新考纲pmp学习总结，不用查看pmp书集3A通过。
含敏捷，混合型，计算题，解题思路，难点讲解
含敏捷，混合型，计算题，解题思路，难点讲解
2015/9/21 15:58:55
6.27MB
1
本书根据Docker1.10版和Kubernetes1.2版对第1版进行了全面更新，从实践者的角度出发，以Docker和Kubernetes为重点，沿着“基本用法介绍”到“核心原理解读”到“高级实践技巧”的思路，一本书讲透当前主流的容器和容器云技术，有助于读者在实际场景中利用Docker容器和容器云处理问题并启发新的思考。
全书包括两部分，第一部分深入解读Docker容器技术，包括Docker架构与设计、核心源码解读和高级实践技巧；
第二部分归纳和比较了三类基于Docker的主流容器云项目，包括专注Docker容器编排与部署的容器云、专注应用支撑的容器云以及一切皆容器的Kubernetes，进而详细解读了Kubernetes核心源码的设计与实现，最后介绍了几种典型场景下的Kubernetes最佳实践。
全书包括两部分，第一部分深入解读Docker容器技术，包括Docker架构与设计、核心源码解读和高级实践技巧；
第二部分归纳和比较了三类基于Docker的主流容器云项目，包括专注Docker容器编排与部署的容器云、专注应用支撑的容器云以及一切皆容器的Kubernetes，进而详细解读了Kubernetes核心源码的设计与实现，最后介绍了几种典型场景下的Kubernetes最佳实践。
2018/10/2 20:28:22
51.44MB
1
openstack自动化搭建脚本，openstack私有云平台部署。
这次是基于devstack进??动化部署，后续会通过解析这个部署脚本的源代码的方式，学习openstack的部署，同时?步步阅读openstack其他服务的源码，?如keystone、nvoa等?动化部署原理：?动执?安装脚本将安装命令脚本化:—＞?动?成配置?件：?成正确的配置参数—＞?动解决依赖关系：安装依赖的软件包服务的安装顺序&（理解?动化部署的思路，以便后续??编写?动化部署脚本）分析软件的架构特点
这次是基于devstack进??动化部署，后续会通过解析这个部署脚本的源代码的方式，学习openstack的部署，同时?步步阅读openstack其他服务的源码，?如keystone、nvoa等?动化部署原理：?动执?安装脚本将安装命令脚本化:—＞?动?成配置?件：?成正确的配置参数—＞?动解决依赖关系：安装依赖的软件包服务的安装顺序&（理解?动化部署的思路，以便后续??编写?动化部署脚本）分析软件的架构特点
2019/10/5 11:36:38
26KB
1
本文档包含main.m,pso.m,schaffer2.m文件，能够直接用于无约束优化问题求解，可在此基础上，对标准算法进行学术改进，和工程应用拓展。
该算法思路清晰，算法精简，正文全，可拓展性强。
该算法思路清晰，算法精简，正文全，可拓展性强。
2015/10/15 5:15:38
1KB
1
2022华数杯B题论文思路分析+完整代码（水下机器人组装计划）(一二问答案接出来和标准答案一样)（成绩三四逼近正确答案）（完整论
2016/9/12 18:29:34
1.12MB
1
先自动将.mat转为.m，将.m中的所有结构体变量名转变为普通变量名，同时生成新的m文件。
脚本中有正文，拒绝盲目瞎猜，写有整个脚本的思路及步骤。
通过这个脚本，你可以学到正则表达式、字符串的处理、文件名替换、mat2m以及循环及判断的应用。
个人原创，欢迎下载。
脚本中有正文，拒绝盲目瞎猜，写有整个脚本的思路及步骤。
通过这个脚本，你可以学到正则表达式、字符串的处理、文件名替换、mat2m以及循环及判断的应用。
个人原创，欢迎下载。
2020/1/19 16:25:10
188KB
1
要解决的是一个医学图像的二分类问题，有AK和SK两种病症，根据一定量数据，进行训练，对图像进行预测。
给定图片数据的格式：解决思路整体上采用迁移学习来训练神经网络，使用InceptionV3结构，框架采用keras.具体思路：读取图片数据，保存成.npy格式，方便后续加载标签采用one-hot方式，由于标签隐藏在文件夹命名中，所以需要自行添加标签，并保存到.npy文件中，方便后续加载将数据分为训练集、验证集、测试集使用keras建立InceptionV3基本模型，不包括顶层，使用预训练权重，在基本模型的基础上自定义几层神经网络，得到最后的模型，对模型进行训练优化模型，调整超参数，提高准确率在测试集上对模型进行评估，使用精确率、召回率对单张图片进行预测，并输出每种类别的概率如何加载实际数据，如何保存成npy文件，如何打乱数据，如何划分数据，如何进行交叉验证如何使用keras进行迁移学习keras中数据增强、回调函数的使用，回调函数涉及：学习速率调整、保存最好模型、tensorboard可视化如何使用sklearn计算准确率，精确率，召回率，F1_
给定图片数据的格式：解决思路整体上采用迁移学习来训练神经网络，使用InceptionV3结构，框架采用keras.具体思路：读取图片数据，保存成.npy格式，方便后续加载标签采用one-hot方式，由于标签隐藏在文件夹命名中，所以需要自行添加标签，并保存到.npy文件中，方便后续加载将数据分为训练集、验证集、测试集使用keras建立InceptionV3基本模型，不包括顶层，使用预训练权重，在基本模型的基础上自定义几层神经网络，得到最后的模型，对模型进行训练优化模型，调整超参数，提高准确率在测试集上对模型进行评估，使用精确率、召回率对单张图片进行预测，并输出每种类别的概率如何加载实际数据，如何保存成npy文件，如何打乱数据，如何划分数据，如何进行交叉验证如何使用keras进行迁移学习keras中数据增强、回调函数的使用，回调函数涉及：学习速率调整、保存最好模型、tensorboard可视化如何使用sklearn计算准确率，精确率，召回率，F1_
2019/2/11 6:55:35
1003KB
1
首先来说一说该指南针的实现思路：程序先准备一张指南针图片，该图片上方向指针指向北方。
接下来开发一个检测方向的传感器，程序检测到手机顶部绕Z轴转过多少度，让指南针图片反向转多少度即可。
由此可见指南针应用只需在界面中添加一张图片，并让图片总是反向转过反向传感器返回的第一个角度值即可。
下面介绍一下方向传感器：方向传感器用于感应手机设备的摆放状态。
方向传感器可以返回三个角度，这三个角度即可确定手机的摆放状态。
关于方向传感器返回的三个角度的说明如下。
第一个角度：表示手机顶部朝向正北方的夹角。
当手机绕着Z轴旋转时，该角度值发送改变。
例如当该角度为0时，表明手机顶部朝向正北；
该角度为90时，代表手
接下来开发一个检测方向的传感器，程序检测到手机顶部绕Z轴转过多少度，让指南针图片反向转多少度即可。
由此可见指南针应用只需在界面中添加一张图片，并让图片总是反向转过反向传感器返回的第一个角度值即可。
下面介绍一下方向传感器：方向传感器用于感应手机设备的摆放状态。
方向传感器可以返回三个角度，这三个角度即可确定手机的摆放状态。
关于方向传感器返回的三个角度的说明如下。
第一个角度：表示手机顶部朝向正北方的夹角。
当手机绕着Z轴旋转时，该角度值发送改变。
例如当该角度为0时，表明手机顶部朝向正北；
该角度为90时，代表手
2017/9/7 18:57:50
156KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB