linux运维学习入门

第一章 matlab 学习入门之matlab基础

matlab系列文章目录第一章matlab学习入门之matlab基础在这一章会学习到：数据类型(数值，字符串，结构，单元数组，函数句柄，映射容器)运算符与运算(算术运算符，关系运算符，逻辑运算符)字符串处理
CN-JackZhang·2024-02-14 15:49

图像分割——基于pytorch的牙齿分割

作为视觉基础任务的图像分割是大多数深度学习入门者的进一步学习，本文将用牙齿分割作为数据集，分享一下图像分割的训练内容。
苏俗·2024-02-14 04:35

图像分类——基于pytorch的农作物病虫害检测

作为视觉基础任务的图像分类是大多数深度学习入门者的基础，本文将用包含33类的农作物病虫害数据集作为数据集，来过一遍图像分类任务的基本步骤。
苏俗·2024-02-14 04:05

day1-闯入 Linux运维世界

1.解释我们正在使用哪些互联网行业的软件，移动端？PC端？移动端软件和服务：如微信、微博、抖音等如淘宝、京东、拼多多等如支付宝、微信支付等如高德地图、百度地图等如滴滴出行、Uber等PC端软件和服务：办公软件：如MicrosoftOffice（包括Word、Excel、PowerPoint等）浏览器：如Chrome、Firefox、Safari等邮箱客户端：如Outlook、Foxmail等图像处
Faith丶信仰·2024-02-14 03:50

2019-03-25 LInux运维第一天日记总结

运维的三大核心：1.保证网站数据不丢失2.保证网站7*24小时运行3.保证网站提升用户体验（网站打开速度）服务器尺寸：以高度来进行分类高：服务器的高度以U（unit）来做计量单位，1U=4.45CM服务器有1U2U（常用）4U服务器的外形分类：1.机架式服务器#####（常用）2.刀片式服务器3.塔式服务器服务器的核心零部件：1.电源2.CPU3.内存4.硬盘服务器的品牌：Dell（国内常用）现在
7735c3a0433f·2024-02-13 23:41

机器学习入门--多层感知机原理与实践

神经网络与多层感知机神经网络是一种模仿生物神经系统结构和功能的计算模型。它由许多个节点（或称为神经元）组成，这些节点通过连接权重相互连接。神经网络的输入经过一系列的加权求和和激活函数变换后，得到输出结果。神经网络的训练过程主要包括前向传播和反向传播两个阶段。前向传播是指数据从输入层逐层传递到输出层的过程，每一层的节点都会根据输入值和连接权重计算输出值。反向传播是指通过计算损失函数对网络参数进行梯度
Dr.Cup·2024-02-13 13:37

机器学习入门--BP神经网络原理与实践

BP神经网络引言BP神经网络，即反向传播神经网络，是一种监督学习算法，用于多层前馈神经网络的训练。自从1986年由Rumelhart,Hinton和Williams提出以来，它已成为最流行的神经网络训练算法之一。BP算法的核心思想是通过计算损失函数相对于网络参数的梯度，然后利用这些梯度信息来更新网络的权重和偏置，从而最小化误差。数学原理BP算法的数学原理基于链式法则计算梯度。考虑一个简单的两层神经
Dr.Cup·2024-02-13 13:37

机器学习入门--朴素贝叶斯原理与实践

朴素贝叶斯算法朴素贝叶斯是一种常用的分类算法，其基本思想是根据已有数据的特征和标签，学习出一个概率模型，并利用该模型对新样本进行分类。其优点在于简单快速、易于实现和解释，缺点在于对输入数据的分布做了严格的假设。具体来说，朴素贝叶斯分类器首先根据训练数据计算出每个类别的先验概率P©，即样本中每个类别占比。然后，对于给定的待分类样本，计算出它属于每个类别的条件概率P(X|C)，其中X表示样本的特征向量
Dr.Cup·2024-02-13 13:07

机器学习入门--奇异值分解原理与实践

奇异值分解奇异值分解（SingularValueDecomposition，SVD）是一种矩阵分解技术，可以将一个矩阵分解为三个部分的乘积。在SVD中，原始矩阵被分解为左奇异向量矩阵、奇异值矩阵和右奇异向量矩阵的乘积。奇异值分解数学原理奇异值分解是一种矩阵分解技术，可以将一个矩阵分解为三个部分的乘积。在SVD中，原始矩阵被分解为左奇异向量矩阵、奇异值矩阵和右奇异向量矩阵的乘积。具体来说，对于一个m
Dr.Cup·2024-02-13 13:07

机器学习入门--主成分分析原理与实践

主成分分析主成分分析（PrincipalComponentAnalysis，简称PCA）是一种常用的降维技术和数据分析方法。它通过线性变换将原始高维数据映射到低维空间，从而提取出数据中最重要的特征。主成分分析的基本原理与数学推导基本原理PCA的主要思想是找到一个新的坐标系，将数据投影到这个坐标系上，使得投影后的数据具有最大的方差。这意味着在新的坐标系下，数据的信息尽可能地集中在少数几个维度上，而其
Dr.Cup·2024-02-13 13:06

机器学习入门--逻辑回归与简单二分类数据实战

逻辑回归在机器学习领域，逻辑回归是一个广泛应用于分类问题的算法。与线性回归不同，逻辑回归用于预测离散的类别标签，可以处理二分类和多分类问题。下面我们将介绍逻辑回归的基本原理和实现方式。原理逻辑回归的目标是找到一个函数g(z)g(z)g(z)，将输入的特征向量xxx映射到概率值p(y=1∣x;w)p(y=1|x;w)p(y=1∣x;w)，其中www是参数向量。我们可以使用sigmoid函数来实现这个
Dr.Cup·2024-02-13 13:36

机器学习入门--支持向量机原理与实践

支持向量机模型支持向量机（SupportVectorMachine，SVM）是一种常用的监督学习算法，主要用于分类和回归问题。它的原理简单而强大，在许多实际应用中取得了很好的效果。原理支持向量机（SupportVectorMachine，SVM）是一种常用的机器学习算法，用于分类和回归问题。其原理是基于统计学习理论中的结构风险最小化原则。SVM的主要思想是将数据通过一个高维特征空间进行映射，使得在
Dr.Cup·2024-02-13 13:36

机器学习入门--简单卷积神经网络原理与实践

深入理解卷积神经网络（CNN）引言卷积神经网络（ConvolutionalNeuralNetworks,CNN）是深度学习中的一种核心算法，广泛应用于图像识别、视频分析和自然语言处理等领域。CNN通过模拟人类视觉系统的工作原理，能够自动并有效地识别图像中的模式和特征。数学原理CNN主要由卷积层、激活层和池化层组成。其核心在于卷积层，它使用一系列可学习的滤波器来扫描输入数据。卷积操作卷积神经网络（C
Dr.Cup·2024-02-13 13:06

Day 7 七天总结

觉得自己三周前就像个傻子，跟教练们说的如果不会觉得自己之前傻就不进步了，所以感觉到自己之前的愚蠢是高质量学习入门的标志。接下来复盘了大家总结的学员分享和教练赋能。
素馨花开·2024-02-13 11:08

第七章 备份恢复

本课程，适合具备一定Linux运维或者开发基础的朋友，课程定级中、高级DBA。只要掌握80%，轻松助力薪资15k-25K。课程内容均来自与MySQL官网+MySQL源码。
MySQL_oldguo·2024-02-13 00:23

机器学习入门之基础概念及线性回归

任务目录什么是Machinelearning学习中心极限定理，学习正态分布，学习最大似然估计推导回归Lossfunction学习损失函数与凸函数之间的关系了解全局最优和局部最优学习导数，泰勒展开推导梯度下降公式写出梯度下降的代码学习L2-Norm，L1-Norm，L0-Norm推导正则化公式说明为什么用L1-Norm代替L0-Norm学习为什么只对w/Θ做限制，不对b做限制Question1：Wh
StarCoder_Yue·2024-02-12 11:01

2019-03-29LInux运维第五天日记总结

Linux的基础命令（续）mv移动文件/目录或者修改文件/目录名字rm（remove）删除文件或目录（默认无法删除目录）-f强制删除，没有提示-r递归式删除，可以删除目录及目录内容-i在删除前需要确认3.tree以树状结构显示目录下的内容（目前CentOS7里是默认没有安装tree命令的）-L+数字，输入什么数字显示几层的目录（数字越小越好）-F给不同类型的文件加上不同的标记（目录/）例：/old
7735c3a0433f·2024-02-12 03:34

人工智能深度学习入门指南

本文将为你提供一份深度学习入门指南，帮助你快速掌握深度学习的基本知识和应用技能。1.了解深度学习基本概念在开始深度学习之前，你需要了解一些基本概念，如神经网络、激活函数、损失函数、反向传播等。
白猫a~·2024-02-11 23:00

0基础linux运维教程 mysql权限管理

很多学习linux的同学都必须要对mysql精通，对于mysql的操作更是需要信手捏来，那么本章节主要介绍的mysql的权限管理及权限相关操作。##一mysql库下的授权表linux系统的用户作用是:-1、登陆系统-2、管理系统文件一样的道理，mysql数据库管理软件用户的则作用是:-1、登陆MySQL数据库-2、管理库与表等数据库对象mysql数据库管理软件将权限信息都存放于mysql库下，该库
山河玩转linux运维·2024-02-11 13:56

深度学习入门--参数的优化算法

1.梯度下降法（GradientDescent）梯度下降法的计算过程就是沿梯度下降的方向求解极小值，也可以沿梯度上升方向求解最大值。假设模型参数为θ\thetaθ，损失函数为J(θ)J(\theta)J(θ)，损失函数关于参数的偏导数，也就是梯度为▽θJ(θ)\triangledown_\thetaJ(\theta)▽θJ(θ)，学习率为α\alphaα，则使用梯度下降法更新参数为：梯度下降法目前
我只钓小鱼·2024-02-11 03:53

Linux运维_CentOS6设置开机命令行界面或图形界面启动

Linux运维_CentOS6设置开机命令行界面或图形界面启动CentOS下的/etc/inittab中的英文解释：ThisfiledescribeshowtheINITprocessshouldsetupthesysteminacertainrun-level.Theinittabfiledescribeswhichprocessesarestartedatbootupandduringnorm
Mostcow·2024-02-10 00:05

Linux运维_CentOS7中使用yum和rpm命令卸载软件或程序

Linux运维_CentOS7中使用yum和rpm命令卸载软件或程序rpm:全称是RedHatPackageManager(RedHat包管理器)。
Mostcow·2024-02-10 00:05

Linux运维_CentOS7中查看_添加_删除firewall端口

Linux运维_CentOS7中查看_添加_删除firewall端口firewalld(DynamicFirewallManagerofLinuxsystems，Linux系统的动态防火墙管理器)服务是默认的防火墙配置管理工具
Mostcow·2024-02-10 00:05

Linux运维_CentOS7设置开机命令行界面或图形界面启动

Linux运维_CentOS7设置开机命令行界面或图形界面启动CentOS下的/etc/inittab中的英文解释：ThisfiledescribeshowtheINITprocessshouldsetupthesysteminacertainrun-level.Theinittabfiledescribeswhichprocessesarestartedatbootupandduringnorm
Mostcow·2024-02-10 00:05

第五届脑电深度学习入门班（训练营：2023.9.12~9.20）

茗创科技专注于脑科学数据处理，涵盖（EEG/ERP,fMRI,结构像,DTI,ASL,,FNIRS）等，欢迎留言讨论及转发推荐，也欢迎了解茗创科技的脑电课程，数据处理服务及脑科学工作站销售业务，可添加我们的工程师（微信号MCKJ-zhouyi或17373158786）咨询。★课程简介★脑电图（Electroencephalogram,EEG）是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映，包
茗创科技·2024-02-09 21:12

深度学习入门笔记（九）自编码器

自编码器是一个无监督的应用，它使用反向传播来更新参数，它最终的目标是让输出等于输入。数学上的表达为，f(x)=x，f为自编码器，x为输入数据。自编码器会先将输入数据压缩到一个较低维度的特征，然后利用这个较低维度的特征重现输入的数据，重现后的数据就是自编码器的输出。所以，从本质上来说，自编码器就是一个压缩算法。自编码器由3个部分组成：编码器（Encoder）：用于数据压缩。压缩特征向量（Compre
zhanghui_cuc·2024-02-09 08:57

深度学习入门笔记（八）可以不断思考的模型：RNN与LSTM

8.1循环神经网络RNN之前学到的CNN和全连接，模型的输入数据之间是没有关联的，比如图像分类，每次输入的图片与图片之间就没有任何关系，上一张图片的内容不会影响到下一张图片的结果。但在自然语言处理领域，这就成了一个短板。RNN因此出现，它是一类用于处理序列数据的神经网络。其基本单元结构如下自底向上的三个蓝色的节点分别是输入层、隐藏层和输出层。U和V分别是连接两个层的权重矩阵。如果不考虑右边的棕色环
zhanghui_cuc·2024-02-09 08:56

第四届脑电深度学习入门班（训练营：2023.7.4~7.12）

茗创科技专注于脑科学数据处理，涵盖（EEG/ERP,fMRI,结构像,DTI,ASL,,FNIRS）等，欢迎留言讨论及转发推荐，也欢迎了解茗创科技的脑电课程，数据处理服务及脑科学工作站销售业务，可添加我们的工程师（微信号MCKJ-zhouyi或17373158786）咨询。★课程简介★脑电图（Electroencephalogram,EEG）是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映，包
茗创科技·2024-02-09 05:48

浏览器F12调试

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，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系列文章目录
知行合一。。。·2024-02-09 01:11

Docker详解（三）——Docker安装与部署

今天继续给大家介绍Linux运维相关知识，本文主要内容是Docker的安装与部署。一、环境准备我们在Vmware虚拟机上来进行Docker的安装与部署，我们的虚拟机使用的是CentOS7系统。
永远是少年啊·2024-02-08 20:10

linux运维故障案列,linux 运维故障排查思路

一、linux系统故障处理思路1.重视报错信息，一般情况下此提示基本定位了问题的所在2.查阅日志文件，系统日志和应用日志3.分析、定位问题4.动手解决二、网络问题处理思路1.网络硬件问题。网线、网卡、路由器、交换机等是否正常工作。2.网卡驱动是否正常加载、网卡ip设置是否正确，系统路由是否正确。3.检查局域网之间的通信是否正常。4.检查dns是否设定正确。可从/etc/resolv.conf、/e
weixin_39712455·2024-02-08 17:10

Linux学习计划

Linux学习，针对于个人其实我也没想好之后是否以此为生（Linux运维工程师），是为了让自己多学一点，多了解一下，最好的年龄，不能停止学习的脚步。
Sampson_Cao·2024-02-08 15:07

Shell 编程入门

我觉得这种说法大错特错，相比于专门做Linux运维的人员来说，我们对Shell编程掌握程度的要求要比他们低，但是
学致前端攻略·2024-02-08 13:42

深度学习与计算机视觉：实例入门-第六章

给深度学习入门者的Python快速教程-番外篇之Python-OpenCV《深度学习与计算机视觉》全书网址：https://frombeijingwithlove.github.io…本篇原网址：https
javastart·2024-02-08 09:38

《深度学习入门：基于python的理论与实现》读书笔记

求梯度的函数：f是需要求梯度的函数，x是求梯度的点image.pngdefnumerical_gradient(f,x):h=1e-4#0.0001grad=np.zeros_like(x)#生成和x形状相同的数组foridxinrange(x.size):tmp_val=x[idx]#f(x+h)的计算x[idx]=tmp_val+hfxh1=f(x)#f(x-h)的计算x[idx]=tmp_v
莫里衰·2024-02-07 21:32

ui转py

pyqt系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，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
CN-JackZhang·2024-02-07 05:05

linux运维:ywtools工具安装/卸载介绍

一.工具功能功能介绍ywtools工具是全部shell脚本编写,用于日常工作的linux运维二.已测试系统:centos7centos8centossteam8centossteam9rocky8rocky9AlmaLinux8.2
Z顺其自然·2024-02-07 03:04

一个不会java程序员的python笔记-切片

文章目录前言一、切list和tuple二、判断是不是回数三、手写trim总结前言Python学习入门之切片slice的使用切片这东西还是很好用的，而且简单，切片，就是像切土豆一样，想切哪儿就切哪儿，想怎么切就怎么切
aersilan20200907·2024-02-07 01:33

大数据学习入门级书籍推荐，零基础小伙伴们关注一下吧

《大数据分析：点“数”成金》大数据学习入门级书籍推荐你现在正坐在一座金矿之上，这些金子或被深埋于备份、存档数据之中，或正藏在你眼前的数据集里，它们是提升公司效益、拓展新的商业关系、制订更直观决策的秘诀所在
kuntoria·2024-02-06 18:45

Linux 帮助命令

楼+之Linux运维与DevOps实战第3期Linux帮助命令1.实验介绍1.1实验内容Linux的命令工具繁多，更不用说其在使用时的各项参数，命令我们可以输入一个大概通过tab键来提示或自动补全，参数无法自动补全该如何是好
夸克星·2024-02-06 13:18

2019-03-21预习笔记

Linux系统定时任务Cron（d）服务应用实践1什么是cron（d）Cron是Linux系统中以后台进程模式周期性执行命令定程序任务的服务软件2为什么要使用Crond定时任务因为我们linux运维工程师的职责之一是数据安全
唯美夜色有你可好·2024-02-06 09:18

深度学习入门笔记（五）前馈网络与反向传播

接着上一节，本节讲解模型自我学习的数学计算过程究竟是怎么样的。5.1前馈网络一个最简单的前馈神经网络如图所示，对于每一个隐藏层，输入对应前一层每一个节点权重乘以节点输出值，输出则是经过激活函数（例如sigmoid函数）计算后的值。在这样的网络中，输入的数据x经过网络的各个节点之后，即可计算出最终的模型结果。这样就完成了一个最基本的前馈网络从输入到输出的计算过程。5.2反向传播在实际工作中这部分的内
zhanghui_cuc·2024-02-06 01:25

【路由与交换】基于思科模拟器的路由与交换实训报告（单臂路由、三层交换机实现vlan通信、ospf、rip、dhcp、acl、nat技术总结）

大家可以当作一些思科小实验的总结，供网络工程、计算机网络等专业同学学习参考，另外，也期待大家了解一下其它专栏锐捷的网络技术：锐捷数通实验linux运维：linux命令每日分享目录一、单臂路由和三层交换机实现
天亮之前_ict·2024-02-05 06:41

深度学习入门（鱼书）

学习笔记第3章神经网络3.1从感知机到神经网络3.1.1神经网络的例子图3-1中的网络一共由3层神经元构成，但实质上只有2层神经元有权重，因此将其称为“2层网络”。请注意，有的书也会根据构成网络的层数，把图3-1的网络称为“3层网络”。本书将根据实质上拥有权重的层数（输入层、隐藏层、输出层的总数减去1后的数量）来表示网络的名称。3.1.2复习感知机3.1.3激活函数登场刚才登场的h（x）函数会将输
weixin_42963026·2024-02-05 05:56

深度学习入门笔记（1）——什么是深度学习？

深度学习入门笔记（1）——什么是深度学习？
ZRX_GIS·2024-02-05 05:56

（课程笔记）深度学习入门 - 1 - OverView

一、机器学习算法的过程与结果1、首先要得到标签化数据集（DataSet），既然是标签化，那应该是监督学习模式，而且此处的数据集应该分化为训练用集（TrainSet）和测试用集（TestSet），训练用集用于训练最终的算法模型，而测试用集用于测试训练的算法模型是否性能良好，是否能满足实际需求；2、设置并给出机器学习的算法模型（Model）；3、设置期望的损失函数（LossFcn）和优化器（Optim
牛顿第八定律·2024-02-05 05:55

深度学习入门笔记（6）—— Logistic Regression

对比第三节中的Adaline和LogisticRegression，可以发现它们只有两点不同：1、激活函数，Adaline中的激活函数是恒等函数（线性），而LogisticRegression中的激活函数是Sigmoid函数（非线性）；2、损失函数，Adaline中的损失函数是均方误差，而LogisticRegression中的损失函数则是交叉熵。Sigmoid函数如图所示，其值域为0到1，输入为
cnhwl·2024-02-05 05:55

《深度学习入门》学习笔记

原书：《深度学习入门：基于Python的理论与实现》文章目录前言第一章python入门列表字典类numpy广播第二章感知机第三章神经网络激活函数第四章神经网络的学习损失函数求梯度第五章误差反向传播法第六章与学习相关的技巧
YY_oot·2024-02-05 05:55

深度学习入门笔记（三）常用AI术语

本节我们介绍一些深度学习领域常用的术语。训练确定模型中的参数的过程，我们就称为“训练”。Epoch遍历一遍训练数据就叫作“一个Epoch”。训练模型的时候，我们要告诉模型预计训练多少个Epoch，但这个值并不是固定的，因为并没有一个准确的Epoch数能一定能得到一个比较好的模型。我们有一个标准：模型训练的Epoch数必须要让模型达到一个收敛的状态。并且为了模型有更多的选择，我们可以让模型收敛后，再
zhanghui_cuc·2024-02-05 05:54

课堂笔记Day1

Day1一、计算机硬件分类CPU、内存、主板、存储、输入设备、输出设备二、Linux与Linux运维的区别1、Linux知识一个系统2、工作中需要会Linux，也需要会Linux的应用软件，这些加起来组成了
念九i_58期康旭·2024-02-05 05:36
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他