三分钟将文集转成在线电子书

下午对自己这几年写的一些博客做了些整理工作,整理完毕惊喜地发现,自己针对一些主题确实已经有了一些产出。 但是由于时间线的原因,一些主题文章的连贯性被破坏了,所以我有了将他们整理成在线电子书的想法。 题图就是我的最终成果,如果你也有类似需求,那你可以按照我的方法玩一玩。 要求 目前我可以产……

阅读全文

k8s学习之路.基础.[04.配置应用程序]

使用Docker部署应用程序时,一般常用的配置方式有: 配置内嵌 启动传参配置 环境变量 经过前面容器持久化存储的介绍,我们很容易能想到是以挂载卷的形式,比如: gitRepo hostPath NFS 再结合边车模式来进行配置文件的管控是可行的,然而有一种更加简便的方法能将配置数据置于Kubernetes的顶级资源对象中,……

阅读全文

设计模式——基于容器的分布式系统

20世纪80年代末至90年代初,面向对象编程思想给软件开发带来了一轮技术革新,就像润物细无声的春雨那般,向全世界的程序员们快速普及了模块化构建应用程序的方法,一直流行至今。 当下,我们可以看到类似的革新出现在了分布式系统开发,具体特点如下: 基于容器的微服务架构体系日益流行 容器天然隔……

阅读全文

k8s学习之路.基础.[03.容器持久化存储]

容器的本质是进程,对于进程,Linux系统有进程组的概念来将其组织在一起。在k8s里面,使用Pod这个逻辑概念来维护容器间的关系。 有了Pod后,我们的应用程序需要被创建和管理,这就引出了ReplicaSet和Deployment;然后需要将部署好的应用暴露给外部进行访问,Serv……

阅读全文

一站式机器学习云开发平台

本篇是关于自身在机器学习这块工作经验的思考总结 我希望构建一个机器学习云开发平台,目标在于解决以下问题: 团队协作:项目管理,技术&业务的共享如何体现在实际解决问题的过程中; 资源调度:数据处理、模型训练; 模块共享:低代码甚至无代码; 快速开发:快速试错、实践、测试、部署; 需求-……

阅读全文

梯度下降推导

以感知器为例,可以梯度下降来学习合适的权重和偏置: 假设有n个样本,第i次的实际输出为y,对于样本的预测输出可以表示为: \[ \bar{y}^i = w_1x_1^i+w_2x_2^i+...+w_nx_n^i+b \] 任意一个样本的实际输出和预测输出单个样本的误差,可以使用MES表示: \[ e^i=\frac{1}{2}(y^i-\bar{y}^i)^{2} \] 那么所有误差的和可以表示为: \[ \begin{aligned} E &= e^1+e^2+...+e^n \\ &= \sum_{i=1}^ne^i \\ &= \frac{1}{2}\sum_{i=1}^n(y^i-w^Tx^i)^2 \end{aligned} \] 想象一下,当你从山顶往下……

阅读全文

k8s学习之路.基础.[02.概念介绍]

俗话说,磨刀不误砍柴工。上一章,我们成功搭建了k8s集群,接下来我们主要花时间了解一下k8s的相关概念,为后续掌握更高级的知识提前做好准备。 本文主要讲解以下四个概念: Pod Deployment Service Namespace 引入 让我们使用Deployment运行一个无状态应用来开启此章节吧,比如运行一个nginx Deployme……

阅读全文

k8s学习之路.基础.[01.走进Kubernetes]

什么是Kubernetes 随着微服务架构被越来越多的公司使用,大部分单体应用正逐步被拆解成小的、独立运行的微服务。微服务的优势这里不做探讨,但是其带来的服务维护问题大大增加,若想要在管理大量微服务的情况下还需要让资源利用率更多且硬件成本相对更低,那么基于容器部署的微服务的一些自动……

阅读全文

nndl_note: 深度神经⽹络为何很难训练

消失的梯度问题 导致梯度消失的原因 在更加复杂⽹络中的不稳定梯度 其它深度学习的障碍 上一章提到了神经网络的一种普遍性,比如说不管目标函数是怎样的,神经网络总是能够对任何可能的输入得到一个近似的输出。 普遍性告诉我们神经⽹络能计算任何函数;而实际经验依据提⽰深度⽹络最能适⽤于学习能够解决许……

阅读全文

程序员如何提升个人的技术影响力

公司组织了个内训师培训班,进入前需要面试审核,以下是我的面试分享课题,这里分享出来以作记录。 大家晚上好,我是howie6879,目前主要负责的工作是风控和画像这两块;我个人的话比较常用的语言是Python,个人技术领域主要面向后端、大数据、智能应用等领域方向。 但是今天我不准备分享……

阅读全文