docker容器与镜像之间的区别
Docker统一文件系统（the union file system）镜像（Image）就是一堆只读层（read-only layer）的统一视角。容器（container）的定义和镜像（image）几乎一模一样，也是一堆层的统一视角，唯一区别在于容器的最上面那一层是可读可写的。容器 = 镜像 + 可读层。一个运行态容器（running container）被定义为一个可读写的统..._docker镜像和容器的区别
Java综合中级面试题
1.你用过哪些集合类？大公司最喜欢问的Java集合类面试题40个Java集合面试问题和答案java.util.Collections 是一个包装类。它包含有各种有关集合操作的静态多态方法。java.util.Collection 是一个集合接口。它提供了对集合对象进行基本操作的通用接口方法。Collection├List│├LinkedList│├ArrayList│└Ve..._java中级面试题
RxJava基本原理解析
RxJava是一个异步开发框架，RxjavaRx含义 ReactiveX是Reactive Extensions的缩写。首先提这几个问题： RxJava框架内部的主干逻辑是怎样的？ RxJava究竟是如何实现一句话线程切换的？ 多次调用subscribeOn()或observeOn()切换线程会有什么效果？ 回答了这几个问题以后，我们大概就能对RxJava的基本..._rxjava工作原理
初识Tensorflow.js
由Irvan Smith在Unsplash发布越来越多的开发者在他们的机器学习工程中使用TensorFlow。今年3月，Google的TensorFlow团队发布等待多时的JavaScript框架，TensorFlow.js(之前也叫做DeepLearn.js)现在开发者可以编译轻量级的模型并在浏览器中使用JavaScript运行它。TensorFlowTensorFlow在2011年...
关于注解@interface的使用
前言：注解的使用非常广泛，本文将以android使用注解实现findViewbyId的方法。1.使用注解实现fandViewbyId();1.1 建立注解类：@interface： @Target(ElementType.FIELD)@Retention(RetentionPolicy.RUNTIME)public @interface Foxlion { ..._@interface注解调用
使用TensorFlow进行矩阵的运算
以下是完整代码：# -*- coding: utf-8 -*-Created on Mon Mar 25 15:22:50 2019@author: hadron#矩阵的运算20190713import tensorflow as tf# 例1：计算两个矩阵的和# 定义了两个常量op，m1和m2，均为1*2的矩阵 、m1=tf.constant([[3..._使用tensor对两矩阵进行减法操作
Android OS架构
1.前言 android采用层次架构，从高层到低层分别是应用程序层、应用程序框架层、系统运行库层和Linux内核层。2.概览3.分层详述3.1 Application 主要为系统中的应用，如桌面，闹铃，设置，日历，电话，短信等系统应用。3.2 Application framework Android的应用程序框架为应用程序层的开发...
解决RemoveError: 'setuptools' is a dependency of conda and cannot be removed from conda's operating en
问题：不管安装什么包都会出现这个错误RemoveError: setuptools is a dependency of conda and cannot be removed from condas operating environment.解决方法：强制更新conda，在Anaconda Prompt中输入conda update --force conda...
WebView缓存机制
如何复写WebView的缓存机制。首先说一下webview的自带缓存机制的弊端：webview的自带缓存机制是无差别缓存，也就是说，不管是页面，样式还是图片，都会缓存到本地，刷新webview的缓存一般分为以下几种：LOAD_CACHE_ONLY: 不使用网络，只读取本地缓存数据LOAD_DEFAULT: 根据cache-control决定是否从网络上取数据。LOAD..._webview缓存机制
计算机网络自顶向下方法第6版-第8章网络安全课后解析
第8章复习问题1.机密性是原始明文消息不能被截取原始明文消息的密文加密的攻击者确定的属性。消息完整性是指接收者能够检测到发送的消息(无论是否加密)在传输过程中是否被更改的属性。因此，这两个概念是不同的，一个可以有一个而没有另一个。在传输中被更改的加密消息可能仍然是机密的(攻击者不能确定原始明文)，但是如果错误未被检测到，则不会有消息完整性。类似地，在传输过程中被更改(并被检测到)的消息可能是以...
计算机网络自顶向下方法第6版-第9章网络管理课后解析
第9章复习问题1.当(a)网络的一个组件出现故障，(b)网络的一个组件即将出现故障，并且表现得“不稳定”(c)网络的一个组件从秒级纯度的角度来看已经受到损害，并且正在攻击网络，例如，通过向网络发送数据包来发起拒绝服务攻击，(d)链路上的流量级别超过某个阈值，导致数据包被丢弃，(e)一切都在平稳地运行(以便知道一切都在平稳地运行并且没有问题)，网络管理员希望具有网络管理能力。还有许多其他原因。2...
计算机视觉-边缘检测原理及Canny实现
前言卷积运算是卷积神经网络最基本的组成部分，使用边缘检测作为入门样例。1.1 边缘检测示例（Edge detection example ） 让我们举个例子，给了这样一张图片，让电脑去搞清楚这张照片里有什么物体，你可能做的第一件事是检测图片中的垂直边缘。比如说，在这张图片中的栏杆就对应垂直线，与此同时，这些行人的轮廓线某种程度上也是垂线，这些线是垂直边缘检测器的..._hawkvis 视觉编程语言
python向量化与循环耗时对比及其原理
前言python向量化与循环耗时对比及其原理，向量化计算速度是循环的300倍。1.测试import timeimport numpy as npa = np.random.rand(1000000)b = np.random.rand(1000000)tic = time.time()c = np.dot(a,b)toc = time.time()print(c)..._python 向量化循环
神经网络-前向传播与反向传播
一、前言这是一场以误差（Error）为主导的反向传播（Back Propagation）运动，旨在得到最优的全局参数矩阵，进而将多层神经网络应用到分类或者回归任务中去。前向传递输入信号直至输出产生误差，反向传播误差信息更新权重矩阵。这两句话很好的形容了信息的流动方向，权重得以在信息双向流动中得到优化，其实就类似一个带反馈校正循环的电子信号处理系统。我们知道梯度下降可以应对带有明确求导函..._baidu训练神经网络时 前向传递和反向传递的计算开销比例
TensorFlow CTPN文字定位与识别
前言环境搭建运行中的问题拓展本仅包含初级阶段如何有效运行Demo，下篇文章将会介绍如何训练模型。基本步骤环境搭建运行中的问题拓展环境搭建1.python3.62.tensorflow3.CTPN源码下载地址: https://github.com/eragonruan/text-detection-ctpn/releases解压源码，一个是已经训练好的模型。运行中的问题使用P...
Android Native层错误调试
前言 Android系统对于Native(C/C++)应用程序的调试手段比单纯的linux系统coredump文件与gdb结合调试的手段．但是Android系统的天然不支持这种调试方式，其在内核中就没有启用coredump生成机制，那么Android系统下我们使用什么方式调试Native程序的崩溃问题呢？其实，Android系统将系统应用程序产生的崩溃日志都存储到了/data/t..._android native层错误怎么处理
TensorFlow 从简单的手势识别开始
前言学习笔记来自于Andrew Ng，文末附资料。1 - 导入TensorFlow库import numpy as npimport h5pyimport matplotlib.pyplot as pltimport tensorflow as tffrom tensorflow.python.framework import opsimport tf_utilsi..._tensorflow 手势识别
今日推荐
周排行