梁嘉嘉の博客

Volume   举例： Dockerfile.my-cron 123456789101112131415161718FROM alpine:latestRUN apk updateRUN apk --no-cache add curlENV SUPERCRONIC_URL=https://github.com/aptible/supercronic/releases/download/v0.1.12/supercronic-linux-amd64 \ SUPERCRONIC=supercronic-linux-amd64 \ SUPERCRONIC_SHA1SUM=048b95b48b708983effb2e5c935a1ef8483d9e3eRUN curl -fsSLO "$SUPERCRONIC_URL" \ && echo "${SUPERCRONIC_SHA1SUM} ${SUPERCRONIC}" | sha1sum -c - \ && chmod +x "$SUPERCRONIC" \ &a ...

Dockerfile： 123456789101112FROM python:3.9.5-slimCOPY app.py /src/app.pyRUN pip install flaskWORKDIR /srcENV FLASK_APP=app.pyEXPOSE 5000CMD ["flask", "run", "-h", "0.0.0.0"] 1docker buildx build -f Dockerfile -t demo-flask . 1docker container run -d -p 80:5000 demo-flask 云服务器部署端口不能访问   需要在云服务器防火墙配置入站规则： 假如想通过其他端口访问（Ex：5000） 仍然需要防火墙开放该端口（5000）,外网才能访问 1docker container run -d -p 5000:5000 demo-flask

RUN执行指令   Dockerfile.bad 1234567FROM ubuntu:20.04RUN apt-get updateRUN apt-get install -y wgetRUN wget https://github.com/ipinfo/cli/releases/download/ipinfo-2.0.1/ipinfo_2.0.1_linux_amd64.tar.gzRUN tar zxf ipinfo_2.0.1_linux_amd64.tar.gzRUN mv ipinfo_2.0.1_linux_amd64 /usr/bin/ipinfoRUN rm -rf ipinfo_2.0.1_linux_amd64.tar.gz Dockerfile.good 1234567FROM ubuntu:20.04RUN apt-get update && \ apt-get install -y wget && \ wget https://github.com/ipinfo/cli/releases/ ...

镜像 Docker\text {Docker}Docker 镜像是用于构建和运行容器的静态模板。镜像包含了运行应用程序所需的所有内容，包括代码、运行时、系统工具、库文件和依赖项： 镜像层：Docker\text {Docker}Docker 镜像由一系列称为“层”的文件系统构成，每一层代表一个差异。层级结构使镜像变得高效、可共享和轻量级。 不可修改性：镜像是不可修改的。一旦创建，镜像的内容不会发生变化。如果要更改应用程序或配置，需要基于现有镜像创建新的镜像。 分层结构：镜像的分层结构允许镜像共享共同的层，从而节省磁盘空间和带宽。这种分层结构还使得构建和分发镜像变得更加高效。 Dockerfile：Docker\text {Docker}Docker 镜像通常使用 Dockerfile\text {Dockerfile}Dockerfile 进行构建。Dockerfile\text {Dockerfile}Dockerfile 是一个包含构建步骤的文本文件，可以在其中定义如何构建镜像，包括基础镜像、应用程序配置、运行命令等。 标签（Tags）：镜像可以有不同的标签，用于标识不同版本或配 ...

以普通用户执行相关 Docker 命令，会提示： 1permission denied while trying to connect to the Docker daemon socket at unix:///var/run/docker.sock: Get "http://%2Fvar%2Frun%2Fdocker.sock/v1.24/containers/json": dial unix /var/run/docker.sock: connect: permission denied   原因：https://docs.docker.com/engine/install/linux-postinstall/ 解决方法： 使用 sudo 获取 root 权限 1$ sudo xxx   切换 root 用户获取 root 权限 12$ su - root$ xxx 创建 docker 组并添加相关用户 创建 docker 组：sudo groupadd docker 将指定用户添加到 docker 组：sudo usermod ...

容器 容器技术是一种虚拟化技术，用于在操作系统级别隔离应用程序及其依赖，以实现更高效、可移植和可扩展的软件部署。传统上，虚拟化技术通过在物理服务器上模拟多个虚拟机来实现隔离，每个虚拟机都运行完整的操作系统和应用程序。然而，这种方式通常会导致资源消耗较高，启动时间较长。 容器技术的目标是克服传统虚拟化的一些限制，提供更轻量级、更快速的应用程序隔离和部署方案。容器不需要模拟完整的操作系统，而是共享宿主操作系统的内核，并将应用程序及其运行时环境、依赖等打包到一个封闭的运行环境中—这个封闭的环境被称为容器。容器之间相互隔离，但与宿主操作系统共享资源，因此可以更高效地运行多个容器实例。 一些常见的容器技术包括 Docker\text {Docker}Docker 和 Podman\text {Podman}Podman。容器技术的主要优势包括： 轻量级：容器相对于虚拟机来说更加轻量，因为它们共享操作系统内核，无需模拟整个操作系统。 快速启动：由于容器不需要启动完整的操作系统，它们的启动时间比虚拟机更短，可以更快地部署和扩展应用。 可移植性：容器将应用程序及其所有依赖打包到一个封闭环境中，使得应 ...

开发环境的安装与使用 下载安装 Visual Studio Visual Studio 2019 Community 创建项目   配置项目 运行项目 语言标识符和关键字 变量与常量 注释

引言 序列（sequence\text {sequence}sequence） Slot Filling\text {Slot Filling}Slot Filling（槽填充）任务 网络记忆能力 延时神经网络（Time Delay Neural Network TDNN）：建立一个额外的延时单元，用来存储历史信息（可以包括输入、输出、隐状态等）。 ht(l)=f(ht(l−1),ht−1(l−1),⋯ ,ht−K(l−1))\boldsymbol{h}_t^{(l)}=f\left(\boldsymbol{h}_t^{(l-1)}, \boldsymbol{h}_{t-1}^{(l-1)}, \cdots, \boldsymbol{h}_{t-K}^{(l-1)}\right) ht(l)​=f(ht(l−1)​,ht−1(l−1)​,⋯,ht−K(l−1)​) 自回归模型（ Autoregressive Model AR）：用变量的历史信息来预测自己。 yt=w0+∑k=1Kwkyt−k+ϵt\boldsymbol{y}_t=w_0+\sum_{k=1}^K w ...

优化问题： 神经网络模型是非凸函数，且存在梯度消失原因 深度神经网络模型参数较多 泛化问题（正则化）：训练数据集产生过拟合，需要通过正则化来改进泛化能力。 网络优化 网络优化目标：期望风险，最小化取自数据生成分布数据的预测误差期望。 J(θ)=E(x,y):pdata [L(f(x;θ),y)]J(\theta)=E_{(\mathbf{x}, \mathbf{y}): p_{\text {data }}}[L(f(\mathbf{x} ; \theta), \mathbf{y})] J(θ)=E(x,y):pdata ​​[L(f(x;θ),y)] 又通常 pdata p_{\text {data }}pdata ​ 未知，故近似用训练集中的样本替代：pdata ≈p^data p_{\text {data }} \approx \hat{p}_{\text {data }}pdata ​≈p^​data ​ 得到经验风险，并使其最小化： E(x,y):p^data [L ...

卷积神经网络 I 卷积运算 卷积网络的动机：稀疏交互、参数共享、平移不变性 池化 卷积神经网络 给定一个卷积层： 参数 表示 卷积核数目 FFF 卷积核大小 KKK 步长 SSS 零填充个数 PPP 假如输入图片大小：W1×H1×D1W_1 \times H_1 \times D_1W1​×H1​×D1​ 经过卷积后输出大小：W2×H2×D2W_2 \times H_2 \times D_2W2​×H2​×D2​ 其中： W2=(W1−K+2P)/S+1H2=(H1−K+2P)/S+1D2=F\begin{aligned} & W_2=\left(W_1-K+2 P\right) / S+1 \\ & H_2=\left(H_1-K+2 P\right) / S+1 \\ & D_2=F \end{aligned} ​W2​=(W1​−K+2P)/S+1H2​=(H1​−K+2P)/S+1D2​=F​ 通过参数共享，每个滤波器的参数：K×K×D1+1K \times K \times D_1+1K×K×D1​+1（FFF 个滤 ...