淘先锋技术网

Jenkins配置 插件安装 GitLab Plugin 凭据配置 ssh凭据 这里使用ssh连接从gitlab获取代码，从系统管理进入管理凭据界面，点击Jenkins > 全局凭据

科普一下：

---上次发帖说用 sip做一个呼叫系统，折腾得好痛苦，如果有意的坛友可以参考一下，节省点时间和表情。肯定可以运行。如果有其中的高手，请指教一下。代码比较精糙。。哈 dbh=freeswitch.Dbh("odbc://fwsql"); laststat="";   --最后状态 1.hasline 2.notline 有否空内线 2.5 linenot  有空线到最后被用  3.linebusy  4.lineready 有空线是否能接入 badinline=""; function waittoinc(tmpses

Centos7下JDK1.8安装配置 下载JDK1.8安装包 从官网下载JDK8安装包，打开下面地址，找到对应Linux X64位安装包，这里有两种格式文件，我们下载tar.gz格式，下载前需要先勾选Accept License Agreement

# coding: utf-8 # In[2]: import urllib.request import os import tarfile import pickle as p import numpy as np import tensorflow as tf # ## 1、下载数据集 # In[3]: filepath = 'data/cifar-10-python.tar.gz' if not os.path.exists("data/cifar-10-batches-py"): tfile = tarfile.open("data/

本系列博客将会介绍spring boot基于docker集成gitlab,& sonarqube搭建gitlab CI CD持续集成环境。由于需要做的事情比较多，考虑篇幅过长问题，该部分会分为几篇文章去介绍。 Overiew 先看看整体的一个架构流程图，嘿嘿~

前馈神经网络、BP神经网络、卷积神经网络的区别与联系 一、计算方法不同1、前馈神经网络：一种最简单的神经网络，各神经元分层排列。每个神经元只与前一层的神经元相连。接收前一层的输出，并输出

目录 CI&CDCI - 持续集成

CentOS7网络配置 1、配置网络 （1）查看当前ip信息 ip addr #可以看到网卡名称为ens33

项目介绍 TensorFlow2.X 搭建卷积神经网络（CNN），实现人脸识别（可以识别自己的人脸哦！）。搭建的卷积神经网络是类似VGG的结构(卷积层与池化层反复堆叠，然后经过全连接层，最后用softmax映射为每个类别的概率，概率最大的即为识别结果)。 其他项目 水果蔬菜识别：

在学习手写体识别的时候，看到一些B站的教学视频发现，很多用TensorFlow完成的手写体识别，在下载数据集的时候会报错，无法使用，这是因为TensorFlow在维护的时候，处理的不是很好，无法使用input_data，有解决办法，但是太麻烦了，Keras是在TensorFlow之上 运行的，采用Keras能省去很多麻烦。 手写体的具体实现直接上代码；具体操作看注释。 from numpy import mean from numpy import std from matplotlib imp

卷积神经网络是除了全连接神经网络以外另一个常用的网络结果，其在图像识别方面表现十分突出。本文结合Tensorflow：实战Google深度学习框架，讲述卷积神经网络常用数据集，介绍卷积网络的结构思想，以及通过TensorFlow实现其设计。 1 图像识别数据集 MNIST手写体识别数据集解决是一个相对简单的问题，而对于更加复杂的类别，可以

卷积计算过程 隐藏层过多，待训练的参数过多时，可能会造成模型的过拟合，可以利用卷积计算来提取图像特征，从而避免过拟合，提高模型的泛化能力。 卷积计算时，卷积核的深度需要和输入特征图的深度匹配(相等)。卷积核里存在待训练的参数，在进行反向传播的时候会被更新。 感受野 感受野是指卷积神经网络各输出特征图中的一个像素点，在原始输入图片上映射区域的大小。注意不管是第几层神经网络，感受野都是对于最原始的特征图而言的。 卷积核的优劣与否不能严格的有其大小来断定，具有相同感受

原作者@小松同学 基于Gitlab +Docker 的CI/CD实践 背景 目前点米HRO项目已经利用Jenkins实现了持续集成，但是这套方案过度依赖开发人员对于Shell脚本掌握程度，上手难度相对较高。同时现有方案还未实现服务容器化部署，因此本文将介绍一种基于 Gitlab+Docker 实现容器化部署的一套CI/CD工作流解决方案。   环境准备 Gitlab 服务器一台 （源码存放）应用构建服务器一台 （应用打

深度学习是怎么识别人脸的 深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据。 卷积神经网络(CNN)局部连接传统的神经网络是全连接，即一层的神经元与上一层的所有神经元都建立连接，这样导致参数非常多，计算量非常大，而CNN是局部连接，一层的神经元只与上一层的部分神经元建立连接，这样可以减少参数和计算量。 Technology-MachineLearning-FaceRegonition-CNN-LocalConnected权值共享给一张输入图片，用一个filter去扫时，fil

目录 一、Gitlab-Runner的安装1、Linu

目录 DeepLearning Practise of building CNN with TensorFlow-slim

对自己深度学习搭建图像识别过程进行总结 1、对输入的图像数据 x 进行处理，输出一个经过正规化的、Numpy array 格式的图像数据,x是一个数组， x是一个多维的列表，先使用函数转化为多维数组。然后正规化就是把0-255的数值化为0-1内进行计算。        我使用np.array(x)把它化为数组，然后除以255。.

二进制部署k8s 1.操作系统初始化配置2.部署etcd集群

文章目录 安装前准备安装前设置分发脚本

主要功能：    完整代码展示： #include <iostream> using namespace std; #define MAXSIZE 1

文章目录 安装前准备安装前设置分发脚本

主程序 main.cpp //Written by Xuebi //本程序用于构建顺序栈 //本程序包含3个程序main.cpp ,My_Stack.h,My_Unity.h。 #include <iostream> #include "My_Until.h" #include <stdio.h> #include "My_Stack.h" using namespace std; int main() { Mystack<int> st(4);//创建长度为4的int类型数组 st.Push(10);/

#include<iostream> using namespace std; #define DataType int #define MaxSize 5 //栈容量 typedef class { DataType stack_data[MaxSize]; int top=-1; //顺序栈只需要int型指示栈顶的位置下标 public: void push(DataType data);

1. RNN 1.1 RNN的结构

栈 1. 顺序栈2.链栈

  第四周：深层神经网络(Deep Neural Networks) 1、深层神经网络（Deep L-layer neural network） 在打算使用深层神经网络之前，先去尝试逻辑回归，尝试一层然后两层隐含层，把隐含层的数量看做是另一个可以自由选择大小的超参数，然后再保留交叉验证数据上评估，或者用你的开发集来评估。   2、前向传播和反向传播（Forward and backward propag

长短期记忆 ((LSTM) Long Short Term Memory Unit) 在上一个视频中你已经学了GRU（门控循环单元）。它能够让你可以在序列中学习非常深的连接。其他类型的单元也可以让你做到这个，比如LSTM即长短时记忆网络，甚至比GRU更加有效，让我们看看。

点关注不迷路哦!点关注不迷路哦!点关注不迷路哦! RNN主要用于处理序列数据。RNN采用循环的结构，每个单元的输出与当前输入和之前的隐状态向量有关，每个单元输出一个预测值和传递到下一个单元的隐状态向量。很容易发现RNN有以下问题：1、输入与输出长度相同；2、不适合解决长期依赖。

本周的主题是对象检测（object detection）：不但需要检测出物体（image classification），还要能定位出在图片的具体位置（classification with localization），而且要能处理图片中的多个物体（detection）。   1. 例子：无人驾驶中确定图片是否有1）行人；2）小汽车；3）摩托车，并用矩形标记出物体在图像中的位置（bx、by、bh

文章目录 安装前准备安装前设置分发脚本

1. 导读 本节内容介绍普通RNN的弊端，从而引入各种变体RNN，主要讲述GRU与LSTM的工作原理。 事先声明，本人采用ng在课堂上所使用的符号系统，与某些学术文献上的命名有所不同，不过核心思想都是相同的。 2. 普通RNN的弊端 在NLP中，句子内部以及句子之间可能存在很长的依赖关系（long-term dependecies），最前边

文章目录 安装前准备安装前设置分发脚本

一、架构拓扑图 版本信息: kubernetes v1.18.20/ etcd-v3.4.21 docker 18.09.9-3.el7 calico/node v3.8.

kubernetes 集群搭建(二进制方式) 1、安装要求 在开始之前，部署 Kubernetes 集群机器需要满足以下几个条件: (1)一台或多台机器，操作系统 CentOS7.x-86_x64 (2)硬件配置:2GB 或更多 RAM，2 个 CPU 或更多 CPU，硬盘 30GB 或更多 (3)集群中所有机器之间网络互通 (4)服务器不能上网，需要提前下载镜像并导入节点 (5)禁止 swap 分区时间同步 2、准备环境 (1) 服务器规划：

第三周：浅层神经网络(Shallow neural networks) 1、激活函数（Activation functions）

第一章 神经网络与深度学习(Neural Network & Deeplearning) DeepL

k8s1.26+containerd安装 1.机器 iphostname192.168.137.133k8smaster192.168.137.132k8snode1192.168.137.134k8snode2

第二部分，CNN，与标准主要区别在于增加了filter层和pooling层。 另外注意在CNN中的卷积运算并没有对矩阵进行反转运算，更准确地说是自相关运算。

二进制安装Kubernetes（k8s） v1.27.3 IPv4/IPv6双栈 可脱离互联网 https://github.com/cby-chen/Kubernetes 开源不易，帮忙点个star，谢谢了 介绍 kubernetes（k8s）二进制高可用安装部署，支持IPv4+IPv6双栈。 我使用IPV6的目的是在公网进行访问，所以我配置了IPV6静态地址。 若您没有IPV6环境，或者不想使用IPv6，不对主机进行配置IPv6地址即可。 不配置I

目录 一 containerd部署

文章目录 安装前准备安装前设置分发脚本

文章目录 安装前准备安装前设置分发脚本

二进制搭建 Kubernetes v1.20 k8s集群master01：192.168.80.80 kube-apiserver kube-controller-manager kube-scheduler etcd k8s集群master02：192.168.80.90 k8s集群node01：192.168.80.20 kubelet kube-proxy docker k8s集群node02：192.168.80.30 etcd集群节点1：192.168.80.80 etcd etcd集群节点2：192.1

目录 一  部署kubectl

文章目录 安装前准备安装前设置分发脚本

文章目录 安装前准备安装前设置分发脚本

文章目录 安装前准备安装前设置分发脚本

文章目录 安装前准备安装前设置分发脚本