feng3702592的博客

运行bash generate_docker_compose.bash脚本，然后docker-compose up -d来开启这些容器就好。再创建一个名为generate_docker_compose.bash生成docker-compose.yml的脚本。之前ssh不能随着容器启动而启动于是乎就写个start.sh脚本来帮助启用。首先创建一个start.sh脚本来打开ssh服务。其次创建Dockerfile。

#从指定 URL 下载 Docker 在 Ubuntu 上的 GPG 密钥，然后将其以文本格式保存到 /etc/apt/keyrings/docker.gpg 文件中，以便后续在系统中验证 Docker 软件包的真实性。如果是以前没有安装过任何的docker产品（没安装docker），则需要先配置docker仓库，以后安装和更新什么的都是通过docker仓库。#安装目录在etc.apt/keyrings下面，-d是指明路径的。上的方法安装dockerdesktop。然后安装docker。

1、一台Windows服务器操作系统（Windows Server 2012、2016、2019均可），安装好相关的服务；6）在“服务”中找到“容器服务”和“Docker服务”两个服务，并按右键，选择“启用”。3）打开“程序和功能”功能，选择“启用或关闭Windows功能”。4）在“服务器管理工具”中勾选“容器”的相关组件。2）右键点击“开始”菜单，进入“控制面板”。其中，指自定的KMS激活服务器的域名。其中，/ato是激活KMS服务的命令。5）打开“管理工具”，进入“服务”。

在vmware虚拟机中安装esxi，安装时设置硬盘带线啊哦为142G后，总是会有120G的闪存没法被使用，这上面有教程修改闪存的方法，就是在安装的时候输入命令制定闪存大小。

新的ubuntu中不再使用interfaces去配置网络，而是使用netplan来配置网络，详细见官网链接：Ubuntu Bionic: Netplan | Ubuntu

利用java写递归算法中常见问题

py导包报错的处理方法之一

java多线程中共享目标以及this.getName和currentThread().getName()之间的区别

eclipse多线程的调试

Java获取变量地址的问题

eclipse运行java时报错 找不到或无法加载主类

迁移学习中可以多模型中间层进行更改

pytorch

学习中遇到的一些问题

点开utils的源代码发现是from tensorflow.python.keras.preprocessing.image_dataset import image_dataset_from_directory故直接使用tensorflow.python.keras.preprocessing.image_dataset import image_dataset_from_directory

更新tensorflow后便不报错了

import tensorflow as tfimport tensorflow.keras as kerasimport matplotlib.pyplot as pltimport osimport PILimport pathlibimport mathimport randomimport numpy as npimport shutilimport PIL# 划出测试图像def div_train_test(data_dir): data_dir = pathli.

import tensorflow as tfimport tensorflow.keras as kerasimport matplotlib.pyplot as pltimport osimport PILimport pathlibimport numpy as npdata_dir=('data-class')data_dir=pathlib.Path(data_dir)image_count=len(list(data_dir.glob('*/*')))print(image.

import tensorflow as tfimport tensorflow.keras as kerasimport matplotlib.pyplot as pltAUTOTUNE=tf.data.experimental.AUTOTUNE#用CPU动态设置并行调用的数量import pathlib#示例将从url上下载的数据进行处理# data_root_orig=keras.utils.get_file(origin='https://storage.googleapis.com/.

张量的创建：1.直接创建：torch.tensor(data, dtype=None, device=None, requires_grad=False, pin_memory=False)从data创建tensordata: 数据，可以是list，numpydtype: 数据类型，默认与data的一致device: 所在设备，cuda/cpurequires_grad: 是否需要梯度pin_memory: 是否存于锁页内存torch.tensor([[1,4],[2,