都督美州诸军事-CSDN博客

原创 Flink SQL 和 Table API入门教程（五）

函数前言一、系统内置函数二、UDF1.注册用户自定义函数 UDF2.标量函数（Scalar Functions）3.表函数（Table Functions）4.聚合函数（Aggregate Functions)5.表聚合函数（Table Aggregate Functions）总结前言Flink Table 和 SQL内置了很多 SQL中支持的函数；如果有无法满足的需要，则可以实现用户自定义的函数（ UDF）来解决。提示：以下是本篇文章正文内容，下面案例可供参考一、系统内置函数Flink Ta

2020-11-19 17:55:28 404

原创 Flink SQL 和 Table API入门教程（四）

窗口前言一、分组窗口（Group Windows）1.滚动窗口2.滑动窗口3.会话窗口二、Over Windows三、SQL中窗口的定义1.Group Windows2.Over Windows四、代码练习（以分组滚动窗口为例）总结前言时间语义，要配合窗口操作才能发挥作用。最主要的用途，当然就是开窗口、根据时间段做计算了。下面我们就来看看 Table API和 SQL中，怎么利用时间字段做窗口操作。在Table API和 SQL中，主要有两种窗口： Group Windows和 Over

2020-11-19 16:52:48 669

原创 Flink SQL 和 Table API入门教程（三）

流处理中的特殊概念前言一、流处理和关系代数（表，及 SQL）的区别二、动态表（Dynamic Tables)三、流式持续查询的过程1.将流转换成表（Table）2.持续查询（Continuous Query）3.将动态表转换成流四、时间特性1.处理时间（Processing Time）2.事件时间（Event Time）2.读入数据总结前言table API和SQL，原本是基于有界数据操作的（其实在流式处理的概念出来之前，我们一般的思维模式都是基于批量数据的操作，产生的概念也都是基于批量操作）。所以在

2020-11-19 15:30:24 770

原创 Flink SQL 和 Table API入门教程（二）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档API调用介绍一、基本的程序结构二、创建表环境三、在 Catalog中注册表1.表（ Table）的概念2.连接到文件系统（ Csv格式）3.连接到 Kafka四、表的查询1.Table API的调用2.SQL查询五、表的查询将 DataStream 转换成表1.代码实现2.数据类型与 Table schema的对应六、创建临时视图七、输出表1.输出到文件2.更新模式3.输出到kafka4.输出到ElasticSearch5.输出到 MyS

2020-11-19 11:52:03 694

原创 Flink SQL 和 Table API入门教程（一）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档Flink SQL 和Table API介绍前言一、什么是 Table API 和 Flink SQL二、初始准备：引入依赖三、两种（planner old & blink）的区别1.批流统一2.BatchTableSource的支持性3.ExternalCatalog4.FilterableTableSource实现不兼容5.基于字符串的键值配置选项6.PlannerConfig7.DAG优化8.目录统计总结前言Apach

2020-11-19 10:26:20 693

原创 keras之父《python深度学习》笔记第九章

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档总结前言一、重点内容回顾1.人工智能的各种方法2.深度学习在机器学习领域中的特殊之处3.如何看待深度学习4.关键的推动技术5.机器学习的通用工作流程6.关键网络架构7.可能性空间二、深度学习的局限性1.将机器学习模型拟人化的风险2.局部泛化与极端泛化3.总结三、深度学习的未来1.模型即程序2.超越反向传播和可微层3.自动化机器学习4.终身学习与模块化子程序复用5.长期愿景四、了解一个快速发展领域的最新进展1.使用Kaggle 练习解决现实世

2020-11-17 19:42:58 1115 1

原创 keras之父《python深度学习》笔记第八章

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档生成式深度学习前言一、使用LSTM 生成文本1.生成式网络的历史2.如何生成序列数据3.采样策略的重要性4.字符级LSTM文本生成实现二、DeepDream1.DeepDream介绍2.用Keras 实现DeepDream三、神经风格迁移1.内容损失2.风格损失3.用Keras 实现神经风格迁移四、用变分自编码器生成图像1.从图像的潜在空间中采样2.图像编辑的概念向量3.变分自编码器五、生成式对抗网络简介1.GAN 的简要实现流程2.大量技

2020-11-17 18:35:55 1048 1

原创 keras之父《python深度学习》笔记第七章

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档keras高级功能实践前言一、Keras 函数式API1.Sequential 模型的局限性2.函数式API 简介3.多输出模型4.层组成的有向无环图二、使用步骤1.引入库2.读入数据总结前言本章将介绍几种强大的工具，可以让你朝着针对困难问题来开发最先进模型这一目标更近一步。利用Keras 函数式API，你可以构建类图（graph-like）模型、在不同的输入之间共享某一层，并且还可以像使用Python 函数一样使用Keras 模

2020-11-17 15:27:00 437 1

原创 keras之父《python深度学习》笔记第六章

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档深度学习用于文本和序列前言一、处理文本数据1.文本向量化介绍2.one-hot编码3.embedding编码4.预训练词向量处理文本问题二、循环神经网络理论讲解1.RNN基础知识2.keras中的循环神经网络3.RNN改造版LSTM和GRU4.keras实现LSTM三、循环神经网络高级用法1.温度预测问题2.数据预处理3.全连接神经网络处理4.GRU神经网络处理5.循环层堆叠6.双向RNN四、卷积神经网络处理序列1.序列数据应用一维卷积2.

2020-11-16 17:40:09 612

原创 keras之父《python深度学习》笔记第五章

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档深度学习用于计算机视觉前言一、卷积神经网络介绍1.卷积神经网络简介2.卷积网络特点3.卷积网络中一些重要操作4.池化层二、在一个小数据集上从头训练一个卷积神经网络1.深度学习处理小数据问题2.获取数据3.构建网络4.数据预处理5.进行数据增强三、使用预训练模型1.特征提取2.模型微调总结前言原书是分为上下两部分，上部理论更多，下部更偏实战，这是下部的第一章，深度学习用于计算机视觉提示：以下是本篇文章正文内容，下面案例可供参考一、

2020-11-14 17:13:39 466

原创 keras之父《python深度学习》笔记第四章

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档机器学习基础前言一、机器学习的四个分支1.监督学习2.无监督学习3.自监督学习4.强化学习二、评估机器学习模型1.训练集、验证集和测试集三、数据预处理和特征学习1.神经网络的数据预处理四、欠拟合和过拟合处理1.正则化总结前言学完第3 章的三个实例，你应该已经知道如何用神经网络解决分类问题和回归问题，而且也看到了机器学习的核心难题：过拟合。本章会将你对这些问题的直觉固化为解决深度学习问题的可靠的概念框架。我们将把所有这些概念——模型评估

2020-11-13 18:26:31 340

qq_39413216的博客