- 博客(5)
- 收藏
- 关注
RSS订阅转载 RabbitMQ 高可用集群搭建
1集群简介1.1 集群架构 当单台RabbitMQ服务器的处理消息的能力达到瓶颈时，此时可以通过RabbitMQ集群来进行扩展，从而达到提升吞吐量的目的。RabbitMQ集群是一个或多个节点的逻辑分组，集群中的每个节点都是对等的，每个节点共享所有的用户，虚拟主机，队列，交换器，绑定关系，运行时参数和其他分布式状态等信息。一个高可用，负载均衡的RabbitMQ集群架构应类似下图：这里对上面的集群架构做一下解释说明： 首先一个基本的RabbitMQ集群不是高可用的...
2021-12-25 19:10:37
375
原创 tensorflow的eager和graph模式
https://www.bilibili.com/video/BV1sT4y1G7Eb?from=search&seid=1803304955133154614
2021-08-01 14:59:41
391
原创 tf 常用函数
中文教程：https://tensorflow.google.cn/api_docs/python/tftf.keras.layers： Input, Conv2D, BatchNormalization, ReLU, Add, add, Concatenate, Lambda, Dense, Flatten, MaxPooling2D, AveragePooling2D, ZeroPadding2D, Activation, DepthwiseConv2D, Dropout, GlobalAv...
2021-05-22 12:39:17
158
翻译 与分类器无关的显着图提取：Classifier-agnostic saliency map extraction
摘要 当前用于提取显着性图的方法可识别输入的某些部分，这些部分对于特定的固定分类器而言最为重要。我们表明，这种对给定分类器的强烈依赖会阻碍其性能。为了解决这个问题，我们提出了与分类器无关的显着性图提取，该方法可以找到任何分类器都可以使用的图像的所有部分，而不仅仅是预先指定的部分。我们观察到，所提出的方法比以前的工作提取了更高质量的显着性图，同时在概念上简单且易于实现。该方法为ImageNet数据上的定位任务设置了最新的技术成果，尽管在推理时未使用地面真相标签，但其性能优于所有现有的弱监督定...
2021-03-15 13:41:27
264
转载 神经网络的反向传播求梯度
我的学习笔记.参考：https://www.cnblogs.com/sumwailiu/p/13610588.html1. 数学基础：参考：https://www.cnblogs.com/sumwailiu/p/13398121.html2.tensorflow中有求梯度的函数直接调用。可以自行验证。3.代码：import pandas as pdimport numpy as npimport tensorflow as tfnp.random.seed(0) def cros.
2021-03-06 14:55:42
113
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人