Linux运维学习实践

《Linux运维实战：Centos7.6一键离线部署harbor镜像仓库》

文章目录一、工具背景二、工具下载三、目录结构四、脚本参数五、部署步骤六、配置文件七、配置https八、部署效果
东城绝神·2023-01-12 19:51

《Linux运维实战：Centos7.6系统用户安全策略管理》

文章目录一、背景信息二、问题描述三、整改方案四、整改操作4.1、问题一整改操作4.2、问题二整改操作4.3、问题三整改操作4.4、问题四整改操作4.5、问题五整改操作4.6、问题六整改操作总结：整理不易，如果对你有帮助，可否点赞关注一下？一、背景信息由于公司在做二级等保，关于主机操作系统的一些问题需要整改，这里列出了一些，整改方案和整改操作可参考如下内容。注意事项：建议在进行操作时备份需要修改的文
东城绝神·2023-01-12 19:51

《Linux运维实战：Centos7.8进不了图形化界面》

文章目录一、现象说明二、解决方法总结：整理不易，如果对你有帮助，可否点赞关注一下？一、现象说明说明：本地虚拟机，centos7.8系统，开机后一直卡在登录界面上，但是可以通过xshell工具连接服务器。如下图所示：二、解决方法2.1、设置默认target#1、进入root用户,获取当前的默认target[root@localhost~]#systemctlget-default[root@loca
东城绝神·2023-01-12 19:51

《Linux运维总结：Centos7.6部署二进制redis4.0.10集群》

文章目录一、下载安装包二、安装redis三、初始化redis四、修改配置文件五、系统参数修改六、安装ruby七、构建集群八、验证集群是否可用九、验证集群切换总结一、下载安装包wgethttp://download.redis.io/releases/redis-4.0.10.tar.gz二、安装redisSetp1：cd/data/pkgs&&taraxfredis-4.0.10.tar.gz&&
东城绝神·2023-01-12 19:20

《Linux运维实战：Centos7.6基于ansible一键离线部署redis6.2.8容器版之哨兵集群》

一、部署背景由于业务系统的特殊性，我们需要针对不同的客户环境部署redis哨兵集群，由于大都数用户都是专网环境，无法使用外网，为了更便捷，高效的部署，针对业务系统的特性，我这边编写了基于ansible自动化工具，一键远程离线部署redis容器版哨兵集群，当然也会编写二进制版本，敬请期待吧！说明：如果有兴趣，可以从工具下载中获取下载链接，此工具可帮助你快速了解一个自动化部署工具是如何编写的？二、功能
东城绝神·2023-01-12 19:18

《PyTorch深度学习实践》课上代码笔记 三

自学笔记课程老师：刘二大人河北工业大学教师https://liuii.github.io课程来源：https://www.bilibili.com/video/BV1Y7411d7Ys推荐一个服务器租赁的平台相比于阿里腾讯等平台，亲测性价比要高，显卡有1080Ti、2080Ti、3080Ti等，运行速度自然比自己的笔记本快，也能保护自己心爱的笔记本，实例中有JupyterNotebook、Visu
Zhanglw882·2023-01-12 16:16

《PyTorch深度学习实践》刘二大人 第4讲 反向传播

课堂代码importtorchx_data=[1.0,2.0,3.0]y_data=[2.0,4.0,6.0]w=torch.tensor([1.0])w.requires_grad=Truedefforward(x):returnw*xdefloss(x,y):y_pred=forward(x)return(y_pred-y)**2forepochinrange(100):forx,yinzip
Grairain·2023-01-12 11:54

B站刘二大人-反向传播Lecture4

系列文章：《PyTorch深度学习实践》完结合集-B站刘二大人Pytorch代码注意的细节，容易敲错的地方B站刘二大人-线性回归及梯度下降Lecture3B站刘二大人-反向传播Lecture4B站刘二大人
宁然也·2023-01-12 11:23

刘二大人 《PyTorch深度学习实践》第3讲 梯度下降算法

指路☞《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili知识补充：1、预设一个w值，然后算斜率（梯度），如果梯度大于0，我们要往梯度小的方向进行，即减去它，反之一样。
qq_39705798·2023-01-12 11:47

刘二大人 《PyTorch深度学习实践》第5讲 用Pytorch实现线性回归

指路☞《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili知识补充：1、pytorch神经网络模型2、类后面加括号，表示构造对象；Linear的对象里面包含w和b,将来我们可以直接用Linear
qq_39705798·2023-01-12 11:47

刘二大人 《PyTorch深度学习实践》第8讲 加载数据集（笔记）

指路☞《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili目录一、知识补充二、课堂代码三、作业一、知识补充1、Dataset和DataLoader是构造数据集的两个类，其中Dataset是构造数据集
qq_39705798·2023-01-12 11:47

刘二大人《PyTorch深度学习实践》第2讲

指路☞《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili知识补充：1、zip(x_data,y_data)表示将将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。
qq_39705798·2023-01-12 11:17

Pytorch深度学习实践（b站刘二大人）P4讲（反向传播）

课堂代码：#反向传播课上代码importtorchx_data=[1.0,2.0,3.0]y_data=[2.0,4.0,6.0]w=torch.tensor([1.0])#w的初值为1.0w.requires_grad=True#默认为False，True表示需要计算梯度defforward(x):returnx*w#其中w是tensor,乘法运算符被重载，tensor与tensor的乘法，所以
努力学习的朱朱·2023-01-12 11:16

《PyTorch深度学习实践》Lecture_04 反向传播 Back Propagation

B站刘二大人老师的《PyTorch深度学习实践》Lecture_04重点回顾+手记+代码复现+知识补充Lecture_04反向传播BackPropagation一、重点回顾（一）计算图ComputationalGraph1
　木夕敢敢·2023-01-12 11:12

刘二大人 《Pyorch深度学习实践》第4讲 反向传播

指路☞《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili知识补充：1、从左到右是前向，从右到左是反向传播*****************************************
qq_39705798·2023-01-12 11:39

【PyTorch深度学习实践】05_逻辑斯蒂回归

文章目录1.分类问题相关数据集1.1MINIST1.2CIFAR-102.回归(Regression)VS分类(Classification)2.1模型对比2.2损失函数对比2.3实现代码对比3.完整代码之前使用线性回归解决的都是**回归（预测）**问题，逻辑斯蒂回归模型可以用来解决另一大问题——分类。注意逻辑斯蒂回归虽然名为回归，但解决的是分类问题，是最简单的分类问题模型，用于解决二分类。1.分
青山的青衫·2023-01-10 16:01

PyTorch深度学习实践——4.反向传播

PyTorch深度学习实践——4.反向传播课程链接：《PyTorch深度学习实践》4.反向传播思路：1、先算损失loss2、算反向传播backwardloss.backward():dloss\dw==
皮肤科大白·2023-01-10 16:30

《Pytorch深度学习实践》反向传播课程代码

importtorchimportnumpyasnpimportmatplotlib.pyplotaspltx_data=[1.0,2.0,3.0]y_data=[2.0,4.0,6.0]w=torch.Tensor([0.0])w.requires_grad=True#是否需要计算梯度=truedefforward(x):returnx*wdefloss(x,y):#创建一个计算图y_pred=
相心木·2023-01-10 16:30

PyTorch 深度学习实践 第5讲 用PyTorch实现线性回归

importtorchx_data=torch.tensor([[1.0],[2.0],[3.0]])y_data=torch.tensor([[2.0],[4.0],[6.0]])classLinearModel(torch.nn.Module):def__init__(self):super(LinearModel,self).__init__()#(1,1)是指输入x和输出y的特征维度，这里
Grairain·2023-01-10 16:00

Pytorch 深度学习实践Lecture_4 Back Propagation

up主刘二大人视频链接刘二大人的个人空间_哔哩哔哩_Bilibili反向传播可以通过链式法则，使得梯度在计算图中进行反向传播在Pytorch中，Tensor对象包含data和grad两个属性  data：用于存放tensor，是数据本体。  grad：存放data的梯度值(默认不计算梯度)在Pytorch中，Tensor之间的计算即为动态生成计算图(谨记)importtorchimportmatp
endeavor`·2023-01-10 16:58

【PyTorch深度学习实践】深度学习之反向传播，用PyTorch实现线性回归和Logistic回归

文章目录前言一、反向传播二、用PyTorch实现线性回归三、Logistic回归总结前言继上一节讲的线性模型和梯度下降法后，本节将在此基础上讲解反向传播，用PyTorch实现线性回归和Logistics回归一、反向传播误差反向传播法（Back-propagation,BP）会计算神经网络中损失函数对各参数的梯度，配合优化方法更新参数，降低损失函数。BP本来只指损失函数对参数的梯度通过网络反向流动的
今天又干了些什么呢·2023-01-10 16:25

Pytorch深度学习实践-反向传播

反向传播原理学习内容来自刘二大人深度学习实践课程https://b23.tv/ELo6f7以及博客https://www.cnblogs.com/charlotte77/p/5629865.html下面是反向传播代码实现二次模型
L_Moonshine·2023-01-10 16:54

PyTorch深度学习实践05用pytorch实现线性回归 __call__ 和forward函数

PyTorch深度学习实践05用pytorch实现线性回归call和forward函数__call__先上结论：model（x_data）到底是怎么调用的：相当于model(x_data)实际上调用的是
念旧人丶·2023-01-10 16:53

PyTorch深度学习实践——4.反向传播＆作业

课程链接：《PyTorch深度学习实践》4.反向传播思路：1、先算损失loss2、算反向传播backwardloss.backward():dloss\dw==w.grad（Tensor）3、更新权重ww.data
青芒小智·2023-01-10 16:22

PyTorch深度学习实践——用pytorch实现线性回归

参考资料参考资料1：https://blog.csdn.net/bit452/article/details/109677086参考资料2：http://biranda.top/Pytorch%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0005%E2%80%94%E2%80%94%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD%E7%AE%97%E
没有人会真的躺平·2023-01-10 16:52

pytorch深度学习实践4——反向传播

利用pytorch实现反向传播，简单代码#-*-coding:utf-8-*-"""SpyderEditorThisisatemporaryscriptfile."""importtorchx_data=[1.0,2.0,3.0]y_data=[2.0,4.0,6.0]w=torch.Tensor([1.0])w.requires_grad=Truedefforward(x):returnx*wd
Hao &·2023-01-10 16:49

pytorch深度学习实践_p5_用pytorch实现线性回归

知识点补充torch.nn.Linear(input_dim,output_dim)input_dim:输入的维度，即特征x的个数output_dim:输出的维度，即输出y的个数torch.nn.MSELoss(size_average=True,reduce=True)size_average:True表示求batch中损失值的平均数；False表示求batch损失值的总和。默认为True。re
L_halley·2023-01-10 16:48

【PyTorch深度学习实践】03_反向传播

文章目录1.计算图2.反向传播2.1链式求导法则2.2反向传播过程3.Pytorch中前馈和反馈的计算3.1Tensor3.2代码演示对于简单的模型，梯度变换可以用解析式表达进行手算，但是复杂模型（很多w，b）的损失函数需要挨个写解析式，非常不好计算（主要是求导）。因此，可以考虑使用某种算法，把整个网络看做一个计算图，在图上传播整个梯度。这种算法，就称为反向传播算法。转载：梯度下降法是通用的优化算
青山的青衫·2023-01-10 16:46

【PyTorch深度学习实践】04_用PyTorch实现线性回归

文章目录1.模型训练步骤2.实现过程2.1准备数据集2.2设计模型2.3设计损失函数和优化器2.4训练过程3.完整代码1.模型训练步骤1.准备数据集dataset和dataloader2.设计模型3.构造损失函数和优化器4.训练过程前馈（算损失）、反馈（算梯度）、更新（用梯度下降更新）2.实现过程2.1准备数据集importtorch#x，y这里都是张量x_data=torch.tensor([[
青山的青衫·2023-01-10 16:46

深度学习实践必备工具

下面是自己对深度学习过程中一些工具的知识点的总结，希望能对你有帮助。如果疑问或错误欢迎交流！自己目前的程度也是比较浅的，但是算可以自己远程服务器，改代码，跑实验。搭建好了这些基础环境后，接下来要做的就是多看论文多做实验了！自己只是初探这个领域，接下来的新认识，还会不断更新此文章！目录环境连接工具（基于win10）穿透工具一些小工具（需要可以找我要）一些常用命令Linuxanacoda深度入门书籍视
大海Git·2023-01-10 10:46

Pytorch深度学习实践（b站刘二大人）P11讲 (CNN卷积神经网络高级篇)

1.GoogLeNet：蓝色的块是卷积，红色的块是池化，黄色的是softmax减少代码冗余：函数/类当网络结构复杂，对于类似或者相同的子结构，就可以把这个子结构（块）封装成一个类GoogleNet，常被用作基础主干网络，图中红色圈出的一个部分称为Inception块2.InceptionModule解析卷积核的大小：GoogleNet的下面这个块出发点是不知道多大的卷积核好用，那就在一个块里面把这
努力学习的朱朱·2023-01-09 22:20

PyTorch 深度学习实践 GPU版本B站 刘二大人第11讲卷积神经网络(高级篇)GPU版本

第11讲卷积神经网络(高级篇)GPU版本源代码原理是基于B站刘二大人：传送门PyTorch深度学习实践——卷积神经网络(高级篇)这篇基于博主错错莫：传送门深度学习实践第11讲博文仅在他的基础上加入了GPU
中杯可乐多加冰·2023-01-09 22:18

Pytorch 深度学习实践Lecture_9 Softmax Classifier

up主刘二大人视频链接刘二大人的个人空间_哔哩哔哩_Bilibili使用Softmax预测多分类问题输出需要满足分布的条件1)2)假设是最后一层的输出，Softmax公式为示例损失函数(交叉熵)numpy计算loss示例：importnumpyasnpy=np.array([1,0,0])z=np.array([0.2,0.1,-0.1])y_pred=np.exp(z)/np.exp(z).su
endeavor`·2023-01-09 19:14

学习日记（三）

目录PyTorch学习Sklearn学习前沿如何从GitHub下载csv文件PyTorch学习《PyTorch深度学习实践》完结合集-刘二大人https://blog.csdn.net/weixin_44410569
沟壑星空qq_42946961·2023-01-09 19:31

机器学习实践之scikit-learn：最小二乘法

OrdinaryLeastSquares(普通最小二乘法)线性回归用系数来拟合线性模型，来最小化观测得的数据集和线性模型估计值的均方误差。所解决的问题在数学上的表达为：线性回归将矩阵X，y作为方法fit的参数，将拟合的系数存放到coef_成员:>>>fromsklearnimportlinear_model>>>reg=linear_model.LinearRegression()>>>reg.f
空腹熊猫·2023-01-09 18:08

tensorflow linux多卡训练_用Windows电脑训练深度学习模型？超详细配置教程来了

KaggleMaster及机器学习实践者Abhinand立足于自己的实践，给出了一种简单易行的Windows深度学习环境配置流程。
weixin_39563823·2023-01-09 12:32

《PyTorch深度学习实践》第十三课（循环神经网络RNN高级版）

b站刘二视频，地址：《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili网络模型通过RNN模型，实现输出名字，对应出国家的功能构造数据列表长短不一，构造成一样将国家做成输出索引导入数据如果以后数据集为
falldeep·2023-01-09 08:35

3 PyTorch读入各类形式的数据

欢迎订阅本专栏：《PyTorch深度学习实践》订阅地址：https://blog.csdn.net/sinat_33761963/category_9720080.html第二章：认识Tensor的类型
王小小小草·2023-01-08 13:01

超详细配置教程，搭建 Windows 深度学习环境

KaggleMaster及机器学习实践者Abhinand立足于自己的
视学算法·2023-01-08 11:45

力挺 Linux 是一种怎样的体验？

*内容较多，如果你想进入或者准备Linux运维行业，那么达妹建议你：请耐心看完！我已经半年没有使用Windows的方式工作了。Linux高效的完成了我所有的工作。GNU/Linux不是每个人都想用的。
Linux云计算数据自学·2023-01-08 11:09

双非二本、已获HCIA认证的大二学生与C站相遇的2022

月——调整规划2022年7月——在CSDN发布第一篇博客2022年8月——步入正轨，获得2022谷歌开发者大会入场名额2022年9月~10月——开学季，收获季2022年11月——第一次接触项目并去公司学习实践
Alita11101_·2023-01-08 07:51

Linux系统调优详解（十）——CPU调优

今天继续给大家介绍Linux运维相关知识，本文主要内容是CPU调优。一、CPU中断次数查看在进行Linux系统CPU调优时，我们有时需要查看CPU的中断次数。
永远是少年啊·2023-01-08 03:13

《PyTorch深度学习实践》-B站 刘二大人-day1

第2讲linear_model源代码B站刘二大人，传送门PyTorch深度学习实践——线性模型代码说明：1、函数forward()中，有一个变量w。这个变量最终的值是从for循环中传入的。
爱编程的西瓜·2023-01-07 17:13

刘二大人《pytorch深度学习实践作业》 code1

#code1importnumpyasnpimportmatplotlib.pyplotaspltfrommpl_toolkits.mplot3dimportAxes3Dx_data=[1.0,2.0,3.0]y_data=[2.0,4.0,6.0]defforward(x):  returnx*w+bdefloss(x,y):  y_pred=forward(x)  return(y_pred-
little red519·2023-01-07 17:13

刘二大人 PyTorch深度学习实践 笔记 P12 循环神经网络（基础篇）

刘二大人PyTorch深度学习实践笔记P12循环神经网络（基础篇）P12循环神经网络（基础篇）一、基本概念1、Basic_RNN2、RNNCell二、RNN的两种实现方式1、RNNCell单元模块的实现
小白*进阶ing·2023-01-07 17:40

PyTorch处理多维特征的输入

importnumpyasnpimporttorchimportmatplotlib.pyplotaspltimporttorch.nn.functionalasF#1.preparedatasetxy=np.loadtxt('E:\深度学习\PyTorch深度学习实践
还记得樱花正开~·2023-01-07 17:34

（刘二大人）PyTorch深度学习实践-反向传播（作业）

1.针对y_hat=w1*x^2+w2*x+b的反向传播计算图构建2.代码实现importtorchimportnumpyasnpimportmatplotlib.pyplotasplt#准备数据x_data=torch.Tensor([1.0,2.0,3.0])y_data=torch.Tensor([7.0,16.0,29.0])w1=torch.Tensor([1.0])#2为最佳w1.re
Catherine_bling·2023-01-07 16:02

pytorch 深度学习实践思维导图

Pytorch实现线性回归线性回归数据集和数据加载多分类问题CNN基础CNN高级篇RNN基础RNN高级篇附刘二大人B站视频地址《PyTorch深度学习实践》完结合集
qq_43178462·2023-01-07 09:26

GAMES104实录 | 引擎架构分层（上）

为配合学习实践，课程组在GitHub上开源了小引擎Piccolo，上线1个月即获得了2900+star,累计下载量已超过20000+。以
GAMES104·2023-01-06 18:21

GAMES104实录 | 游戏引擎导论（上）

为配合学习实践，课程组在GitHub上开源了小引擎Piccolo，上线1个月即获得了2900+star,累计下载量已超过20000+。以
GAMES104·2023-01-06 18:51
上一页 27 28 29 30 31 32 33 34 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他