多线程查系统(类的继承)

import threading                                                                         
import paramiko                                                                          
from paramiko.ssh_exception import NoValidConnectionsError,AuthenticationException       
class unameThread(threading.Thread):                                                     
    def __init__(self,cmd,hostname,port=22,user='root'):                                 
        super(unameThread, self).__init__()                                              
        self.cmd = cmd                                                                   
        self.hostname = hostname                                                         
        self.port = port                                                                 
        self.user = user                                                                 
    def run(self):                                                                       
        client = paramiko.SSHClient()                                                    
        private_key = paramiko.RSAKey.from_private_key_file('hhh.py')                    
        client.set_missing_host_key_policy(paramiko.AutoAddPolicy())                     
        try:                                                                             
            client.connect(hostname=self.hostname,                                       
                           port=self.port,                                               
                           username=self.user,                                           
                           pkey=private_key)                                             
            stdin, stdout, stderr = client.exec_command(self.cmd)                        
        except NoValidConnectionsError as e:                                             
            print("%s连接失败" % (self.hostname))                                            
        except AuthenticationException as e:                                             
            print("%s密码错误" % (self.hostname))                                            
        except TimeoutError as e:                                                        
            print("%s连接超时" % (self.hostname))                                            
        else:                                                                            
            result = stdout.read().decode('utf-8')                                       
            print("%s运行结果:" % (self.hostname), result)                                   
        finally:                                                                         
            client.close()                                                               
def use_thread():                                                                        
    threads = []                                                                         
    for count in range(254):                                                             
        host = '172.25.254.%s' % (count + 1)                                             
        t = unameThread("uname",host)                                                    
        threads.append(t)                                                                
        t.start()                                                                        
    _ = [thread.join() for thread in threads]                                            
    print("任务执行结束.....")                                                                 

if __name__=="__main__":                                                                 
    use_thread()                                                                         

这里写图片描述

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值