CloudOS harbor组件卸载步骤知 戴丽丽 2021-09-18 发表 CloudOS harbor组件卸载步骤 问题描述 在某些场景下,harbor组件存储卷更换或harbor组件安装报错,需要卸载重新部署。 解决方法 1、helm ls -a 2、helm delete xxxxx -purge(xxx是第一列那个名字) [root@grg-cloudos-01 ~]# helm delete default-cloudos-harbor0 码力 | 3 页 | 33.32 KB | 1 年前3
《TensorFlow 2项目进阶实战》5-商品识别篇:使用ResNet识别你的货架商品商品识别篇:使用 ResNet 识别你的货架商品 扫码试看/订阅 《 TensorFlow 2项目进阶实战》视频课程 • 基础:图像分类问题定义与说明 • 基础:越来越深的图像分类网络 • 应⽤用:检测SKU抠图与分类标注流程 • 应⽤用:分类训练集与验证集划分 • 应⽤用:使⽤用TensorFlow 2训练ResNet • 应⽤用:使用ResNet识别货架商品 • 扩展:图像分类常用数据集综述 扩展:图像分类常用数据集综述 • 扩展:图像分类更多应⽤用场景介绍 目录 基础:图像分类问题定义与说明 图像分类问题 语义级分类 细粒度分类 图像分类问题 实例级分类 识别问题 图像分类问题 实例级分类 识别问题 图像分类问题 图像分类评估:Top-1 / Top-5 准确率 图像分类评估:混淆矩阵 图像分类评估:ROC 曲线 基础:越来越深的图像分类网络 历年 SOTA 模型对比 “Hello TensorFlow” Try it! 应⽤用:使⽤用 TensorFlow 2 训练 ResNet “Hello TensorFlow” Try it! 应⽤用:使用ResNet识别货架商品 “Hello TensorFlow” Try it! 扩展:图像分类常用数据集综述 https://github.com/zalandoresearch/fashion-mnist http://yann0 码力 | 58 页 | 23.92 MB | 1 年前3
OpenShift Dedicated 4 附加组件服务OpenShift Dedicated 4 附加组件服务 在 OpenShift Dedicated 集群中添加服务 Last Updated: 2024-02-15 OpenShift Dedicated 4 附加组件服务 在 OpenShift Dedicated 集群中添加服务 法律通告 法律通告 Copyright © 2024 Red Hat, Inc. The text 控制台在集群中添加服 控制台在集群中添加服务 务 1.1. 在集群中添加附加组件服务 1.2. 访问集群中安装的附加组件服务 1.3. 使用 RED HAT OPENSHIFT CLUSTER MANAGER 删除附加组件服务 第 第 2 章 章 适用于 适用于 OPENSHIFT DEDICATED 的附加 的附加组 组件服 件服务 务 2.1. RED HAT OPENSHIFT API MANAGEMENT Dedicated 4 附加 附加组 组件服 件服务 务 2 第 1 章 使用 RED HAT OPENSHIFT CLUSTER MANAGER 控制台 在集群中添加服务 您可以使用 Red Hat OpenShift Cluster Manager 为 OpenShift Dedicated 集群添加、访问和删除附加服 务。 1.1. 在集群中添加附加组件服务 您可以使用 Red Hat0 码力 | 9 页 | 100.47 KB | 1 年前3
Istio控制平面组件原理解析Istio控制平面组件原理解析 朱经惠 2018.08.25 Service Mesh Meetup #3 深圳站关于我 • 朱经惠,ETC车宝平台工程师。 • 喜欢开源,个人开源项目”Jaeger PHP Client”。 • 喜欢研究源码,对NSQ,Jaeger,Istio(控制平面)等go语言开源项目进行 过研究。 • 除了代码还喜欢爬山和第二天睡醒后全身酸疼的感觉。目录Pil0 码力 | 30 页 | 9.28 MB | 6 月前3
《TensorFlow 快速入门与实战》7-实战TensorFlow人脸识别0 码力 | 81 页 | 12.64 MB | 1 年前3
Red Hat OpenShift Service on AWS 4 附加组件服务Red Hat OpenShift Service on AWS 4 附加组件服务 为 Red Hat OpenShift Service on AWS 集群添加服务 Last Updated: 2024-02-15 Red Hat OpenShift Service on AWS 4 附加组件服务 为 Red Hat OpenShift Service on AWS 集群添加服务 法律通告 CLUSTER MANAGER 控制台在集群中添加服 控制台在集群中添加服务 务 1.1. 先决条件 1.2. 在集群中添加附加组件服务 1.3. 访问集群中安装的附加组件服务 1.4. 使用 RED HAT OPENSHIFT CLUSTER MANAGER 删除附加组件服务 1.5. 其他资源 第 第 2 章 章 可用的 可用的 RED HAT OPENSHIFT SERVICE ON AWS OPENSHIFT DATA SCIENCE 3 3 3 3 4 4 5 5 5 5 目 目录 录 1 Red Hat OpenShift Service on AWS 4 附加 附加组 组件服 件服务 务 2 第 1 章 使用 RED HAT OPENSHIFT CLUSTER MANAGER 控制台 在集群中添加服务 您可以使用 Red Hat OpenShift Cluster0 码力 | 10 页 | 118.86 KB | 1 年前3
机器学习课程-温州大学-10深度学习-人脸识别与风格迁移1 2023年04月 深度学习-人脸识别和风格迁移 黄海广 副教授 2 01 人脸识别概述 02 神经风格迁移 本章目录 3 01 人脸识别概述 1.人脸识别概述 02 神经风格迁移 4 1.人脸识别概述 人脸验证(face verification) 人脸识别(face recognition) • 有一个K个人的人脸数据库 • 获取输入图像 Clustering) 在数据库中对人脸进行聚类, 直接K-Means即可。 5 1.人脸识别概述 人脸检测的步骤 • 人脸定位 确定是否存在人脸,人脸存在的位置、范围等 • 人脸对齐 把众多人脸图像转换到一个统一角度和姿势 • 确定关键点 关键点包括:眼角、鼻尖、嘴角等 6 1.人脸识别概述 人脸检测常用算法(深度学习框架) • MTCNN算法 • HR • Face r-CNN r-CNN • PyramidBox • FaceNet 7 1.人脸识别概述 One-Shot学习 在一次学习问题中,只能通过一个样本进行学习,以能够认 出同一个人。大多数人脸识别系统都需要解决这个问题。 系统需要做的就是,仅仅通过一张已有的照片,来识别前面 这个人确实是她。相反,如果机器看到一个不在数据库里的 人所示),机器应该能分辨出她不是数据库中四个人之一。 ?(??0 码力 | 34 页 | 2.49 MB | 1 年前3
《TensorFlow 快速入门与实战》6-实战TensorFlow验证码识别第六部分 实战 TensorFlow 验证码识别 扫描二维码 试看/购买《TensorFlow 快速入门与实战》视频课程 • 准备模型开发环境 • 生成验证码数据集 • 输入与输出数据处理 • 模型结构设计 • 模型损失函数设计 • 模型训练过程分析 • 模型部署与效果演示 第六部分 目录 准备模型开发环境 第三方依赖包 数据集生成 • Pillow • captcha 出问题的用户就可以被认为是人类。 一种常用的CAPTCHA测试是让用户输入一个扭曲变形的图片上所显示的文字或数字,扭 曲变形是为了避免被光学字符识别(OCR, Optical Character Recognition)之类的计算机程 序自动识别出图片上的文数字而失去效果。由于这个测试是由计算机来考人类,而不是 标准图灵测试中那样由人类来考计算机,人们有时称CAPTCHA是一种反向图灵测试。 EZ-Gimpy,PayPal使用的验证码,LiveJournal、 phpBB使用的验证码,很多金融机构(主要是银行)使用的网银验证码以及很多其他网站 使用的验证码。 俄罗斯的一个黑客组织使用一个自动识别软件在2006年破解了Yahoo的CAPTCHA。准确 率大概是15%,但是攻击者可以每天尝试10万次,相对来说成本很低。而在2008年, Google的CAPTCHA也被俄罗斯黑客所破解。攻击者使用两台不同的计算机来调整破解进0 码力 | 51 页 | 2.73 MB | 1 年前3
《TensorFlow 快速入门与实战》5-实战TensorFlow手写体数字识别第五部分 实战 TensorFlow 手写体数字识别 扫描二维码 试看/购买《TensorFlow 快速入门与实战》视频课程 • 手写体数字 MNIST 数据集介绍 • MNIST Softmax 网络介绍 • 实战 MNIST Softmax 网络 • MNIST CNN 网络介绍 • 实战 MNIST CNN 网络 第五部分 目录 手写体数字 MNIST 数据集介绍 MNIST 法真正流行起来,并带来了神经网络在80年代的辉煌。 计算梯度 MNIST Softmax 网络 将表示手写体数字的形如 [784] 的一维向量作为输入;中间定义2层 512 个神经元的隐藏层,具 备一定模型复杂度,足以识别手写体数字;最后定义1层10个神经元的全联接层,用于输出10 个不同类别的“概率”。 实战 MNIST Softmax 网络 MNIST Softmax 网络层 “Hello TensorFlow”0 码力 | 38 页 | 1.82 MB | 1 年前3
OpenShift Container Platform 4.14 分布式追踪OpenShift distributed tracing 平台来监控、网络性能分析,并对现代、云原生的微服务应用程 序中组件间的交互进行故障排除。 使用分布式追踪平台,您可以执行以下功能: 监控分布式事务 优化性能和延迟时间 执行根原因分析 分布式追踪平台由三个组件组成: Red Hat OpenShift distributed tracing Platform (Jaeger),它基于开源 重要 Jaeger 不使用经 FIPS 验证的加密模块。 1.1.2. Red Hat OpenShift distributed tracing Platform 3.0 中的组件版本 Operator 组 组件 件 Version Red Hat OpenShift distributed tracing Platform (Jaeger) Jaeger 1.51.0 Red Hat distributed tracing 3.0 中,Jaeger 和 Elasticsearch 已被弃用,并计划在以后的发 行版本中删除。红帽将在当前发行生命周期中对这些组件提供关键及以上的 CVE 程序错误修复和支持, 但这些组件将不再获得功能增强。 第 第 1 章 章 分布式追踪 分布式追踪发 发行注 行注记 记 3 在 Red Hat OpenShift distributed tracing0 码力 | 100 页 | 928.24 KB | 1 年前3
共 208 条
- 1
- 2
- 3
- 4
- 5
- 6
- 21













