【JAVA】EL技术
概述
EL(Express Lanuage)表达式可以嵌入在jsp页面内部,减少jsp脚本的编写,EL 出现的目的是要替代jsp页面中脚本的编写。
如何从域中取出数据
实例:
<body>
<!-- 模拟域中的数据 -->
<%
pageContext.setAttribute("company", &quot
【JAVA】JDBC
一、JDBC概述
JDBC(Java DataBase Connectivity,java数据库连接),SUN 公司推出的 Java 访问数据库的标准规范(接口)。
1. JDBC 是一种用于执行SQL语句的 Java API
2. JDBC 可以为多种关系数据库提供统一访问
3. JDBC 由一组用Java语言编写的类和接口组成
JDBC与ODBC的区别...
6.29 8.6-8.9
8.6 管道符和作业控制 管道符:将一个命令输出的内容传递给后面的命令grep:过滤指定内容 [root@hyc-01-01 ~]# wc -l 1.txt2 1.txt 统计文件行数[root@hyc-01-01 etc]# ls |wc –l 177 统计一个目录中的文件及子目录的数量[root@hyc-01-01 ~]# find ./ -type f./.ba
server2008的vmware和hyper-v不兼容怎么删除hyper-v
在虚拟机领域,VMWRARE对于大家来说,肯定不会陌生了,而WIN2008 R2系统自带的HYPER-V虚拟机属于后起之秀,既然是自带,那么微软件自己开发给自己的东西肯定也是很不错的,在稳定性和兼容性上应该会比VMWARE还好。
前一阵子用了HYPER-V,说实在感觉很不错,今天在WIN2008 R2系统上测试一下VMWARE的性能,遇到一个问题了。VMWARE 软件能正常安装,并建立新的虚
深度学习 — 反向传播(BP)理论推导
深度学习 — 反向传播(BP)理论推导
反向传播算法推导
UFLDL教程 - 神经网络
UFLDL教程 - 反向传导算法
UFLDL教程 - 神经网络向量化
默认 残差 δ(l)=∂J(W,b)∂z(l)" role="presentation">δ(l)=∂J(W,b)∂z(l)δ(l)=∂J(W,b)∂z(l)\delta ^{(l
TensorFlow 之 RNN 使用
定义cell
在很多用到rnn的paper中我们会看到类似的图:
这其中的每个小长方形就表示一个cell。每个cell中又是一个略复杂的结构,如下图:
图中的context就是一个cell结构,可以看到它接受的输入有input(t),context(t-1),然后输出output(t),比如像我们这个任务中,用到多层堆叠的rnn cell的话,也就是当前层的cell的output还要
TensorFlow 基本数据类型
TensorFlow中最基本的单位是常量(Constant)、变量(Variable)和占位符(Placeholder)。
常量定义后值和维度不可变,变量定义后值可变而维度不可变。在神经网络中,变量一般可作为储存权重和其他信息的矩阵,而常量可作为储存超参数或其他结构信息的变量。
占位符属于变量
变量(Variable)
训练模型时,需要使用变量(Variables)保存和更新参数。Va
TensorFlow模型保存和加载方法
TensorFlow模型保存和加载方法
模型保存
import tensorflow as tf
w1 = tf.Variable(tf.constant(2.0, shape=[1]), name="w1-name")
w2 = tf.Variable(tf.constant(3.0, shape=[1]), name="w2-name")
a = tf.placeholder(dt
TensorFlow 分布式(Distributed TensorFlow)
Distributed Tensorflow
基本概念
Tensorflow 集群
A TensorFlow “cluster” is a set of “tasks” that participate in the distributed execution of a TensorFlow graph. Each task is associated with a TensorF
TensorFlow Serving Introduction
TensorFlow Serving Introduction
TensorFlow Serving 是一个高性能、开源的机器学习服务系统,为生产环境及优化TensorFlow而设计。它更适合运行多个大规模模型,并支持模型生命周期管理、多种算法实验及有效地利用GPU资源。TensorFlow Serving能够让训练好的模型更快、更易于投入生产环境使用。
TensorFlow和TensorFl
TensorFlow Serving Architecture
Serving Framework
Train:训练模型的过程
exporter:负责将训练好的模型导出
Sever:负责存储操作,例如将对象存储到磁盘
Server:提供grpc server,组织request调用Module,将结果response client
ModuleManager:负责加载训练好的模型
Scheduler:负责请求的调度,例如BatchScheduler(b
Building Standard Tensorflow Model Server
Building Standard TensorFlow ModelServer
From https://tensorflow.google.cn/serving/serving_advanced
This tutorial shows you how to use TensorFlow Serving components to build the standard TensorFlow
Serving a TensorFlow Model
Serving a TensorFlow Model
From https://tensorflow.google.cn/serving/serving_basic
Get and Run TensorFlow Serving From Docker
$ docker pull songxitang/tensorflow-serving
$ docker run -it songxi
ImageNet 中的 LRN
LRN(Local Response Normalization)
LRN
神经网络初学者,没有什么理论基础,偶然看到个ImageNet,就准备从其入手,先弄懂每层的含义,其中这个LRN层真是让人百思不得其解,搜索了下,给出的介绍比较少。为什么会比较少呢,搜索到最后我得出的结论是,这货似乎没什么多少卵用。。。
ImageNet中的LRN层是按下述公式计算的:
但似乎,在后来
CNN (卷积神经网络)
CNN
CNN简介
卷积神经网络(Convolutional Neural Networks,简称CNN)。
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-CONV-RELU-POOL-FC。
初识卷积
首先,我们去学习卷积层的模型原理,在学习卷积层的模型原理前,我们需要了解什么是卷积,以及CNN中的卷积是什么样子的。
大家学习数学时都有
今日推荐
周排行