数据库并发控制，你选乐观锁还是悲观锁？
今天，在这里，我们将讨论的是在实际生产过程中，对于并发控制你是选择乐观锁还是悲观锁。这两种锁各自的应用环境应该怎样选择？ 实际生产环境里边，如果并发量不大，完全可以使用悲观锁定的方法，这种方法使用起来非常方便和简单。但是如果系统的并发非常大的话，悲观锁定会带来非常大的性能问题，所以就要选择乐观锁定的方法。 悲观锁假定其他用户企图访问或者改变你正在访问、更改的对象的概率是很高的，因此在悲观锁的环境中，在你开始改变此对象之前就将该对象锁住，并且直到你提交了所作的更改之后才释放锁。悲观的缺陷是不论是
架构师必备最全SQL优化方案
在进行MySQL的优化之前，必须要了解的就是MySQL的查询过程，很多查询优化工作实际上就是遵循一些原则，让MySQL的优化器能够按照预想的合理方式运行而已。 一、优化的哲学 注：优化有风险，涉足需谨慎 1、优化可能带来的问题？ 优化不总是对一个单纯的环境进行，还很可能是一个复杂的已投产的系统； 优化手段本来就有很大的风险，只不过你没能力意识到和预见到； 任何的技术可以解决一个问题，但必然存在带来一个问题的风险； 对于优化来说解决问题而带来的问题，控制在可接受的范围内才是有成果； 保持现状或出
浅析GPU通信技术：GPUDirect P2P
1. 背景 GPU在高性能计算和深度学习加速中扮演着非常重要的角色， GPU的强大的并行计算能力，大大提升了运算性能。随着运算数据量的不断攀升，GPU间需要大量的交换数据，GPU通信性能成为了非常重要的指标。 NVIDIA推出的GPUDirect就是一组提升GPU通信性能的技术。但GPUDirect受限于PCI Expresss总线协议以及拓扑结构的一些限制，无法做到更高的带宽，为了解决这个问题，NVIDIA提出了NVLink总线协议。 这个系列文章会对以上GPU通信技术做详细的介绍，旨在帮助
Java面向对象与多线程综合实验（六）之网络编程
本次代码沿用第三次中的User.java Administrator.java Operator.java Browser.java和Doc.java 和第五次中的DataProcessing.java 并且借用大部分了老师提供的Client.java和Server.java代码 实验目的 了解Java网络编程基础知识；掌握java.net包中关于网络的基本类及其属性和方法；掌握基于Socket的客户和服务器编程方法。 实验内容 编写程序，将前面课程所编写的档案管理系统从单机版改编成为客户机/
PyTorch动态神经网络
PyTorch 是 PyTorch 在 Python 上的衍生. 因为 PyTorch 是一个使用 PyTorch 语言的神经网络库, Torch 很好用, 但是 Lua 又不是特别流行, 所有开发团队将 Lua 的 Torch 移植到了更流行的语言 Python 上. 是的 PyTorch 一出生就引来了剧烈的反响. 为什么呢? 而且如果你知道 Numpy, PyTorch 说他就是在神经网络领域可以用来替换 numpy 的模块. PyTorch 和 Tensorflow 据 PyTorch
Java面向对象与多线程综合实验（七）之多线程
实验目的 了解线程的基本概念；掌握线程的构造，调度，控制策略；掌握多线程互斥和同步处理方法。 实验内容 编写程序，将前面课程所编写的档案管理系统的服务器端改写为多线程方式，使得其能同时处理多个客户端的请求。 本次代码沿用第三次中的User.java、Administrator.java、Operator.java、Browser.java和Doc.java，第五次中的DataProcessing.java和第六次的LoginWindow.java、MenuWindow.java、UserWin
运用JSP制作一个小型的档案管理系统
本例仿照面向对象与多线程综合实验中的小型档案管理系统软件，制作了一个小型档案管理系统的网页。 首先是登录界面 index.jsp <%@ page contentType="text/html;charset=gb2312" language="java" %>
<html>
<head>
<title>登录界面</title>
</head>
<body>
<form method="post" id="form1" name="form1" onsubmit="
PyTorch分类神经网络
这次我们也是用最简单的途径来看看神经网络是怎么进行事物的分类. 建立数据集 我们创建一些假数据来模拟真实的情况. 比如两个二次分布的数据, 不过他们的均值都不一样.
import torch
import matplotlib.pyplot as plt
# 假数据
n_data = torch.ones(100, 2) # 数据的基本形态
x0 = torch.normal(2*n_data, 1) # 类型0 x data (tensor), shape=(1
浅析GPU通信技术：NVLink总线技术
1. 背景 上一篇文章“浅析GPU通信技术：GPUDirect P2P”中我们提到通过GPUDirect P2P技术可以大大提升GPU服务器单机的GPU通信性能，但是受限于PCI Expresss总线协议以及拓扑结构的一些限制，无法做到更高的带宽，为了解决这个问题，NVIDIA提出了NVLink总线协议。 本篇文章我们就来谈谈NVIDIA提出的NVLink总线协议，看看它到底是何方神圣。 2. NVlink介绍 2.1 发布 NVLink技术是在2014年3月的NVIDIA GTC 2014上
Pytorch 批训练
DataLoader DataLoader 是 torch 给你用来包装你的数据的工具. 所以你要讲自己的 (numpy array 或其他) 数据形式装换成 Tensor, 然后再放进这个包装器中. 使用 DataLoader 有什么好处呢? 就是他们帮你有效地迭代数据, 举例:
import torch
import torch.utils.data as Data
torch.manual_seed(1) # reproducible
BATCH_SIZE = 5 #
会了也要看的flink安装部署|适合阅读
Flink支持运行与所有的类linux环境，比如linux，mac os x 和cygwin(windows)，要求一个master节点，一个或者多个worker节点。再部署启动flink集群之前，要准备一下环境，对每个节点的环境要求是： 需要java 1.8.x或者更高版本 ssh(sshd一定要启动，因为要用flink脚本去管理集群远程的节点) 如果，你集群环境不满足这些软件要求，请及时安装和更新。 假如ssh是免密码登陆的，然后保证每个集群的安装路径都一样，这样可以方便的使用flink脚
Mellanox：引无数英雄竞折腰!
据媒体报道，英特尔已出价55亿美元竞购Mellanox Technologies。 英特尔发言人拒绝对这些报道发表评论，称“英特尔不对传言和猜测发表任何评论”。 据称，Mellanox在10月份得到了两家公司的竞购后，Mellanox公司聘请了一名财务顾问来探讨出售事宜。这家公司的总部位于以色列，专为云计算数据中心服务器生产芯片和硬件。它还在美国设有办事处。Mollanox和阿里巴巴，戴尔和惠普企业（HPE）等多家大型公司签订了销售和制造协议。 英特尔并不是唯一的竞标者。据报道，去年11月，半
加速神经网络训练 (Speed Up Training)
学习资料: 英文学习资料 PyTorch 可视化优化器 今天我们会来聊聊在怎么样加速你的神经网络训练过程. 包括以下几种模式: Stochastic Gradient Descent (SGD) Momentum AdaGrad RMSProp Adam 越复杂的神经网络 , 越多的数据 , 我们需要在训练神经网络的过程上花费的时间也就越多. 原因很简单, 就是因为计算量太大了. 可是往往有时候为了解决复杂的问题, 复杂的结构和大数据又是不能避免的, 所以我们需要寻找一些方法, 让神经网络聪明
Windows平台下ANTLR4使用
Windows平台下ANTLR4使用 ANTLR4：把编程语言的语法规则转换成相对应的词法/语法分析器（lexer/parser）以及词法/语法分析器所需要的运行时库 Github网址: https://github.com/antlr/antlr4/blob/master/doc/getting-started.md 命令行使用ANTLR4 JDK1.6及以上 从 http://www.antlr.org/download/ 下载对应的版本（如antlr-4.4.-complete.jar，
360搜索容器云探索与实践
随着容器化进程的加速，容器编排的需求也越来越强烈。而容器编排也经历了从Kubernetes、Mesos和Swarm三足鼎立到今天的Kubernetes一统江湖的局面。现在越来越多的公司选择基于Kubernetes来构建企业内部的私有云。本次分享将为大家介绍360搜索基于Kubernetes打造私有云的整体架构，以及遇到的一些问题和解决方案，希望可以使大家在打造私有云过程中少走一些弯路。 发展历程 发展初衷 快速迭代：提升上线效率，开发自助上线并可以快速回滚。 提高资源利用率：不用类型业务混布，
Windows下Github上传超过200MB文件(LFS)
Windows下Github上传超过200MB文件(LFS) 在Repository目录上右击，选择GIT Bash git clone https://...将库克隆到本地（可以克隆空库） cd 库目录，进入本地库 将要上传的文件全部拷贝到本地库中 PS:下载 git-lfs.exe文件，一起放到本地库中（如上图所示） git init初始化本地库 git lfs install 安装**Large File Storage(LFS)**工具 git lfs track “*.jar”定义*
Optimizer 优化器
要点 这节内容主要是用 Torch 实践 这个 优化器 动画简介 中起到的几种优化器, 这几种优化器具体的优势不会在这个节内容中说了, 所以想快速了解的话, 上面的那个动画链接是很好的去处. 下图就是这节内容对比各种优化器的效果: 伪数据 为了对比各种优化器的效果, 我们需要有一些数据, 今天我们还是自己编一些伪数据, 这批数据是这样的:
import torch
import torch.utils.data as Data
import torch.nn.functional as F
Markdown语法（持续扩充）
Markdown语法（持续扩充） 1. Markdown需要转义的字符 \ 反斜杠 ` 反引号 * 星号 _ 下划线 {} 大括号 [] 中括号 () 小括号 # 井号 + 加号 - 减号 . 英文句号 ! 感叹号. > 尖括号 2. Markdown换行 至少两次空格键+回车键。 <br> 3. Markdown首行缩进 1.  
2.  
3.
4. Markdown数学公式 Markdown Pad2显示公式 Markdown编辑数学公式
今日推荐
周排行