自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(19)
  • 资源 (4)
  • 收藏
  • 关注

原创 Axhub service文件分享

Axhub Linux Service文件分享

2022-07-15 10:50:48 380 1

原创 RocketMQ PERM含义 PERM=7、6、4、2

RocketMQ权限控制PERM_INHERIT:Topic继承,value:1PermName.PERM_READ:Topic读,value:4PermName.PERM_WRITE:Topic写,value:2perm=7 #可继承、读、写perm=4 #可读perm=2 #可写注解:RocketMQ的Topic自动新建是通过继承TBW102实现的,如果把TBW102的perm改为6,将不会自动创建Topic...

2021-04-23 13:44:39 1883 1

原创 linux自定义service服务

示例:[Unit]Description=etcd standaloneDocumentation=https://github.com/etcd-io/etcdAfter=network.targetConflicts=etcd.service[Service]Type=notifyUser=etcdEnvironmentFile=/opt/app/conf/etcd.envExecStart=/opt/etcd/current/etcd --force-new-clusterTi

2021-04-14 14:41:44 161

转载 软件版本命名规范

语义化版本 2.0.0注:引自https://semver.org/lang/zh-CN/,仅作学习交流使用摘要  版本格式:主版本号.次版本号.修订号,版本号递增规则如下:  主版本号:当你做了不兼容的 API 修改,  次版本号:当你做了向下兼容的功能性新增,  修订号:当你做了向下兼容的问题修正。  先行版本号及版本编译元数据可以加到“主版本号.次版本号.修订号”的后面,作为延伸。简介  在软件管理的领域里存在着被称作“依赖地狱”的死亡之谷,系统规模越大,加入的包越多,你就越有可能在

2021-04-12 14:32:40 214

原创 #noqa

源代码中注释#noqa一般表示"no Q/A"即"No Quality Assurance"

2020-05-18 21:59:15 462

原创 使用gevent出现无限递归RecursionError:maximum recursion depth exceeded while calling a python object

gevent和它的monkey补丁还是挺好用的,但是有时候它也有坑。gevent monkey补丁作用是将阻塞改成非阻塞以提升运行速度,一般都是from gevent import monkey;monkey.patchall()但当我做多进程加多线程加多协程实验的时候出现了无限递归的问题,仔细查看monkey.patchall()如下def patch_all(socket=True, dns=True, time=True, select=True, thread=True, os=True,

2020-05-16 00:50:14 1422

原创 Zabbix一键安装脚本

以下脚本仅适用于CentOS8+mysql+httpd+zabbix4.4对于其他组合仅供参考,可根据zabbix官网提供信息作相应修改#!/bin/bash# zabbix_install.sh : zabbix一键安装脚本# 安装前准备if [ ! -f "/etc/yum.repos.d/zabbix.repo" ]then rpm -Uvh https://repo.zabbix.com/zabbix/4.4/rhel/8/x86_64/zabbix-release-4.

2020-05-14 19:59:50 789

原创 python建立windows文件夹和文件

import os# 新建文件夹os.system('mkdir .pathname')# 注意目录名前有个.os.makedirs('path') #多层创建目录os.mkdir('path') #创建单层目录# 新建文件os.system('type NUL > a.txt')#仅限windows平台file=open(filename, "w") file.close()#通用...

2020-05-14 00:07:33 2424

原创 python调用cmd、shell

python调用linux shell和windows cmd的方式基本相同,整理了以下几种方法:方式一:os模块的system方法system方法将输入参数转化为命令在计算机上运行,其在执行过程中会开启一个子进程在系统上执行命令。需要注意的几点:父进程的环境变量会默认传递到子进程中子进程无法影响父进程中的环境变量使用system方法,子进程的某些操作无法影响主进程,例如执行os.system(‘cd …’)后主进程工作目录并不会发生改变。os.system()调用系统命令,返

2020-05-13 23:51:07 834

原创 shell if参数

shell if判断参数参数示例用途-aif[ -a /bin ]、if[-a /bin/ls ]判断是否为存在的文件或目录,是为True-bif[ -b /dev/vda ]判断是否为存在的块文件,是为True-cif [ -c /dev/zero ]判断是否为存在的字符文件,是为True-dif[ -d /bin ]判断是否为存在的目录,是为True-eif[ -e /bin ]、if[-e /bin/ls ]同-a-fif[

2020-05-12 20:39:30 502

原创 shell if参数-v

先说结论:if参数-v可用于判断变量是否存在,即该变量是否已定义示例代码如下#!bin/bash# targs=0# runsim=''if [ -v targs ]; then if [ -v runsim ]; then echo "Layer ONE" fi echo "Layer TWO"fiecho "Layer Three"直接运行结果为Layer Three将第二行注释去除后,即定义变量targs=0,在此运行该脚本,结果如下Laye

2020-05-12 18:58:20 1970

原创 python、anaconda国内镜像源

一、python镜像源sourceurl清华https://pypi.tuna.tsinghua.edu.cn/simple中国科技大学https://pypi.mirrors.ustc.edu.cn/simple/阿里云http://mirrors.aliyun.com/pypi/simple/豆瓣http://pypi.douban.com/simple/使用示例:临时使用: pip3 install -i https://pypi.tuna.ts

2020-05-11 14:16:37 6435

原创 docker基础应用:入门命令集锦

1.查看Docker基本信息# 版本docker version# docker系统信息docker info2.docker containerdocker container 指令可省去container# 连接到容器,不建议使用原因如下# 1.使用attach访问容器,退出时会使容器退出运行# 2.多个终端同时使用attach实际上是镜像的docker containe...

2020-04-22 20:07:23 133

原创 ansible安装及基础应用

源码包安装# 下载安装git clone git://github.com/ansible/ansible.git --recursive# 依赖pip install paramiko PyYAML Jinja2 httplib2 sixcd ./ansiblesource ./hacking/env-setup# 如果开启了selinux,需要安装libselinux-pytho...

2020-04-22 15:31:31 254

原创 python3.6.8、CentOS8环境下找不到tkinter模块

使用matplotlab时提示找不到tkinter包,而一般情况下tkinter是内置在python里的,不过在linux环境下自带的python好像没有内置这个包。# Centos环境下yum install python3-tkinter安装后:...

2020-04-13 18:01:16 1025 1

原创 CentOS下puppet安装

1.yum方式第一步:安装Ruby依赖#!/bin/bashsudo yum -y install ruby ruby-libs第二步:去Yum源官方地址http://yum.puppetlabs.com下载所需的rpm包#!/bin/bashsudo rpm -Uvh http://yum.puppetlabs.com/puppet-release-el-8.noarch.rpm...

2020-03-25 11:30:09 242

原创 yum安装puppet出现-bash: puppet: command not found

很神奇,通过yum安装的包第一次出现这种问题在Centos、redhat和fedora系列里yum一直是很好用的包管理器(虽然现在已经逐渐被更优秀的DNF包管理器取代)yum安装的包一般不需要单独去配置环境变量,它会将sh脚本放在类似于/bin、/sbin、/usr/sbin、/usr/bin这样的目录下,但puppet是个例外?一开始我以为puppet命令已经被取代为其他命令了(毕竟有pup...

2020-03-24 22:59:04 391

原创 联想笔记本无法切换独显、强行切换提示核芯显卡不兼容

联想双显卡轻薄本无法选择全局独显的的原因先说结论联想笔记本现在都有Fn+Q的功能,然而对于轻薄本,在安静模式下默认使用全局集显,且不可更改 (Nvida控制面板显卡选择界面变灰色,无法选择。如果强行重置并更改为高性能Nvida显卡,应用后会小字提示核芯显卡不兼容,并恢复到修改前的状态。) 总之处于安静模式的联想轻薄本是无法应用全局独显的。不过在平衡或高性能模式下可以随意修改,但是 !!!!!!...

2020-03-22 23:27:21 3626

原创 ERROR 1045 (28000): Access denied for user 'root'@'localhost'解决办法

新安装MariaDB无法登入(Access denied for user ‘root’@‘localhost’)错误提示:ERROR 1045 (28000): Access denied for user ‘root’@‘localhost’报错环境:CentOS8解决方案:第一步:关闭MariaDB服务systemctl stop mariadb第二步:后台使用mysql_sa...

2020-03-22 19:15:28 1137

基于网络安全的车辆指纹识别进入与启动系统方案

汽车的生物识别技术日新月异发展,指纹识别是一种低成本的生物识别技术,可以广泛应用于汽车。本文提出基于整车网络安全需求的车辆指纹识别进入与启动系统。阐述基于超声波指纹识别技术进行车辆用户的指纹录入和识别认证,基于车辆网络安全的加密要求,进行指纹特征的录入对比和认证,并且通过AES128的加密算法进行认证结果的传输和整车应用。

2020-06-21

Hadoop平台的MapReduce模型性能优化研究

本文首先介绍了Hadoop平台的背景,包括它在技术背景上的产生与发展,在应用背景上的应用与前景。之后对 Hadoop的关键技术 HDFS、MapReduce和Scheduler进行研究分析。在此研究基础之上,本文指出MapReduce应用可在程序、参数和系统三个层面进行优化。程序和参数两个层面实现优化的可选项很多,本文在第三章对此作了详细阐述。 Hadoop在管理资源中将内存和CPU两种计算资源捆绑在一起,然后再根据任务类型分为Map Slot和Reduce Slot两种资源模型。这种管理机制实现简单,但是存在资源囤积现象,降低了资源利用率。

2020-06-21

手机APP控制的智能视频小车系统设计

本文介绍了手机遥控的智能视频小车系统的设计,对系统软硬件部分的设计进行了详细的阐述,再对整个小车系统进行综合调试后,实现了通过手机APP控制小车运行,同时能在手机上看到小车拍摄的画面。

2020-06-21

Deep Reinforcement Learning with Double Q-learning论文分享.pdf

The popular Q-learning algorithm is known to overestimate action values under certain conditions. It was not previously known whether, in practice, such overestimations are common, whether they harm performance, and whether they can generally be prevented. In this paper, we answer all these questions affirmatively. In particular, we first show that the recent DQN algorithm, which combines Q-learning with a deep neural network, suffers from substantial overestimations in some games in the Atari 2600 domain. We then show that the idea behind the Double Q-learning algorithm, which was introduced in a tabular setting, can be generalized to work with large-scale function approximation. We propose a specific adaptation to the DQN algorithm and show that the resulting algorithm not only reduces the observed overestimations, as hypothesized, but that this also leads to much better performance on several games.

2020-05-16

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除