51
Dev开发社区
首页
文章
问答
工具
搜索
登录
注册
#包网络
Docker:容器网络互联
虚拟IP首先思考被隔离的容器进程,该如何跟其他NetworkNamespace里的容器进程进行通信?Docker项目会默认在宿主机上创建一个名叫docker0的网桥,凡是连接在docker0网桥上的容器,就可以通过它来进行通信。我们又该如何把这些容器“连接”到docker0网桥上呢?这时候,我们...
代码星球
·
2021-02-14
Docker
容器
网络互联
计算机网络--http代理server的设计与实现
一、Socket编程的client和服务端的主要步骤:Java Socket编程:对于http传输协议client:1、创建新的socket,绑定serverhost和port号2、Socket创建成功后获得对应的输出流3、将请求报文通过输出流传到server,记得flush()刷新缓存4、创建该socket...
代码星球
·
2021-02-13
计算机网络
--http
代理
server
设计
深入理解Linux网络技术内幕——中断与网络驱动程序
在网络环境中。设备(网卡)接收到一个数据帧时,须要通知驱动程序进行处理。有一下几种通知机制:轮询: 内核不断检查设备是否有话要说。(比較耗资源,但在一些情况下却是最佳方法)中断: 特定事件发生时,设备驱动程序代表内核指示设备产生硬件中断,内核中断其他活...
代码星球
·
2021-02-13
深入
理解
Linux
网络技术
内幕
POJ训练计划1459_Power Network(网络流最大流/Dinic)
解题报告这题建模实在是好建。,,好贱。。,给前向星给跪了,纯dinic的前向星居然TLE,sad。,,回头看看优化,。。矩阵跑过了。2A,sad,,,/*************************************************************************>FileNam...
代码星球
·
2021-02-13
POJ
训练
计划
1459
Power
概率图模型(PGM)学习笔记(四)-贝叶斯网络-伯努利贝叶斯-多项式贝叶斯
之前忘记强调了一个重要差别:条件概率链式法则和贝叶斯网络链式法则的差别条件概率链式法则 贝叶斯网络链式法则,如图1图1 乍一看非常easy认为贝叶斯网络链式法则不就是大家曾经学的链式法则么,事实上不然,后面详述。 上一讲谈到了概率分布的因式分解能够看到条件概率的独立性能够直接从概率分布表达...
代码星球
·
2021-02-13
贝叶
概率
模型
PGM
学习
Charles模拟网络请求页面的网络超时测试
正常情况下网络连接超时可能的原因有以下几点: 1、网络断开,手动的关掉了网络的连接 2、网络阻塞,导致你不能在程序默认等待时间内得到回复数据包。 3、网络不稳定,网络无法完整传送服务器信息。 4、系统问题,系统资源过低,无法为程序提供足够的资源处理服务器信息。 5、网络系统繁忙,无法回应  ...
代码星球
·
2021-02-13
网络
Charles
模拟
请求
面的
linux监控性能和网络的命令
vmstat查看机器实时的综合情况:load,内存,swap,cpu使用率等方面procs:r:运行队列中进程数量b:等待IO的进程数量memory(内存):swpd:使用虚拟内存大小free:可用内存大小buff:用作缓冲的内存大小cache:欧诺个做缓存的内存大小swap:si:每秒从交换区写到内存的大小so:每秒...
代码星球
·
2021-02-13
linux
监控
性能
网络
命令
ActiveMQ学习笔记(11)----ActiveMQ的动态网络连接
ActiveMQ使用Multicast协议将一个Service和其他的Broker是我Service里连接起来。IPMulticast是一个被用于网络中传输数据到其他一组接收者的技术。Ipmuiticast传统的概念称为组地址,组地址是ip地址在ActiveMQbroker使用multicast协议去建立服务与远程...
代码星球
·
2021-02-12
ActiveMQ
学习
笔记
----ActiveMQ
动态
ActiveMQ学习笔记(9)----ActiveMQ静态网络连接
在win10下同一台服务器启动多个Broker, 步骤如下: 1.复制安装目录下的conf文件夹命名为conf2 2.修改activemq.xml中的brokerName不能跟之前的一样。如: 3.修改数据存放的名称,如下: 4.修改所有的transportConnectors端口,都要跟之前的不一...
代码星球
·
2021-02-12
ActiveMQ
学习
笔记
----ActiveMQ
静态
深度学习网络调参技巧
本文转载自:https://zhuanlan.zhihu.com/p/24720954?utm_source=zhihu&utm_medium=social 转载请注明:炼丹实验室之前曾经写过一篇文章,讲了一些深度学习训练的技巧,其中包含了部分调参心得:深度学习训练心得。不过由于一般深度学习实验,相比...
代码星球
·
2021-02-12
深度
学习
网络
调参
技巧
如何选择神经网络的超参数
原2017年08月18日10:33:06独孤呆博阅读数21041 版权声明:本文为博主原创文章,遵循CC4.0by-sa版权协议,转载请附上原文出处链接和本声明。本文链接:https://blog.csdn.net/dugudaibo/article/details/77366245/本博客主要内容为图书《神...
代码星球
·
2021-02-12
如何
选择
神经网络
参数
深度学习面试题06:全连接神经网络正向传播与梯度反向传播
链式法则类型一: 类型二: 类型三: 返回目录 逻辑回归的正、反向传播逻辑回归可以看做最简单的神经网络,他只有一个神经元,损失函数选择的是对数损失,他的正向传播过程如下图所示:逻辑回归可以看做最简单的神经网络...
代码星球
·
2021-02-12
传播
深度
学习
试题
连接
<深度学习优化策略-3> 深度学习网络加速器Weight Normalization_WN
前面我们学习过深度学习中用于加速网络训练、提升网络泛化能力的两种策略:BatchNormalization(BatchNormalization)和LayerNormalization(LN)。今天讨论另一种与它们类似的策略:WeightNormalization(WeightNormalization)。Weight...
代码星球
·
2021-02-12
深度
学习
网络
加速器
Weight
完全基于卷积神经网络的seq2seq
本文参考文献:GehringJ,AuliM,GrangierD,etal.ConvolutionalSequencetoSequenceLearning[J].arXivpreprintarXiv:1705.03122,2017.被引次数:13 DauphinYN,FanA,AuliM,etal.Langua...
代码星球
·
2021-02-12
完全
基于
卷积
神经网络
seq2seq
卷积神经网络——输入层、卷积层、激活函数、池化层、全连接层
版权声明:本文为博主原创文章,遵循CC4.0by-sa版权协议,转载请附上原文出处链接和本声明。本文链接:https://blog.csdn.net/yjl9122/article/details/70198357卷积神经网络(CNN)由输入层、卷积层、激活函数、池化层、全连接层组成,即INPUT(输入层)-CONV(...
代码星球
·
2021-02-12
卷积
神经网络
输入
卷积层
激活
首页
上一页
...
8
9
10
11
12
...
下一页
尾页
按字母分类:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他