在是一个独立的开源项目，可以独立于任何公司进行维护。为了强调这一点，并阐明项目的治理结构，Prometheus于2016年加入CloudNativeComputingFo

Silver彡Wolf·2023-08-09 05:15

小白到运维工程师自学之路第六十八集（构建Docker容器监控系统：Cadvisor +InfluxDB+Grafana）

一、概述1、CadvisorCadvisor是Google用来监测单节点资源信息的监控工具。Cadvisor提供了基础查询界面和http接口，方便其他组件如Grafana、Prometheus等进行数据抓取。Cadvisor可以对Docker主机上的资源及容器进行实时监控和性能数据采集，包括CPU使用情况、内存使用情况、网络吞吐量及文件系统使用情况等。Cadvisor使用Go语言开发，利用Linu

Silver彡Wolf·2023-08-09 05:45

[动手学深度学习-PyTorch版]-3.12深度学习基础-权重衰减

3.12权重衰减上一节中我们观察了过拟合现象，即模型的训练误差远小于它在测试集上的误差。虽然增大训练数据集可能会减轻过拟合，但是获取额外的训练数据往往代价高昂。本节介绍应对过拟合问题的常用方法：权重衰减（weightdecay）。3.12.1方法image.png3.12.2高维线性回归实验image.png%matplotlibinlineimporttorchimporttorch.nnasn

蒸饺与白茶·2023-08-08 22:14

《动手学深度学习》优化算法学习&习题

优化算法梯度下降类小批量随机梯度下降，通过平均梯度来减小方差动量法基础泄露平均法：用来取代梯度的计算β\betaβ这个参数控制了取多久时间的平均值上述推理构成了”加速”梯度方法的基础，例如具有动量的梯度。在优化问题条件不佳的情况下（例如，有些方向的进展比其他方向慢得多，类似狭窄的峡谷）”加速”梯度还额外享受更有效的好处。此外，它们允许我们对随后的梯度计算平均值，以获得更稳定的下降方向。诚然，即使是

银晗·2023-08-08 12:57

小六壬（马前课）预测篇初学升级基础知识案例分享——（原创经验分享）

2017年闲来无事，正是生病后一年左右的时光里，开启了自学之路。当时为什么学马前课（小六壬）？

陈巳午·2023-08-08 09:54

马士兵Java学习之路

作者：马士兵老师Java自学之路一：学会选择为了就业，不少同学参加各种各样的培训。决心做软件的，大多数人选的是java，或是.net，也有一些选择了手机、嵌入式、游戏、3G、测试等。

MarkShen·2023-08-07 00:53

《动手学深度学习（PYTORCH版）》第3章导入torchvision后，报错无法定位程序输入点

在下载项目需要的torchvision后，在Pycharm上运行下面这段代码，总是会报上面这个错误，根据报错的提示，我猜测应该是torchvision出了问题：importtorchfromtorchimportnnfromtorch.nnimportinitimportnumpyasnpimportsyssys.path.append("..")importd2lzh_pytorchasd2lp

G_Sofia·2023-08-06 10:52

D2L学习记录-10-词嵌入word2vec

NLP-1-词嵌入(word2vec)参考:《动手学深度学习Pytorch第1版》第10章自然语言处理第1、2、3和4节(词嵌入)词嵌入(word2vec)：词向量：自然语言中，词是表义的基本单元。

@ZyuanZhang·2023-08-05 22:37

小白到运维工程师自学之路第六十六集（docker 网络模型）

一、概述Docker网络模型是指Docker容器在网络中的通信方式和组织结构。Docker容器通过网络连接，使得容器之间可以相互通信，并与主机和外部网络进行交互。在Docker中，有几种不同的网络模型可供选择：1、主机模式（Hostmode）：容器与主机共享网络命名空间，容器中的网络直接映射到主机网络上。这意味着容器可以使用主机上的网络配置，并且容器中的服务可以通过主机的IP地址和端口进行访问。2

Silver彡Wolf·2023-08-05 15:48

动手学深度学习（二）线性神经网络

向岸看·2023-08-05 11:46

动手学深度学习—卷积神经网络（原理解释+代码详解）

目录1.从全连接层到卷积层2.图像卷积2.1互相关运算2.2卷积层2.3图像中目标的边缘检测2.4学习卷积核2.5特征映射和感受野3.填充和步幅3.1填充3.2步幅4.多输入多输出通道4.1多输入通道4.2多输出通道4.31×1卷积核5.汇聚层5.1最大汇聚层和平均汇聚层5.2填充和步幅5.3多个通道1.从全连接层到卷积层多层感知机对图像处理是百万维度，模型不可实现。如果要在图片中找到某个物体，寻

緈福的街口·2023-08-05 02:27

动手学深度学习pytorch（第一天、第二天）

1.线性回归线性回归输出是⼀个连续值，因此适⽤用于回归问题。基本要素①模型定义②模型训练(1)训练数据：在机器器学习术语⾥里里，该数据集被称为训练数据集(trainingdataset)或训练集(trainingset)，⼀一栋房屋被称为⼀一个样本(sample)，其真实售出价格叫作标签(label)，⽤用来预测标签的两个因素叫作特征(feature)。特征⽤用来表征样本的特点。(2)损失函数：平

我叫涂涂可我的耳朵不大肿么办·2023-08-04 04:01

小白到运维工程师自学之路第六十五集（docker-compose）

一、概述DockerCompose的前身是Fig，它是一个定义及运行多个Docker容器的工具。可以使用YAML文件来配置应用程序的服务。然后，使用单个命令，您可以创建并启动配置中的所有服务。DockerCompose会通过解析容器间的依赖关系（link,网络容器-net-from或数据容器-volume-from）按先后顺序启动所定义的容器。Compose是Docker的服务编排工具，主要用来构

Silver彡Wolf·2023-08-03 22:11

小白到运维工程师自学之路第六十三集（dockerfile安装sshd、httpd、nginx）

一、概述Dockerfile的指令根据作用可以分为两种，构建指令和设置指令。构建指令用于构建image，其指定的操作不会在运行image的容器上执行；设置指令用于设置image的属性，其指定的操作将在运行image的容器中执行。1、FROM镜像:Tag构建指令，必须指定且需要在Dockerfile文件中其他指令的前面。后续的指令都依赖于该指令指定的image。FROM指令指定的基础image可以是

Silver彡Wolf·2023-08-03 22:41

小白到运维工程师自学之路第六十四集（dockerfile构建tomcat、mysql、lnmp、redis镜像）

一、tomcat（更换jdk）mkdirtomcatcdtomcat/tarxfjdk-8u191-linux-x64.tar.gztarxfapache-tomcat-8.5.40.tar.gzvimDockerfileFROMcentos:7MAINTAINERCrushlinuxADDjdk1.8.0_191/usr/local/javaENVJAVA_HOME/usr/local/java

Silver彡Wolf·2023-08-03 22:41

小白到运维工程师自学之路第六十二集（docker持久化与数据卷容器）

一、概述Docker持久化是指将容器中的数据持久保存在主机上，以便在容器重新启动或迁移时不丢失数据。由于Docker容器是临时和可变的，它们的文件系统默认是易失的，这意味着容器中的任何更改或创建的文件都只存在于此容器的生命周期内。但是，在许多场景中，我们希望在容器终止后仍然保留数据，并且能够在容器重新启动时继续使用。为了实现持久化，Docker提供了几种方法：1、数据卷（Volumes）：数据卷是

Silver彡Wolf·2023-08-03 22:10

动手学深度学习（一）预备知识

目录一、数据操作1.N维数组样例2.访问元素3.基础函数（1）创建一个行向量（2）通过张量的shape属性来访问张量的形状和元素总数（3）reshape()函数（4）创建全0、全1、其他常量或从特定分布中随机采样的数字组成的张量（5）标准运算（张量间的标准运算，都是按元素运算）（6）拼接函数cat（7）求和函数sum（8）矩阵的转置（9）复制张量（10）点积，矩阵-向量积和矩阵乘法（11）范数4.

向岸看·2023-08-02 17:03

动手学深度学习 PyTorch版_个人笔记

day01b站：https://space.bilibili.com/1567748478/channel/seriesdetail?sid=358497教材：https://zh-v2.d2l.ai/chapter_preface/index.html#sec-code代码注解：https://blog.csdn.net/shakalakaphd/category_10318255_2.html

nmslnmsl_n·2023-08-02 08:22

《动手学深度学习 v2》之预备、线性NN、多层感知机、深度学习计算

1.配置环境(AutoDl)https://mp.csdn.net/mp_blog/creation/editor/new/1286881852.预备知识2.1.数据操作importtorchprint(torch.__version__)#1.2.0#2.1.1入门x=torch.arange(12)print(x)print(x.shape)print(x.numel())#元素总数X=x.r

常某某的好奇心·2023-08-02 03:04

pytorch李沐动手学深度学习（三、深度学习计算）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录一、层和块自定义块顺序块在前向传播函数中执行代码二、参数管理参数访问目标参数一次性访问所有参数从嵌套块收集参数参数初始化自定义初始化参数绑定自定义层读写模型文件GPU一、层和块net=nn.Sequential(nn.Linear(20,256),nn.ReLU(),nn.Linear(256,10))自定义块classMLP

小火龙借个火·2023-08-01 21:26

【动手学深度学习PyTorch版】10 PyTorch 神经网络基础

上一篇移步【动手学深度学习PyTorch版】9Kaggle房价预测_水w的博客-CSDN博客目录一、PyTorch神经网络基础1.1层和块◼层和块◼自定义块◼顺序块◼正向传播◼混合组合块1.2参数管理◼

水w·2023-08-01 21:55

推荐频道

《动手学深度学习》自学之路

小白到运维工程师自学之路 第七十七集 （基于Prometheus监控Kubernetes集群）

小白到运维工程师自学之路 第七十六集 （kubernetes之EFK构建日志分析平台）

小白到运维工程师自学之路 第七十八集 （安装Jenkins）