回顾CSS,查缺补漏(一)
从头开始看一遍css,遇到之前许多应该掌握但是并未掌握的知识,记录下来。 CSS权威指南4... 一、 display属性,除了最常用的块级元素block,行内元素inside,还有以下几种属性 display-listitem: 将这个元素的外部显示类型变为 block 盒,并将内部显示类型变为多个 list-item inline 盒。 display-outside: 这些关键字指定了元素的外部显示类型,实际上就是其在流式布局中的角色。 display-internal: 像 ta
django开发中关于外键设置
django开发中关于外键设置 我们建模型的时候会用到ForeignKey 而由于外键的约数会导致一些保存 所有我们ctrl+左键进入源码 源码 def __init__(self, to, on_delete=None, related_name=None, related_query_name=None,
limit_choices_to=None, parent_link=False, to_field=None,
python 之 Django框架(APP和ORM的使用)
12.3 APP 12.31 创建APP 一个Django项目可以分为很多个APP,用来隔离不同功能模块的代码 用命令行创建一个APP: python3 manage.py startapp app01 创建好APP,记得告诉Django,app的名字,在settings.py中添加: INSTALLED_APPS = [
'django.contrib.admin',
'django.contrib.auth',
'django.contrib.contentt
Ubuntu 16.04+OpenCL+Tensorflow+Keras配置参考
平常正儿八经的拿CPU跑Tensorflow也问题不大,直到最近我跑了一个RNN模型之后,CPU的300+s的一个epoch实在让我无法忍受了,所以痛定思痛的我选择了GPU来跑算法。但是很尴尬的是,我用的是农企的显卡,跑不了主流的CUDA,在经过两三天的配置之后,终于成功的配置好了开启OpenCL支持的Tensorflow了,跑LSTM还是很愉快的。 安装Ubuntu 16.04 LTS 因为目前农企实质上已经不支持fglrx了,而且对于我的显卡Advanced Micro Devices,
最大熵马尔科夫模型(MEMM)
定义: MEMM是这样的一个概率模型,即在给定的观察状态和前一状态的条件下,出现当前状态的概率。 Ø S表示状态的有限集合 Ø O表示观察序列集合 Ø Pr(s|s’,o):观察和状态转移概率矩阵 Ø 初始状态分布:Pr0(s) 注:O表示观察集合,S表示状态集合,M表示模型 最大熵马尔科夫模型(MEMM)的缺点: 看下图,由观察状态O和隐藏状态S找到最有可能的S序列: 路径:s1-s1-s1-s1的概率:0.4*0.45*0.5=0.09 路径s2-s2-s2-s2的概率:0.2*0.3*0
Mysql多实例数据库
什么是Mysql的多实例? 简单的说,Mysql多实例就是一台服务器上同时开启多个不同的服务端口(如3306、3307)同时运行多个Mysql服务进程,这些服务进程通过不同socket监听不同的服务端口来提供服务。 Msyql的多实例特点: 这些Mysql共用一套Mysql的安装程序,使用不用的配置文件(my.cnf)启动程序和数据文件。在提供服务时,多实例Mysql在逻辑上看起来是各自独立的,它们根据配置文件的对应设定值,获得服务器响应数量的硬件资源。 补充: 其实很多网络服务器都是
简单学习【1】——打包JS
webpack entry <entry> output webpack --config webpack.conf.js Step1:新建一个文件,里面有一个app.js 一个sum.js (名字随便命名就好了) app.js (引入sum.js) // 在app.js文件把sum.js的内容进入进来
//ES6 module
import sum from './sum'
console.log('sum(23,24) = ', sum(23, 24)); sum.js export
python3+django部署
1. 搭建开发环境 安装pip 和 Django sudo apt install python-pip
pip install django 2. 创建项目 建立一个名为web的项目 和 blog 应用 django admin startproject mysites 3. 公网IP访问 在项目下setting.py文件中配置允许host地址 然后使用命令启动项目 python manage.py runserver 0.0.0.0:8000 挂在后台运行 nohup python3 m
vue面试的一些总结
vue中组件的data为什么是一个函数? 组件是可复用的vue实例,一个组件被创建好之后,就可能被用在各个地方,而组件不管被复用了多少次,组件中的data数据都应该是相互隔离,互不影响的,基于这一理念,组件每复用一次,data数据就应该被复制一次,之后,当某一处复用的地方组件内data数据被改变时,其他复用地方组件的data数据不受影响,组件中的data写成一个函数,数据以函数返回值形式定义,这样每复用一次组件,就会返回一份新的data,类似于给每个组件实例创建一个私有的数据空间,让各个组件实
tensorflow模型转化为caffe模型并调用预测
tensorflow模型转化为caffe模型并调用预测 本文一共分为三个部分首先根据tensorflow的网络结构代码写caffe的deploy.prototxt,再用python代码写XXXX.caffemodel文档,最后调用caffe模型进行预测. 根据tensorflow的网络结构代码写caffe的deploy.prototxt 写完之后可以将代码输入到这里(工具)检测写法是否正确: 验证工具 书写规则如下,我给的每一种类型的其参数是必须写的参数,如果想知道每一层更详细的参数,可以参考
采用 pip 方式安装 TensorFlow
安装 TensorFlow(pip方式) 安装 python3 和 pip3 首先,需要安装 python 和 pip: 1 2 3 $ sudo apt-get install python-pip python-dev $ sudo apt-get install python3-pip 这时会有 python 2.7 和 3.5 共存,默认版本为 2.7,为了默认使用 python 3.5 及 pip3,可以在 .bash_profile 中增加如下语句进行重命名: 1 2
alias
Python之函数(二)函数的动态参数
4.2 函数的动态参数 动态位置参数(*args 备注 args可以随意改,不是固定的) def func(a,b,*args):# *args是万能(接受任意多个)的位置参数 *在函数定义的时候叫做聚合
print(a,b,args)# args接受 多个参数存储类型为元组
func(1,2,3,4,5)
#结果为: 1 2 (3,4,5)
def func(a,b,*args):#*args是万能(接受任意多个)的位置参数 *在函数定义的时候叫做聚合
print(a,b,arg
今日推荐
周排行