前言
本文记录了使用PyTorch构建一个简单的CNN网络,并使用Fahion-MNIST数据集进行训练和测试。记录整个推理过程
本文记录了使用PyTorch构建一个简单的CNN网络,并使用Fahion-MNIST数据集进行训练和测试。记录整个推理过程
本文记录了使用PyTorch构建一个简单的CNN网络,并使用MNIST数据集进行训练和测试。记录整个推理过程
MNIST数据集是一个手写数字识别数据集,包含了60,000个28x28像素的手写数字图像(灰度图片),每个数字都有10个训练样本和10个测试样本。该数据集由C. E. Mnih等人于1999年首次发布,并被广泛应用于机器学习领域的分类、识别和生成模型的研究中。
MNIST数据集的特点:
1、 每个数字都是手写的,因此具有一定的噪声和不规则性;
2、 每个数字只有一种写法,因此可以视为二元分类问题;
3、 数据集中的数字图像比较简单,易于处理和识别;
4、 数据集中的数字图像没有标签,需要通过预处理和特征提取等方法来自动识别。
客户现场有几台服务器,是局域网的,因为要经常维护,显示每次去跑现场肯定是不合适的,为了便于维护和管理,可以装一个内网穿透工具–frp
go项目中经常会碰到线上编译好的二进制文件不清楚是哪次commit后编译的,每次编译出来的都是一个二进制文件,不利于管理,搞了个go项目的版本管理。 利用go build的 -ldflags 参数,使用帮助命令查看详细信息
想不到在2020年最后的几天,还有一个小惊喜。
我竟然通过了Certified Hyperledger Fabric Administrator (CHFA)的考试,这次考试没怎么备考,全程就只用了2-3周的时间复习了一下,本以后会过不了,没想到最后竟然考过了,还是很高兴的。
本文使用ubuntu 18作为系统,直接使用脚本启动Fabric网络,而非使用Docker容器来启动
1.1、安装Ubuntu系统
到官网下载最新版的ubuntu镜像,我本地是使用虚拟机来安装ubuntu的,打开虚拟机,选择镜像文件,根据提示一路安装,
这是之前在公司内部做技术分享的文档,主要是讲解了对称加密和非对称加密的基本原理以及一些例子,现将它上传到blog上,做个备份。 PDF文件下载地址-> 对称加密与非对称加密
1、TBaas简介
1.1、TBaas简介
1.2、Hyperledger Fabric的架构
1.3、TBaaS的架构
2、如何使用TBaaS
2.1、创建联盟
2.2、Channel管理
2.3、ChainCode管理
ES6中,如何删除一个数组中的重复数据呢,以下是我总结的,从数组中过滤掉重复项并且返回唯一值的三种方法。我最喜欢的是使用Set因为它是最简单和最简单的😁
在实际项目中,因为项目的需求变动,一般都会对fabric网络做一个修改,最常见的变动就是在现有的Fabric网络中增加一个节点,现在以之前搭建的fabric网络(版本1.1),balance-transfer为例做个介绍,整个过程其实也很简单,生成节点证书,增加新节点的docker配置文件并启动相应的服务,然后将新节点加到现有的channel当中,并在节点上安装智能合约(Chaincode),下午详情讲一下具体的操作步骤。
首先我们确认我们需要在Org2里增加节点,那么我们在crypto-config.yaml文件里找到对应Org2的配置,把Template字段里的count参数修改成2,意思就是在此组织下生成两个节点,配置文件如下