NetworkPolicy
NetworkPolicy是Kubernetes设计用来限制Pod访问的对象，通过设置NetworkPolicy策略，可以允许Pod被哪些地址访问（即入规则）、或Pod访问哪些地址（即出规则）。这相当于从应用的层面构建了一道防火墙，进一步保证了网络安全。NetworkPolicy支持的能力取决于集群的网络插件的能力，如CCE的集群只支持设置Pod的入规则。默认情况下，如果命名空间中不存在任何策略，
【汇总贴】Kubernetes基础知识目录
Kubernetes是一个开源的，用于管理云平台中多个主机上的容器化的应用，Kubernetes的目标是让部署容器化的应用简单并且高效（powerful）,Kubernetes提供了应用部署，规划，更新，维护的一种机制。Kubernetes一个核心的特点就是能够自主的管理容器来保证云平台中的容器按照用户的期望状态运行着（比如用户想让apache一直运行，用户不需要关心怎么去做，Kubernetes
缅怀Thinkpad
提起手提电脑，我不知道现在开始接触电脑的人心里想到的会是什么。但相信像我一样，很多人想到的会是IBM——Thinkpad。它所拥有的黑色质朴的外观、坚固稳定的品质、对技术的独到见解——TrackPoint（指点杆，俗称小红点）、ThinkLight键盘灯、全尺寸键盘和APS(ActiveProtectionSystem，主动保护系统)，这些在手提电脑中是谁都无法企及的。而它所造就的地位同样也是谁都
CCNA英语单词记忆 手机版
计算机网络技术的发展犹如戏剧舞台，你方唱罢我登台。从传统的以太网（10Mb/s）发展到快速以太网（100Mb/s）和千兆以太网（1000Mb/s）也不过几年的时间，其迅猛的势头实在令人吃惊。而现在中大型规模网络建设中，以千兆三层交换机为核心的所谓“千兆主干跑、百兆到桌面”的主流网络模型已不胜枚举。现在，网络业界对“三层交换”和VLAN这两词已经不感到陌生了。什么是三层交换和VLAN 要回答这个问
就绪探针（Readiness Probe）
一个新Pod创建后，Service就能立即选择到它，并会把请求转发给Pod，那问题就来了，通常一个Pod启动是需要时间的，如果Pod还没准备好（可能需要时间来加载配置或数据，或者可能需要执行一个预热程序之类），这时把请求转给Pod的话，Pod也无法处理，造成请求失败。Kubernetes解决这个问题的方法就是给Pod加一个业务就绪探针ReadinessProbe，当检测到Pod就绪后才允许Serv
深度网络不好使？吴恩达老师带你优化神经网络(1)
吴恩达老师DeepLearning.ai课程笔记【吴恩达Deeplearning.ai笔记一】直观解释逻辑回归【吴恩达deeplearning.ai笔记二】通俗讲解神经网络上【吴恩达deeplearning.ai笔记二】通俗讲解神经网络下想提高一个深层神经网络的训练效率，需从各个方面入手，优化整个运算过程，同时预防其中可能发生的各种问题。本文涉及优化深层神经网络中的数据划分，模型估计，预防过拟合，
【强化学习】马尔科夫决策过程之Bellman Equation（贝尔曼方程）
前面总结了马尔科夫决策过程之MarkovProcesses（马尔科夫过程），见下文：马尔科夫决策过程之MarkovProcesses（马尔科夫过程）马尔科夫决策过程之MarkovRewardProcess（马尔科夫奖励过程），见下文：马尔科夫决策过程之MarkovRewardProcess（马尔科夫奖励过程）本文总结一下马尔科夫决策过程之BellmanEquation（贝尔曼方程）1Bellman
循环神经网络(RNN)入门帖：向量到序列，序列到序列，双向RNN，马尔科夫化
rnn似乎更擅长信息的保存和更新，而cnn似乎更擅长精确的特征提取；rnn输入输出尺寸灵活，而cnn尺寸相对刻板。1发问聊到循环神经网络RNN，我们第一反应可能是：时间序列（timesequence）。确实，RNN擅长时间相关的应用（自然语言，视频识别，音频分析）。但为什么CNN不容易处理时间序列而RNN可以？为什么我们之前说过RNN有一定的记忆能力？2普通预测数学上，如果我们想要预测一个单词x的
为什么不做C/C++的工作，但还是要学C/C++呢？看完你就明白了
C语言是面向过程的，而C＋＋是面向对象的C和C++的区别：C是一个结构化语言，它的重点在于算法和数据结构。C程序的设计首要考虑的是如何通过一个过程，对输入（或环境条件）进行运算处理得到输出（或实现过程（事务）控制）。C++，首要考虑的是如何构造一个对象模型，让这个模型能够契合与之对应的问题域，这样就可以通过获取对象的状态信息得到输出或实现过程（事务）控制。所以C与C++的最大区别在于它们的用于解决
【deeplearning.ai】深度学习(4)：优化神经网络(2)
吴恩达老师DeepLearning.ai课程笔记【吴恩达Deeplearning.ai笔记一】直观解释逻辑回归【吴恩达deeplearning.ai笔记二】通俗讲解神经网络上【吴恩达deeplearning.ai笔记二】通俗讲解神经网络下深度网络不好使？吴恩达老师带你优化神经网络(1)想提高一个深层神经网络的训练效率，需从各个方面入手，优化整个运算过程，同时预防其中可能发生的各种问题。本文涉及优化
马尔科夫决策过程之Markov Reward Process（马尔科夫奖励过程）
上文介绍了马尔科夫决策过程之MarkovProcesses（马尔科夫过程），可以移步到下面：马尔科夫决策过程之MarkovProcesses（马尔科夫过程）本文我们总结一下马尔科夫决策过程之MarkovRewardProcess（马尔科夫奖励过程），valuefunction等知识点。1MarkovRewardProcess马尔科夫奖励过程在马尔科夫过程的基础上增加了奖励R和衰减系数γ：<S
【deeplearning.ai】深度学习：结构化机器学习项目上
吴恩达老师DeepLearning.ai课程笔记【吴恩达Deeplearning.ai笔记一】直观解释逻辑回归【吴恩达deeplearning.ai笔记二】通俗讲解神经网络上【吴恩达deeplearning.ai笔记二】通俗讲解神经网络下深度网络不好使？吴恩达老师带你优化神经网络(1)【deeplearning.ai】深度学习：优化神经网络(2)构建好一个机器学习系统并获得一些初步结果时，后续往往
今日推荐
周排行