- 综合排序
- 最热优先
- 最新优先
- 来自专栏mysql
hhdb数据库介绍(10-3)
单机部署为管理平台为用户提供单个组件安装部署的功能，弥补集群部署功能中无法单独安装某个组件的缺陷。具体功能说明与操作步骤请参考安装部署文档。
1.3K10编辑于 2025-03-12 - 来自专栏初见Linux
10-3 信号
三、信号 kill 命令通常用来“ 杀死 ”（终止）进程，它可以用来终止运行不正常的程序 或 拒绝终止的程序。如下例： kill命令示例.png 我们首先在后台启动了 xlogo 程序。She
90530发布于 2020-08-11 - 来自专栏程序员果果
DockerSwarm 集群环境搭建
Swarm 在 Docker 1.12 版本之前属于一个独立的项目，在 Docker 1.12 版本发布之后，该项目合并到了 Docker 中，成为 Docker 的一个子命令。目前，Swarm 是 Docker 社区提供的唯一一个原生支持 Docker 集群管理的工具。它可以把多个 Docker 主机组成的系统转换为单一的虚拟 Docker 主机，使得容器可以组成跨主机的子网网络。
1.2K20发布于 2019-05-28 - 来自专栏Kubernetes 与 Devops 干货分享
DockerSwarm实践及原理
主机就被抽象为单个大型的虚拟 Docker 主机，在管理节点上，用户可以像在单机一样在集群上操作容器或服务 基本概念 Swarm集群中管理的对象主要由三个，Task、Service与Node，其中Node上面已经介绍过
1.2K30编辑于 2022-10-31 - 来自专栏程序员果果
DockerSwarm 微服务部署
在《DockerSwarm集群环境搭建》中，我们使用docker service create 来部署服务时，一次只能部署一个服务，这一节就讲解 DockerSwarm 集群环境中， 使用 docker-compose.yml
76530发布于 2019-05-28 - 来自专栏IT架构圈
『高级篇』docker之DockerSwarm的了解（27）
这次一起了解下docker Swarm，什么是dockerSwarm。 ? 如果在这样挨个的登录在每个ssh主机上管理容器，就非常的吃力了，而且我们的应用也需要高可用，也需要避免单点的故障，docker现有的能力已经很难满足这样的需求了，在这样的背景下，docker社区就产生类的dockerSwarm docker，Marathon，zookeeper，加入我们现在有5台liunx服务器，每个上面都装有docker，选择一台作为manager，上面执行下图的第一条命令， 执行完之后会打印出来一个token作为dockerSwarm 对docker命令参数支持完善 跟docker同步发布，docker的新的特性在dockerSwarm上都可以得到体现。 PS：docker Swarm基本都了解的差不多了。
1.1K10发布于 2018-12-05 - 来自专栏IT架构圈
『高级篇』docker之DockerSwarm的集群环境搭建（28）
PS：dockerSwarm的服务发现，负载均衡。
85620发布于 2018-12-06 - 来自专栏IT架构圈
『高级篇』docker之DockerSwarm微服务部署（30）
PS：有详细看看官网的文档，里面有非常多样化的配置，我相信基本可以满足大家的需求。到这样docker swarm 也就学完了，相信有个整体的认识吧。另外要说下有2个UI管理docker swarm的工具Portainer和Shipyard。下次开始k8s！
80710发布于 2018-12-06 - 来自专栏AI机器学习与深度学习算法
机器学习入门 10-3 实现混淆矩阵，精确率和召回率
a 实现混淆矩阵、精准率&召回率 上一小节详细介绍了什么是混淆矩阵，并且基于混淆矩阵这个小工具介绍了两个新的指标精准率和召回率。这一小节就来通过具体的编程来实现混淆矩阵、精准率和召回率。 这里二分类算法使用上一章介绍的逻辑回归算法。 先使用train_test_split将数据集划分为训练集和测试集，如果设置相同的随机种子后面得到的所有结果都是一样的。 至此就将前面两个小节介绍的混淆矩阵以及对应的精准率和召回率两个指标通过自己编写的代码实现了。 不过虽然计算出了算法的精准率以及召回率，但是对这两个指标的解读并没有介绍，如果对于两个算法或者同一个算法的两组超参数，这两个指标出现了差异。 这些将在下一个小节中介绍。
2.2K30发布于 2020-04-08 - 来自专栏完美Excel
VBA专题10-3：使用VBA操控Excel界面之设置工作表（续）
要隐藏其他工作表中的行，只需使用该工作表代替ActiveSheet，例如使用Sheets(1)代表第1个工作表，或者使用Worksheets(1)代表第1个标准工作表。隐藏所有行后，行标题几乎被隐藏，但列标题仍然在工作表中。
3K20发布于 2020-07-16 - 来自专栏IT架构圈
「实战篇」开源项目docker化运维部署-借助dockerSwarm搭建集群部署（九）
为了让学习的知识融汇贯通，目前是把所有的集群都放在了一个虚拟机上，如果这个虚拟机宕机了怎么办？俗话说鸡蛋不要都放在一个篮子里面，把各种集群的节点拆分部署，应该把各种节点分机器部署，多个宿主机，这样部署随便挂哪个主机我们都不担心。 源码：https://github.com/limingios/netFuture/blob/master/docker-swarm/
88040发布于 2019-03-04 - 来自专栏信数据得永生
ApacheCN DevOps 译文集 20211227 更新
关于本书 一、来自 30,000 英尺的容器 二、Docker 三、安装 Docker 四、概览 五、Docker 引擎 六、映像 七、容器 八、将应用容器化 九、使用 Docker 编写部署应用 十、DockerSwarm 十五、答案 精通 Docker 零、前言 一、Docker 概述 二、构建容器映像 三、存储和分发映像 四、管理容器 五、Docker 组合 六、Windows 容器 七、Docker 主机 八、DockerSwarm Docker 的图形用户界面（GUI） 十二、Docker 安全 十三、Docker 工作流 十四、Docker 的后续步骤 十五、答案 Docker Swarm 原生集群 零、前言 一、欢迎来到 DockerSwarm Docker 和 Jenkins 持续交付 零、前言 一、持续交付简介 二、Docker 介绍 三、配置 Jenkins 四、持续集成管道 五、自动化验收测试 六、将 Ansible 用于配置管理 七 Kubernetes 上部署 Java 十一、更多资源 Docker 快速启动指南 零、前言 一、建立 Docker 开发环境 二、学习 Docker 命令 三、创建 Docker 映像 四、Docker 卷 五、DockerSwarm
5.5K30编辑于 2022-04-02 - 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 习题10-3 递归实现指数函数
习题10-3 递归实现指数函数 本题要求实现一个计算xn（n≥1）的函数。
1.1K10发布于 2020-09-15 - 来自专栏北京马哥教育
实战Google深度学习框架：TensorFlow计算加速
本文将介绍如何在TensorFlow中使用单个GPU进行计算加速，也将介绍生成TensorFlow会话（tf.Session）时的一些常用参数。通过这些参数可以使调试更加方便而且程序的可扩展性更好。 为了同时利用多个GPU或者多台机器，10.2节中将介绍训练深度学习模型的并行方式。然后，10.3节将介绍如何在一台机器的多个GPU上并行化地训练深度学习模型。 图10-3中给出了一个具体的样例来说明异步模式的问题。其中黑色曲线展示了模型的损失函数，黑色小球表示了在t0时刻参数所对应的损失函数的大小。 假设在时间t1设备d0已经完成了反向传播的计算并更新了参数，修改后的参数处于图10-3中小灰球的位置。 然而这时的设备d1并不知道参数已经被更新了，所以在时间t2时，设备d1会继续将小球向左移动，使得小球的位置达到图10-3中小白球的地方。
1.5K70发布于 2018-05-02 - 来自专栏微服务生态
微服务反模式与陷阱翻译终结篇
图9-1 从图9-1中可以看出AMQP的性能要比REST的快近一倍，可以我们就可以做出一些选择了，在什么场景下应该用什么协议，另外在选择协议时性能并不是唯一的考虑因素，在第十章将会为大家介绍除了性能还需要考虑的点是什么 服务消费者发送一个消息到第一个服务，然后发送另一个消息的第二个服务，如图10-3所示。在服务使用者执行提交之前，这些消息都保存在队列中。一旦服务使用者执行提交，两个消息就会被释放。 ? 图10-3 在图10-3中，服务消费者将消息发送到第一个队列中，然后服务消费者业务报错， 这时可以在消息事务中进行回滚，从消息系统的队列中删除掉刚才发的消息。
84220发布于 2018-08-22 - 来自专栏CSDN技术头条
实战Google深度学习框架：TensorFlow计算加速
本文将介绍如何在TensorFlow中使用单个GPU进行计算加速，也将介绍生成TensorFlow会话（tf.Session）时的一些常用参数。通过这些参数可以使调试更加方便而且程序的可扩展性更好。 为了同时利用多个GPU或者多台机器，10.2节中将介绍训练深度学习模型的并行方式。然后，10.3节将介绍如何在一台机器的多个GPU上并行化地训练深度学习模型。 假设在时间t1设备d0已经完成了反向传播的计算并更新了参数，修改后的参数处于图10-3中小灰球的位置。 然而这时的设备d1并不知道参数已经被更新了，所以在时间t2时，设备d1会继续将小球向左移动，使得小球的位置达到图10-3中小白球的地方。 从图10-3中可以看到，当参数被调整到小白球的位置时，将无法达到最优点。 ? 图10-3 异步模式训练深度学习模型存在的问题示意图 ?
1.6K80发布于 2018-02-12 十分钟部署一个MQTT Broker集群
FreeMQTTplusdockerstackYAML脚本展开代码语言：BashAI代码解释$gitclonegit@gitee.com:ningchenglin/freemqtt-swarm-compose.git创建DockerSwarm /create-config.sh启动freemqttplus集群直接暴露dockerswarm集群服务端口1883、8883给外网展开代码语言：BashAI代码解释$dockerstackdeploy-cdocker-swarm-compose.ymlfreemqtt
22010编辑于 2026-05-24- 来自专栏RAKsmart
容器服务选型指南：K8s vs Docker Swarm 2025深度横评
2.DockerSwarm：轻量级快捷方案 架构设计：基于DockerEngine的“一体化”模式，管理节点直接与工作节点通信，无独立调度组件。 DockerSwarm： 依赖Docker生态，社区活跃度低，更新频率慢。 2.运维成本 K8s：需专职团队维护，年度成本（100节点）约￥300万（含硬件、人力、培训）。
1.8K10编辑于 2025-07-22 - 来自专栏人工智能头条
实战Google深度学习框架：TensorFlow计算加速
本文将介绍如何在TensorFlow中使用单个GPU进行计算加速，也将介绍生成TensorFlow会话（tf.Session）时的一些常用参数。通过这些参数可以使调试更加方便而且程序的可扩展性更好。 为了同时利用多个GPU或者多台机器，10.2节中将介绍训练深度学习模型的并行方式。然后，10.3节将介绍如何在一台机器的多个GPU上并行化地训练深度学习模型。 假设在时间t1设备d0已经完成了反向传播的计算并更新了参数，修改后的参数处于图10-3中小灰球的位置。 然而这时的设备d1并不知道参数已经被更新了，所以在时间t2时，设备d1会继续将小球向左移动，使得小球的位置达到图10-3中小白球的地方。 从图10-3中可以看到，当参数被调整到小白球的位置时，将无法达到最优点。 ? 图10-3 异步模式训练深度学习模型存在的问题示意图 ?
1.2K50发布于 2018-06-06 - 来自专栏DeepHub IMBA
计算卷积神经网络参数总数和输出形状
S→stride, p→padding, n→input size, f→filter size 默认Stride =1，没有提到填充(所以，p=0) 输出形状= n-f+1 = 10-3 +1 =8 n = 10, f = 3 s = 1, p = 0 默认Stride =1，没有提到填充(所以，p=0) 输出形状= n-f+1 = 10-3 +1 =8 在使用卷积滤波器对输入图像应用卷积后，输出将是一个特征映射 n = 10, f = 3 s = 1, p = 0 默认Stride =1，没有提到填充(所以，p=0) 输出形状= n-f+1 = 10-3 +1 =8 在使用卷积核对输入图像应用卷积后，输出将是一个特征映射
1.4K30发布于 2021-08-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号