ShadowY Blog's

docker的使用 Docker容器的特点： 轻量：容器是进程级的资源隔离，而虚拟机是操作系统级的资源隔离，所以Docker容器相对于虚拟机来说可以节省更多的资源开销，因为Docker容器不再需要GuestOS这一层操作系统了。 快速：容器的启动和创建无需启动GuestOS，可以实现秒级甚至毫秒级的启动。 可移植性：Docker容器技术是将应用及所依赖的库和运行时的环境技术改造包成容器镜像，可以在不同的平台运行。 自动化：容器生态中的容器编排工作（如：Kubernetes）可帮助我们实现容器的自动化管理。 1.Docker的安装a.Linux（Centos、Ubuntu通用）1234# 使用官方安装脚本自动安装curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun# 使用国内daocloud一键安装命令curl -sSL https://get.daocloud.io/docker | sh 安装完成后运行一下命令查看是否安装成功 12docker versiondocker info Docker ...

本地使用1234567891011# 初始化工作区git init# 查看git状态git status# 将工作区文件加入跟踪（上传到暂存）git add . # .表示全部文件# 将暂存文件放到分支git commit m "描述信息" 远程仓库 基本操作单开发123456789101112# 增加远程地址git remote add 标识名 git地址 # git地址为在远程仓库中提供的地址# 查看远程地址信息git remote -v # 可以查看到当前关联的地址名以及地址# 上传到远程仓库git push 标识名 master # master为默认分支名# 将远程仓库克隆下来git clone git地址 多开发12345# 将修改提交到远程仓库git push 标识名 master # 提交到地址名对应的master分支# 将远程的更新的内容拉取下来git pull 标识名 master 注意：clone只在初始构建克隆时候使用，pull用于更新本地文件时候使用 分支 分支，是一个个版本最终存储的位置 分支，就是一条时间线，每次g ...

​ 上一篇文章也讲到，我需要安装一大堆的软件来支持我的网站，包括LNMP，因为有些网站需要python，java，所以这些也要安装啦，这里为了我自己做些记录，省的过段时间自己都不知道怎么安装。我这边搭建网站的服务器用的是Centos系统 首先需要更换源​ 如果是腾讯云或者阿里云之类的服务商的服务器一般是不需要换源的，他的镜像已经换好了自己的下载源，虽然我的也是这样的，但是我一开始不知道，所以还是换了一遍(￣▽￣)” ​ 我个人比较喜欢用清华源，不知道为啥，所以我就安装清华源了 为了避免出错，先备份下原本的源 1cp /etc/yum.repos.d/CentOS-Base.repo /etc/yum.repos.d/CentOS-Base.repo.bak 编辑文件 1vim /etc/yum.repos.d/CentOS-Base.repo 将以下信息写入文件中 1234567891011121314151617181920212223242526272829303132333435363738[base]name=CentOS-$releasever ...

引语​ 你的没错，这个网站在这篇文章发布前的4天经过的一轮大改造，所有东西都重装了一遍，虽然有些文章，图片丢失了，但我也尽量找回了，实在找不回来的也没办法了，谁让我之前不懂得用图床呢 ​ 距离上次维护时隔了大概5个月，其实不止5个月吧，上次手抖删库也不算维护，这么说的话，上一次全站维护是在2019年的2月份了（其实就是懒） ​ 这次维护将整个服务器重装了一遍，都怪以前学的知识不够，博客都是用服务器镜像全自动安装的（不能说出来，划掉）其实这次也好不到哪去，很多知识都需要边百度边做，这次弄了4天吧，才把整个服务器重装原生的Centos系统，把该装的环境安装，也算是自己对Linux以及网站搭建的练习，收获还不少，虽然最后还是用了些可视化管理平台，但是环境还是纯敲命令安装的，平台只是用于辅助自己吧（主要是方便） 庆幸自己这次安装了这么多东西采用了4天，(～￣▽￣)～以下省略100000字 （文笔不好，我的废话也只能编那么多了”~%?…,# *’☆&℃$︿★?”） 安装的五个网站一个自己的博客：博客 一个用现成源码搭建的表白墙：表白墙 一个也是现成源码搭建的短链接生成 ...

1.何为机器学习 机器学习是人工智能的一个分支。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。 2.机器学习的定义 机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。 机器学习是对能通过经验自动改进的计算机算法的研究。 机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。 3.机器学习的分类 监督学习从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个函数预测结果。监督学习的训练集要求是包括输入和输出，也可以说是特征和目标。训练集中的目标是由人标注的。常见的监督学习算法包括回归分析和统计分类。 $\color{yellow}{监督学习和非监督学习的差别就是训练集目标是否人标注。他们都有训练集 且都有输入和输出}$ 无监督学习与监督学习相比，训练集没有人为标注的结果。常见的无监督学习算法有生成對抗網絡（GAN）、聚类。 半监督学习介于监督学习与无监督学习之间。 增强学习机器为了达成目标，随着环境的 ...

1.什么是KNN KNN，K Nearest Neighbor(k近邻判别法),是一个常用的分类器（或用于聚类），我们通过选取K个邻近的点，来判断某个点的类别。 测试样本（绿色圆形）应归入要么是第一类的蓝色方形或是第二类的红色三角形。如果k=3（实线圆圈）它被分配给第二类，因为有2个三角形和只有1个正方形在内侧圆圈之内。如果k=5（虚线圆圈）它被分配到第一类（3个正方形与2个三角形在外侧圆圈之内） KNN算法为分类算法。一句老话来描述KNN算法：“近朱者赤，近墨者黑”。 2.欧氏距离两个数据：$dist=\sqrt{(x_1-x_2)^2+(y_1-y_2)^2}$ 多个数据：$dist=\sqrt{\sum_{i=1}^n(x_i-y_i)^2}$ 3.基本实现方式 数据处理 归一化、数据补全、数据降维 数据训练及识别 计算欧拉距离→取距离最短的前k个标签→统计各类标签个数 4.部分代码123456789101112131415161718192021222324252627282930313233343536373839404142434445464748from nu ...

线性回归算法 Linear Regression1.什么是线性回归算法 利用称为线性回归方程的最小平方函數对一个或多个自变量和因变量之间关系进行建模的一种回归分析 2.基本回归方程一元回归：$y=wx+b$ 多元回归： $h_\theta(x)=\theta_0+theta_1x_1+\theta_2x_2$ $h\theta(x)=\sum_{i=0}^n\theta_ix_i=\theta^Tx$ 3.基本实现步骤 数据处理 归一化、数据补全、数据降维 数据训练拟合 求偏导→更新数据函数未知数 4.部分代码12345678910111213141516171819202122232425262728293031323334def linear_regression(data, initial_b=0, initial_m=0, learning_rate=0.01, num_iter=1000): """ 优化器梯度下降 :param data 数据 二维数组[[x],[y]] :param initial_b 初始值 ...