evolution23的博客

lsblk -fyum install gdisk# Zap the disk to a fresh, usable state (zap-all is important, b/c MBR has to be clean)# You will have to run this step for all disks.sgdisk --zap-all /dev/sda# Clean hdds with dddd if=/dev/zero of=/dev/sda bs=1M count=10

#停止所有docker容器docker stop `docker ps |awk {'print $1'}|grep -v CONTAINER`# 删除所有容器docker rm -f $(docker ps -qa)# 删除所有容器卷docker volume rm $(docker volume ls -q)# 删除所有的镜像，慎用#docker rmi -f `docker images|awk {'print $3'}`# 停止服务systemctl disable kube..

官网：https://www.rook.io/前提条件：已部署完成 rancher+k8s系统，没有完成的请移步《Centos7 通过RKE 部署 高可用k8s+rancher》一、镜像下载，我们需要将安装所需要的镜像从阿里云下载到本地（重要）对应的版本号可查看 rook ceph中的operator.yaml配置文件docker image pull rook/ceph:v1.6.7docker pull registry.aliyuncs.com/it00021hot/ce.

前言：这里的rke rancher docker 是安装最新版的，如果需要安装特定版本，一些细节请自行百度和查询官网环境介绍操作系统：centos7硬件配置：内存8GB以上 cpu2核以上 硬盘大于30G系统架构：3个节点，每个节点同时承担master和work两种角色10.9.1.200 rke-node110.9.1.201 rke-node210.9.1.201 rke-node3操作步骤（一）前期准备注意以下操作需要在所有节点以root用...

转自《解析Android上强大的图表库MPAndroidChart》

转载自《训练数据集与TFRecord互相转换的两种方式》TensorFlow使用TFRecord格式来统一存储数据，该格式可以将图像数据、标签信息、图像路径以及宽高等不同类型的信息放在一起进行统一存储，从而方便有效的管理不同的属性。将训练数据集转成TFRecord这里采用的数据集为目前正在做的项目的数据集，共包含两个目标文件夹(分别包含100幅图像)及对应的label.txt，labe...

机器学习任务类型主要分为两大类：        • 监督学习(Supervised Learning)        – 分类 (Classification)        – 回归 (Regression)        – 排序 (Ranking)        • 非监督学习 (Unsupervised Learning)        – 聚类 (Clustering)  ...

《比官方更简洁的Tensorflow入门教程》

1、前期准备#导入必要的工具包import pandas as pdimport numpy as npfrom sklearn.cluster import MiniBatchKMeansfrom sklearn.model_selection import train_test_splitfrom sklearn import metricsfrom sklearn.dec...

1、数据准备#导入必要的工具包import pandas as pdimport numpy as npfrom sklearn import svmfrom sklearn.model_selection import train_test_splitfrom sklearn.decomposition import PCAimport time#读取训练数据和测试数据t...

1、准备import lightgbm as lgbmimport pandas as pd import numpy as npfrom sklearn.model_selection import GridSearchCVfrom sklearn.metrics import log_lossfrom matplotlib import pyplotimport seabor...

本文转自《Pandas速查手册中文版》对于数据科学家，无论是数据分析还是数据挖掘来说，Pandas是一个非常重要的Python包。它不仅提供了很多方法，使得数据处理非常简单，同时在数据处理速度上也做了很多优化，使得和Python内置方法相比时有了很大的优势。如果你想学习Pandas，建议先看两个网站。（1）官网：Python Data Analysis Library（2）十分钟入...

建议一：三个最重要的参数为:树的数目、树的深度和学习率。建议参数调整策略为:– 采用默认参数配置试试– 如果系统过拟合了,降低学习率– 如果系统欠拟合,加大学习率建议二：– n_estimators和learning_rate:固定n_estimators为100(数目不大，因为树的深度较大,每棵树比较复杂),然后调整learning_rate– 树的深度max_depth:从...

1、数据准备from xgboost import XGBClassifierimport xgboost as xgbimport pandas as pd import numpy as npfrom sklearn.model_selection import GridSearchCVfrom sklearn.model_selection import Stratifi...

1、数据准备from xgboost import XGBClassifierimport xgboost as xgbimport pandas as pd import numpy as npfrom sklearn.model_selection import GridSearchCVfrom sklearn.model_selection import Stratifi...

1、数据准备与《sklearn中决策树的使用》中相同，这里不再累述、2、使用步骤from sklearn.ensemble import RandomForestClassifiermodel_RR=RandomForestClassifier()model_RR.fit(X_train,y_train)y_prob = model_RR.predict_proba(X_test...

决策树的超参数有：max_depth（树的深度） max_leaf_nodes（叶子结点的数目） max_features（最大特征数目） min_samples_leaf（叶子结点的最小样本数） min_samples_split（中间结点的最小样本树） min_weight_fraction_leaf（叶子节点的样本权重占总权重的比例） min_impurity_split（最...

1、数据准备import pandas as pdimport numpy as npfrom matplotlib import pyplot as pltfrom sklearn.model_selection import GridSearchCVfrom sklearn.metrics import accuracy_scorefrom sklearn.metrics im...

步骤：            1. 读取数据--> DMatrix            2. 设置参数            3. 模型训练：train/cv                3.1: train with 在校验集上early stop                3.2: cv            4. 预测   1、读取数据XGBoost可以加...

步骤：            1. 读取数据--> DMatrix            2. 设置参数            3. 模型训练：train/cv                3.1: train with 在校验集上early stop                3.2: cv            4. 预测   1、读取数据XGBoost可以加...