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

前言

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

1、MNIST数据集

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。

1、需求背景

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、安装环境

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😁

前言

  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。

1、修改crypto-config.yaml文件并生成对应的节点证书。

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