首页 > 其他分享 >Docker_学习记录2

Docker_学习记录2

时间：2024-02-27 16:23:55浏览次数：37  
标签：node 容器 记录 -- redis 学习 cluster Docker docker

本篇随笔为Docker学习记录（2），所有内容均参考尚硅谷Docker实战教程以及云原生开发

安装mysql主从复制

  1. 新建主服务器容器实例3307

    docker run -p 3307:3306 \
		   --name mysql-master \
		   --privileged=true \
		   -v /yiran/mysql-master/log:/var/log/mysql \
		   -v /yiran/mysql-master/data:/var/lib/mysql \
		   -v /yiran/mysql-master/conf:/etc/mysql/conf.d \
		   -e MYSQL_ROOT_PASSWORD=root \
		   -d mysql:5.7

    image

  2. 进入/mydata/mysqI--master/conf目录下新建配置文件，my.cnf
    image

  3. 修改完配置，重启mysql-master实例 docker restart mysql-master

  4. 进入 mysql-master 容器
    image

  5. master容器实例内创建数据同步用户

    1. 创建用户：create user 'slave'@'%' identified by '123456';
    2. 用户授权：grant replication slave, replication client on *.* to 'slave'@'%';

  6. 新建主服务器容器实例3308
    image

  7. 进入/mydata/mysq-slave/conf目录下新建my.cnf

  8. 修改完配置后重启slave实例docker restart mysql-slave

  9. 在主数据库中查看主从同步状态
    image

  10. 进入mysql--slave容器
    image

  11. 在从数据库中配置主从复制
    change master to master_host='192.168.38.128',master_user='slave',master_password='123456',master_port=3307,master_log_file='mall-mysql-bin.000001',master_log_pos=154,master_connect_retry=30;
    image

  12. 在从数据库中查看主从同步状态
    show slave status \G;
    image

  13. 在从数据库中开启主从同步
    start slave;

  14. 查看从数据库状态，发现已经同步
    show slave status \G;
    image

  15. 主从复制测试
    image



分布式存储

问题引入

12亿条数据需要缓存，请问如何设计这个存储案例？答：采用分布式存储

分布式存储的3种哈希方式：

  • 哈希取余分区
  • 一致性哈希算法分区
  • 哈希槽分区

哈希取余

image.png
优点：分而治之+分布均衡
缺点：由于余数确定，扩容或缩容（故障）后，需要重新确定余数，哈希规则需要重新确定

一致性哈希算法

算法背景：一致性哈希算法在1997年由麻省理工学院中提出的，设计目标是为了解决分布式缓存数据交动和映射问题，某个机器宕机了，分母数量改变了，自然取余数不OK了。

实现思路：

  1. 算法构建一致性哈希
  2. 服务器IP节点映射

image.png

  1. key落到哈希环上，向前走落到服务器上

优缺点：
优点：容错性（一台宕机，只影响下一台机器），扩张性（方便扩张，不需要重新计算哈希）
缺点：数据倾斜（可引入虚拟节点来解决，参考ScyllaDB的设计原则）

哈希槽分区

  1. 为什么出现？

解决一致性哈希算法的数据倾斜问题
哈希槽实质是一个数组，数组[0 , 2^14 -1]形成的hash slot空间。

  1. 能干什么？

解决均匀分配的问题，在数据和节点之间又加入了一层，把这层称为哈希槽（slot)），用于管理数据和节点之间的关系，现在相当于节点上放的是槽，槽里放的是数据。
image.png

  1. 深入理解：

槽解决的是粒度问题，相当于把粒度变大了，便于数据移动。
哈希解决的是映射问题，使用key的哈希值来计算所在的槽，便于数据分配。

  1. 多少个hash槽

一个集群只能有16384个槽，编号0-16383(0 - 2^14 -1)。这些槽会分配给集群中的所有主节点，分配策略没有要求。可以指定哪些编号的槽分配给哪个主节点。集群会记录节点和槽的对应关系。解决了节点和槽的关系后，接下来就需要对key求哈希值，然后对16384取余，余数是几key就落入对应的槽里。slot=CRC16(key)%16384。以槽为单位移动数据，因为槽的数目是固定的，处理起来比较容易，这样数据移动问题就解决了。

案例：3主3从Redis集群配置

操作步骤：

  1. 关闭防火墙+启动docker后台服务
  2. 新建6个docker容器实例
  3. 进入容器redis-node-1，并为6台机器构建集群关系
  4. 链接进入6381作为切入点，查看集群状态

image.png

新建6个docker容器实例：命令分步解释

# 启动第1台节点
# --net host 使用宿主机的IP和端口，默认
# --cluster-enabled yes 开启redis集群
# --appendonly yes 开启redis持久化
# --port 6381 配置redis端口号
docker run -d --name redis-node-1 --net host --privileged=true -v /app/redis-cluster/share/redis-node-1:/data redis:6.0.8 --cluster-enabled yes --appendonly yes --port 6381

# 启动第2台节点
docker run -d --name redis-node-2 --net host --privileged=true -v /app/redis-cluster/share/redis-node-2:/data redis:6.0.8 --cluster-enabled yes --appendonly yes --port 6382

# 启动第3台节点
docker run -d --name redis-node-3 --net host --privileged=true -v /app/redis-cluster/share/redis-node-3:/data redis:6.0.8 --cluster-enabled yes --appendonly yes --port 6383

# 启动第4台节点
docker run -d --name redis-node-4 --net host --privileged=true -v /app/redis-cluster/share/redis-node-4:/data redis:6.0.8 --cluster-enabled yes --appendonly yes --port 6384

# 启动第5台节点
docker run -d --name redis-node-5 --net host --privileged=true -v /app/redis-cluster/share/redis-node-5:/data redis:6.0.8 --cluster-enabled yes --appendonly yes --port 6385

# 启动第6台节点
docker run -d --name redis-node-6 --net host --privileged=true -v /app/redis-cluster/share/redis-node-6:/data redis:6.0.8 --cluster-enabled yes --appendonly yes --port 6386

image.png

构建主从关系

  1. 进入redis-node-01：docker exec -it redis-node-1 /bin/bash
  2. 构建主从关系： redis-cli --cluster create 192.168.xxx.xxx:6381 192.168.xxx.xxx:6382 192.168.xxx.xxx:6383 192.168.xxx.xxx:6384 192.168.xxx.xxx:6385 192.168.xxx.xxx:6386 --cluster-replicas 1

image.png
自动分配主从服务器：6381-6384；6382-6385；6383-6386
image.png

查看集群状态

  1. 进入redis-node-1，使用redis-cli连接到6381节点：redis-cli -p 6381
  2. 查看cluster信息：cluster info

image.png

  1. 查看cluster中Node信息：cluster nodes

image.png

案例：主从容错切换迁移

image.png

数据读写存储

image.png

  1. 以单机的方式进行启动redis-cli -p 6381

image.png
set k1 v1后，报错：需要跳转到 12706 6386上上

  1. 以集群的方式进行启动redis-cli -p 6381 -c

image.png
成功：redirected - 重定向到slot[12706] -- 12706对应6386机器

  1. 进入redis的docker容器，redis-cli --cluster check IP地址：端口号查询当前集群的信息

image.png

容错切换迁移：测试主机宕机后，从机能否正常工作

image.png

  1. 主机6381停机，模拟宕机场景

image.png

  1. docker 进入redis-node-2，查看集群信息，发现6381 slave, fail

image.png

  1. 还原原来宕机的机器，宕机前：主机 --》 恢复后：从机

image.png

案例：主从扩容/缩容

主从扩容（3主3从 --> 4主4从）

需求：Redis集群，增加6387（主）和6388（从），变为4主4从

  1. 新建6387,6388两个节点+新建后启动+查看是否有8个节点
# 新建6387以及6388节点
# 6387
docker run -d --name redis-node-7 --net host --privileged=true -v /data/redis/share/redis-node-7:/data redis:6.0.8 --cluster-enabled yes --appendonly yes --port 6387

# 6388
docker run -d --name redis-node-8 --net host --privileged=true -v /data/redis/share/redis-node-8:/data redis:6.0.8 --cluster-enabled yes --appendonly yes --port 6388

image.png

  1. 进入6387容器实例内部 docker exec -it redis-node-7 /bin/bash
  2. 将新增的6387节点（空槽号）作为master节点加入原集群

redis-cli --cluster add-node 192.168.38.128:6387 192.168.38.128:6381
image.png

  1. 检查集群情况（第1次）redis-cli --cluster check 192.168.38.128:6381

image.png
加入集群，未分配哈希槽，未分配从机

  1. 重新分派槽号 redis-cli --cluster reshard 192.168.38.130:6381
  • 输入给6387分配多少slot槽
    • image.png
  • 输入接收这些槽位的节点ID，即6387的ID
    • image.png
    • image.png
  1. 检查集群情况（第2次）redis-cli --cluster check 192.168.38.128:6381
  • 分配4096个槽给6387
    • image.png
  • 三个主机每个匀一部分给6387
    • image.png
    • 优点：对原先的节点影响较小
  1. 为主节点6387分配从节点6388
  • redis-cli --cluster add-node 192.168.38.128:6388 192.168.38.128:6387 --cluster-slave --cluster-master-id 0fd50de894dfc8eab1f53124444c6a8b912b1f23(6387的ID)
  • image.png
  1. 检查集群情况（第3次）redis-cli --cluster check 192.168.38.128:6381
  • 主：6387 -- 从：6388
  • image.png
  • image.png

主从缩容

需求：Redis集群，删除6387和6388（6387和6388下线），恢复3主3从

  1. 检查集群情况1获得6388的节点id
  • redis-cli --cluster check 192.168.38.128:6381
  • image.png
  1. 将6388删除，从集群中将4号从节点6388删除
  • redis-cli --cluster del-node 192.168.38.128:6388 8d6caf02849b6c0087296c5e7e013fa0b129972f（6388的ID）
  • image.png
  1. 将6387的槽号清空，重新分配，本例将清出来的槽号都给6384
  • 给集群重新分配槽位
  • redis-cli --cluster reshard 192.168.38.128:6381
  • image.png
  • 移动4096个槽位 -- 谁接收槽位（6384的ID） -- 从何处来（6387的槽位）
  1. 检查集群情况第二次
  • image.png
  • 6384的槽位从原先的4096变为8192（4096+分配的4096）
  1. 将6387删除
  • redis-cli --cluster del-node 192.168.38.128:6387 0fd50de894dfc8eab1f53124444c6a8b912b1f23(6387的ID)
  • image.png
  1. 检查集群情况第三次
  • image.png


是什么？

定义

Dockerfile是用来构建Docker镜像的文本文件，是由一条条构建镜像所需的指令和参数构成的脚本。
image.png
image.png

构建步骤：

编写Dockerfile -- docker build构建镜像 -- docker run 形成新的容器

DockersFile构建过程解析

  1. DockerFile内容基础知识：
  • 每条保留字指令都必须为大写字母，且后面要跟随至少一个参数
  • 指令按照从上到下，顺序执行

  • 表示注释

  • 每条指令都会创建一个新的镜像层并对镜像进行提交
  1. Docker执行Dockerfile的大致流程
  • docker从基础镜像运行一个容器
  • 执行一条指令并对容器作出修改
  • 执行类似docker commit的操作提交一个新的镜像层
  • docker再基于刚提交的镜像，运行一·个新容器
  • 执行dockerfile中的下一条指令，直到所有指令都执行完成
  1. 总结
  • 从应用软件的角度看，Dockerfile是软件的原材料，Docker image 是软件的交付品，Docker container 是按照镜像运行的容器实例
  • image.png
  • Dockerfile：定义了进程需要的一切东西，涉及的内容包括代码、文件、环境变量、依赖包、运行时环境、动态链接库、操作系统的发行版、服务进程和内核进程……
  • Docker 镜像：在用Dockerfile定义一个文件之后，docker build时会产生一个Docker镜像，当运行Dockert镜像时，会真正开始提供服务
  • Docker 容器：直接提供服务

DockerFile常用保留字指令

  • FROM：基础镜像，当前新镜像是基于哪个镜像的，指定一个已经存在的镜像作为模板
  • MAINTAINER：镜像维护者的姓名和邮箱地址
  • RUN：容器构建时需要运行的命令
    • shell格式：run <命令行工具>
# 等同于在终端操作的shell命令
# 格式：RUN <命令行命令>
RUN yum -y install vim
  • exec格式：RUN ["可执行文件", "arg1", "arg2", ……]
# 格式：RUN ["可执行文件" , "参数1", "参数2"]
RUN ["./test.php", "dev", "offline"]  # 等价于 RUN ./test.php dev offline
  • EXPOSE：向外暴漏的端口号，-p, -P
  • WORKDIR：指定在创建容器后，终端默认登陆的进来工作目录，一个落脚点
  • USER：指定该镜像以什么样的用户去执行，如果都不指定，默认是root
  • ENV：用来在构建镜像过程中设置环境变量【可理解为全局变量】
    • image.png
  • ADD：将宿主机目录下的文件拷贝进镜像且会自动处理URL和解压tar压缩包【COPY+tar解压】
  • COPY：类似于 docker cp
  • VOLUME：容器数据卷
  • CMD：指定容器启动后的要干的事情
# CMD 指令的格式和 RUN 相似，也是两种格式：
# shell格式：
CMD <命令>

# exec格式：
CMD["可执行文件","参数1","参数2"...]

# 参数列表格式：CMD["可执行文件","参数1","参数2"...]
# 若制定了ENTRYPOINT指令，则用CMD指定具体参数
  • 注意：Dockerfile中可以有多个CMD指令，但只有最后一个生效，CMD会被docker run之后的参数替换
# Dockerfile
EXPOSE 8080
CMD ["catalina.sh", "run"]

# 执行时
docker run -it -p 8080:8080 imageID /bin/bash

# 相当于替换CMD["catalina.sh", "run"] --> CMD["/bin/bash", "run"]
  • 与RUN命令的区别：CMD在docker run时运行，RUN在docker build时运行
  • ENTRYPOINT：也是用来指定一个容器启动时要运行的命令
    • 类似于CMD指令，但是ENTRYPOINT不会被docker run后面的命令覆盖，而且这些命令行参数会被当作参数送给 ENTRYPOINT 指令指定的程序
    • 命令格式：ENTRYPOINT["<executable>", "<parael1>", "<parael2>", ……]
    • ENTRYPOINT 与 CMD 命令一起使用时，相当于CMD给ENTRYPOINT传参，等价于 ""
    • 案例：image.png

Dockerfile构建案例

构建自定义镜像 my_centos_java8

  1. 从dockerhub上获取centos，并启动

image.png

  1. 新建/myfile，在该目录下，下载jdk-8u191-linux-x64.tar.gz

image.png
wget https://mirrors.yangxingzhen.com/jdk/jdk-8u191-linux-x64.tar.gz

  1. 新建Dockerfile：vim Dockerfile
FROM ubuntu
MAINTAINER lee<lee@xxx.com>

ENV MYPATH /usr/local
WORKDIR $MYPATH

RUN apt-get update
RUN apt-get install net-tools

EXPOSE 80

CMD echo $MYPATH
CMD echo "install ifconfig cmd into ubuntu success ....."
CMD /bin/bash

  1. 构建 docker build -t ubuntu:1.0.1 .
    image.png

  2. 运行 docker run ubuntu:1.0.1

虚悬镜像

仓库名、标签名都是 的镜像，称为 dangling images（虚悬镜像）。
在构建或者删除镜像时可能由于一些错误导致出现虚悬镜像。

# 列出docker中的虚悬镜像：
docker image ls -f dangling=true

# 虚悬镜像一般是因为一些错误而出现的，没有存在价值，可以删除：
# 删除所有的虚悬镜像
docker image prune

总结

image.png



Docker微服务

【待补充】



Docker网络

虚拟网桥 virbr0

  • 在cenos7的安装过程中如果有选择相关虚拟化的服务安装系统后，启动网卡时会发现有一个以网桥连接的私网地址的virbr0网卡（virbr0网卡：它还有一个固定的默认IP地址192.168.122.1），是做虚拟机网桥使用的。其作用是为连接其上的虚拟网卡提供NAT访同外网的功能。
  • 我们之前学习linux安装，勾选安装系统的时候附带了libvirt服务才会生成的一个东西，如果不需要可以直接将libvirt服务卸载yum remove libvirt-libs.x86_64
  • 启动docker后，另外会出现一个虚拟网桥docker0

常用命令

  1. 查看docker网络模式docker network ls

image.png

  1. 创建 docker network create aa_network
  2. 删除 docker network rm aa_network

image.png

  1. 检查network的信息 docker network inspect bridge

image.png

network作用

  • 容器间的互联和通信以及端口映射
  • 容器IP变动时，可以通过服务名直接进行网络通信，不会受到影响

网络模式

总体介绍

网络模式 简介 命令
bridge 为每一个容器分配、设置IP等，并将容器连接到一个docker0虚拟网桥，默认为该模式。 --network bridge，默认使用docker0
host 容器将不会虚拟出自己的网卡，配置自己的IP等，而是使用宿主机的IP和端口。 --network host
none 容器有独立的Network namespace，但并没有对其进行任何网络设置，如分配veth pair和网桥连接，IP等。 --network none
container 新创建的容器不会创建自己的网卡和配置自己的IP，而是和一个指定的容器共享IP、端口范围等。 --network container:NAME或容器ID

容器实例内默认网络IP生产规则

docker容器内部的 IP 会发生变化【一个容器宕机了，IP 会进行回收，以便下一次重新分配】

Bridge模式

image.png

host模式

image.png

none模式

禁用网络功能。
在none模式下，并不为docker容器进行任何网络配置。进入容器内，使用ip addr查看网卡信息，只能看到lo（本地回环网络127.0.0.1网卡）。

container模式

image.png

自定义网络

集群环境下，多台docker容器，需要自定义网络

  • ping IP地址（能通，但IP地址可能变化）
  • ping 容器名（推荐）


Docker-compose容器编排

是什么？

Compose是Docker公司推出的一个工具软件，可以管理多个Docker容器组成一个应用，你需要定义一个YAML格式的配置文件docker-compose.yml，写好多个容器之间的调用关系。然后，只要一个命令，就能同时启动/关闭这些容器

image.png

docker-compose的作用

  • docker 资源占用少，如果需要同时部署好多个服务，针对每个服务单独写Dockerfile，再构建？
    • 操作繁琐，麻烦 --》 docker compose多服务部署
  • Compose允许用户通过一个单独的docker-compose.yml模板文件(YAML格式)来定义一组相关联的应用容器为一个项目(project)。
  • Docker-compose解决了容器与容器之间如何管理编排的问题

下载

参考官网Install Compose standalone操作步骤：
curl -SL [https://github.com/docker/compose/releases/download/v2.24.6/docker-compose-linux-x86_64](https://github.com/docker/compose/releases/download/v2.24.6/docker-compose-linux-x86_64) -o /usr/local/bin/docker-compose

compose核心概念

一个文件：docker-compose.yml
两个要素：

  • 服务（service）：一个个应用容器实例，比如订单微服务、库存微服务、mysql容器
  • 工程（project）：由一组关联的应用容器组成的一个完整业务单元，在docker-compose.yml文件中定义。

使用docker-compose的三个基本步骤

  1. 编写Dockerfile定义各个微服务应用并构建出对应的镜像文件
  2. 使用docker-compose.yml，定义一个完整业务单元，安排好整体应用中的各个容器服务
  3. 最后，执行docker-compose up命令来启动并运行整个应用程序，完成一键部署上线

Compose常用命令

image.png
关注：检查yaml配置文件，docker-compose config -q

Compose编排微服务

改造升级微服务工程docker_boot

【待补充】

不使用compose

  1. 单独的mysql容器实例
    1. 新建mysql容器实例
    2. 进入mysql容器实例并新建库db01+新建表t_user
  2. 单独的redis容器实例
  3. 微服务工程
  4. 上面三个容器实例依次顺序启动成功
  5. swagger测试：http://localhost:服务端口/swagger-ui.html#/

出现了哪些问题？

  • 先后顺序要求固定，先启动mysql，再启动redis，最后启动微服务
  • 多个run命令……
  • 容器间的启停或宕机，有可能导致 IP 地址对应的容器实例变化，映射出错，要么生产 IP 写死（可以但是不推荐），要么通过服务调用

image.png

使用Compose

image.png



Docker容器的监控与统计

轻量级监控工具

查看当前docker的状态：docker system df

Portainer是一款轻量级的应用，它提供了图形化界面，用于方便地管理Docker环境，包括单机环境和集群环境。

安装：www.potainer.io
image.png

复杂监控工具

原生命令

操作：docker status
问题：通过docker stats命令可以很方便的看到当前宿主机上所有容器的CPU，内存以及网络流量等数据，一般小公司够用了…… 但是，docker stats统计结果只能是当前宿主机的全部容器，数据资料是实时的，没有地方存储、没有指标预警等功能

作用

容器监控：CAdvisor监控收集+InfluxDB存储数据+Granfana展示图表
image.png

compose容器编排

# 新建目录
mkdir cig

# 新建yaml文件
vim docker-compose.yml

# 检查yaml文件
docker-compose config -q

# 启动docker-compose
docker-compose up

# 查看三个服务容器是否启动
docker ps

# 测试
# 浏览CAdvisor收集服务，http://ip:8080/
# 浏览Influxdb存储服务，http://ip:8083/
# 浏览Grafana展现服务，http://ip:3000

标签：node,容器,记录,--,redis,学习,cluster,Docker,docker
From： https://www.cnblogs.com/syr463/p/18035391

相关文章

  • Docker部署达梦数据库
    下载下载地址安装#导入镜像dockerload-idm8_20230808_rev197096_x86_rh6_64_single.tar#运行容器dockerrun-d-p5236:5236--namedm8--privileged=true-eCASE_SENSITIVE=N-ePAGE_SIZE=16-eLD_LIBRARY_PATH=/opt/dmdbms/bin-eEXTENT_SIZE=32-eBLANK_......
  • Docker
    docker总结和实例常用命令镜像管理镜像搜索dockerseartch镜像名或者关键词镜像拉取dockerpull镜像名:标签镜像罗列dockerimages镜像删除dockerrmi镜像id或者镜像名:标签镜像导出dockersave-o文件名.tar镜像名:标签镜像导入dockerload......
  • centos7.8 oracle19c 安装记录
    该安装方案前提是可以连接因特网前提，因为在安装过程会自动补充一些linux的组件。下载预安装和oracle下载oracle19c的地址：https://www.oracle.com/technetwork/database/enterprise-edition/downloads/oracle19c-linux-5462157.html下载预安装oracle-database-preinstall-19c-1.......
  • Docker环境安装细步骤
    如果之前已有安装有docker需要重新安装，先进行卸载，如果没安装忽略此步骤yumremovedockerdocker-clientdocker-client-latestdocker-commondocker-latestdocker-latest-logrotatedocker-logrotatedocker-engine安装Docker服务安装yum-utils安装所需的依赖组件软件包，执......
  • 【学习笔记】KMP算法（字符串匹配优化算法）
    KMP算法是一种改进的字符串匹配算法，由D.E.Knuth，J.H.Morris和V.R.Pratt提出的，因此人们称它为克努特—莫里斯—普拉特操作（简称KMP算法）。KMP算法的作用是，在一个长字符串内匹配一个短字符串（判断str1.contains(str2)）时，减少匹配的次数，提高匹配效率。 必要概念：最长公共前后缀字符串......
  • 传统套路只能处理低维问题，机器学习数学理论的关键是高维函数
    与传统方法相比，机器学习解决的最基本的问题就是函数的表达和逼近。数学上有分片多项式、傅利叶级数、小波……这都是传统的表达函数的套路。但传统套路只能处理低维问题，难以处理高维问题。而机器学习，尤其是深度学习，解决的许多问题都是非常高维的，所以机器学习数学理论的关键是高维......
  • 论文阅读-《显著性目标检测中的完整性学习》
    论文摘要尽管当前显著性目标检测已取得重大突破，它们在预测显著区域的"完整性"上仍存在局限性。本文把"完整性"的概念分为微观完整性和宏观完整性两个层面。具体而言，在微观层面上，模型需要找出单个显著目标的所有部分。而在宏观层面上，模型需要发现图片中的所有显著目标。为了达......
  • 学习unigui【20】unistringGrid
    做成下面效果图： 采用unistringGrid控件。问题：1、不同的日期区间如何得到。如：项目  开始时间时间--终止使用时间呼吸机 yyyy-mm-dd  yyyy-mm-dd呼吸机 yyyy-mm-dd  yyyy-mm-dd插管 yyyy-mm-dd  yyyy-mm-ddSELECT"器械"::VARCHAR(30)AS"......
  • Scala学习总结(三)
    Scala学习总结六、集合1.Scala集合的特点Java集合：三大类型：列表List、集合Set、映射Map，有多种不同实现。Scala集合：三大类型：序列Seq，集合Set，映射Map，所有集合都扩展自Iterable。对于几乎所有集合类，都同时提供可变和不可变版本。不可变集合：scala.collec......
  • 【深度学习】神经网络的学习
    目录常用损失函数均方误差函数（meansquarederror）交叉熵误差函数（crossentropyerror）/对数损失函数（loglossfunction）数值微分（numericalgradient）前向差分（forwarddifference）后向差分（backwarddifference）中心差分（centraldifference）基于梯度下降算法的神经网络学习过程step1.初......

赞助商

阅读排行

网站主页关于我们联系我们网站地图

本网站内容转载自其他媒体，侵权联系[admin##ips99.com]。

Copyright © 2020-2023 IPS99 版权所有 IPS99