摘要：
1，portainer docker的图形化管理工具，提供一个后台面板以供使用者操作 下载启动 docker run -d -p 8088:9000 --restart=always -v /var/run/docker.sock:/var/run/docker.sock --privileged= 阅读全文
摘要：
1，推导 一个样本在一次抽样过程中未被抽中的概率为 \[ (1- \frac{1}{n}) \tag{1} \] n次抽样均为被抽中的概率为 \[ (1-\frac{1}{n})^n \tag{2} \] 当n趋向于无穷大时的概率为 \[ \lim_{n \to \infty} (1-\frac{1 阅读全文
摘要：
问君哪得清如许,为有源头活水来 1，帮助命令 docker version docker info docker 命令 --help 2，仓库\镜像（增删查） docker pull ~ 默认下载tag为latest的镜像 docker pull ~:*** 下载tag为***的镜像（要保证远程仓库 阅读全文
摘要：
BROADCASTING SEMANTICS 1，两个张量“可广播”应满足的条件 每个张量至少有一个维度。 当比较维度大小时，从尾维度开始向首迭代，对应的维度大小必须相等、或者其中之一为1、或者其中之一不存在。 >>> x=torch.empty(5,7,3) >>> y=torch.empty(5 阅读全文
摘要：
[931. 下降路径最小和] 给你一个 n x n 的 方形 整数数组 matrix ，请你找出并返回通过 matrix 的下降路径 的 最小和 。 下降路径 可以从第一行中的任何元素开始，并从每一行中选择一个元素。在下一行选择的元素和当前行所选元素最多相隔一列（即位于正下方或者沿对角线向左或者向右 阅读全文
摘要：
杂谈 1. 对机器学习问题而言，数据和特征（包括获取先验知识所用到的数据和特征）决定了结果的上限，而模型、算法的选择和优化则是在逐步接近这个上限。 2. 数值型特征归一化 为什么需要进行特征归一化？ 为了消除数据特征之间的量纲影响，使得不同指标处于同一数量级，具有可比性。（尤其在kNN等基于度量的算 阅读全文
摘要：
##1，property 修饰方法，使得方法执行并获取执行结果从而使得方法可以如同属性被调用（被装饰的方法不可以有参数） '''一个例子''' import time class Person(object): def __init__(self, name, birth): self.name = 阅读全文
摘要：
1，七层网络协议 应表会传网数物： 应用层、表示层、会话层： （这三层又可以合并为应用层，这样就是五层网络协议【osi五层协议】） python '你好'.encoding('utf-8') 传输层： 预备如何传输、使用的端口 （port，tcp，udp）； 四层路由器、四层交换机 网络层： ip（ 阅读全文
摘要：
参考视频1：重点关注使用反射进行优化，感觉打开了新世界的大门 import pickle import logging import sys USERINFOPATH = r'D:\python学习\python全栈\面向对象\选课系统\userinfo' STUINFOPATH = r'D:\py 阅读全文
摘要：
底层算法为C3算法，可以通过 类名.mro()进行查看。 而super()就是通过mro()的顺序找到当前类的下一个类的。(在单继承中，super就是找父类) '''一个例子''' class A: def func(self): print('in A') class B(A): def func 阅读全文
