Python Imaging Library 为Python解释器提供了图像处理的功能。 这个库提供了广泛的文件格式支持、高效的内部表示以及相当强大的图像处理功能。 这个图像处理库的核心被设计成为能够快速访问以几种基本像素类型表示的图像数据。它为通用图像处理工具提供了一个坚实基础。

Linux双网卡绑定注意事项：首先确认要绑定的是哪2个网口，避免绑定时绑错网口。说明：这里以绑定eth0eth12个网口为例。（以客户要求为准）配置文件都在/etc/sysconfig/network-scripts/目录下。

Software Requirements Specification(软件需求规范).In this template you will find text bounded by the “<>” symbols. This text appears in italics and is intended to guide you through the template and provide explanations regarding the different sections in this document. There are two types of comments in this document. These comments that are in black are intended specifically for that course. These comments that are in blue are more general and apply to any SRS. Please, make sure to delete all of the comments before submitting the document.

什么是交叉表首先你要知道什么是交叉表，又是在什么情况下需要用交叉表。“交叉表”对象是一个网格，用来根据指定的条件返回值。数据显示在压缩行和列中。这种格式易于比较数据并辨别其趋势。

Apache Mina Server是一个网络通信应用框架，也就是说，它主要是对基于TCP/IP、UDP/IP协议栈的通信框架（当然，也可以提供JAVA对象的序列化服务、虚拟机管道通信服务等），Mina可以帮助我们快速开发高性能、高扩展性的网络通信应用，Mina提供了事件驱动、异步（Mina的异步IO默认使用的是JAVANIO作为底层支持）操作的编程模型。Mina主要有1.x和2.x两个分支，这里我们讲解最新版本2.0，如果你使用的是Mina1.x，那么可能会有一些功能并不适用。学习本文档，需要你已掌握JAVAIO、JAVANIO、JAVASocket、JAVA线程及并发库(java.util.concurrent.*)的知识。Mina同时提供了网络通信的Server端、Client端的封装，无论是哪端，Mina在整个网通通信结构中都处于如下的位置：可见Mina的API将真正的网络通信与我们的应用程序隔离开来，你只需要关心你要发送、接收的数据以及你的业务逻辑即可。

1.下载maven，解压到D盘maven文件夹下，即D:\maven\apache-maven-3.0.4。 2.在D:\maven目录下新建repository文件夹，即D:\maven\repository。 3.下载tomcat6，解压到D盘tomcat目录下，即D:\tomcat\apache-tomcat-6.0.35。

一：下载所需软件(1)VMwareserver：需要注册，注册完成后可以免费获得序列号，不建议使用VMwareworkstation，因为不支持共享存储。


Oracle安装会自动的生成sys用户和system用户:sys用户是超级用户，具有最高权限，具有sysdba角色，有createdatabase的权限，该用户默认的密码是change_on_installsystem用户是管理操作员，权限也很大。具有sysoper角色，没有createdatabase的权限，默认的密码是manager一般讲，对数据库维护，使用system用户登录就可以拉也就是说sys和system这两个用户最大的区别是在于有没有createdatabase的权限。

Hbase编程学习笔记概述HBase–HadoopDatabase，是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBase技术可在廉价PCServer上搭建起大规模结构化存储集群。HBase是GoogleBigtable的开源实现，类似GoogleBigtable利用GFS作为其文件存储系统，HBase利用HadoopHDFS作为其文件存储系统；Google运行MapReduce来处理Bigtable中的海量数据，HBase同样利用Hadoop MapReduce来处理HBase中的海量数据；GoogleBigtable利用Chubby作为协同服务，HBase利用Zookeeper作为对应。

Storm的开发环境Storm的开发环境，就是满足Storm开发所需要的硬件与软件环境。Storm开发环境的硬件环境，只需要1台普通的PC主机，就可以满足。Storm开发环境所必需的软件，如表11.1所示，主要有JDK、Maven和Eclipse这3款软件。

环境：三台虚拟机，系统是CentOS6.5 

本文由DMLC分布式深度机器学习开源项目（中文名深盟）开发者联合撰写，介绍DMLC已有的xgboost、cxxnet、Minerva、ParameterServer和Rabit等组件主要解决的问题、实现方式及其性能表现，并简要说明项目的近期规划。【编者按】算法速度、系统性能以及易用性的瓶颈，制约着目前机器学习的普及应用，DMLC分布式深度机器学习开源项目（中文名深盟）的诞生，正是要降低分布式机器学习的门槛。本文由深盟项目开发者联合撰写，将深入介绍深盟项目当前已有的xgboost、cxxnet、Minerva、ParameterServer和Rabit等组件主要解决的问题、实现方式及其性能表现，并简要说明项目的近期规划。

io是一个独立的模块； layer是神经网络层的实现，并且定义了前向和后向的propagation； updater是参数上传模型，它定义了权制上传规则； nnet将神经网络层结合在一起，组建成一个神经网络； io是一个用于读入各类数据和预处理的输入模型。

命令历史以:和/开头的命令都有历史纪录，可以首先键入:或/然后按上下箭头来选择某个历史命令。

Linux网络编程入门(一)Linux网络编程--网络知识介绍Linux网络编程--网络知识介绍客户端和服务端网络程序和普通的程序有一个最大的区别是网络程序是由两个部分组成的--客户端和服务器端.客户端在网络程序中，如果一个程序主动和外面的程序通信，那么我们把这个程序称为客户端程序。比如我们使用ftp程序从另外一个地方获取文件的时候，是我们的ftp程序主动同外面进行通信（获取文件），所以这个地方我们的ftp程序就是客户端程序。服务端和客户端相对应的程序即为服务端程序。被动的等待外面的程序来和自己通讯的程序称为服务端程序。比如上面的文件获取中，另外一个地方的程序就是服务端，我们从服务端获取文件过来。

一、Redis和Keepalived安装备注：在同一局域网内部署当masterdown了，backup接管了，master再次起来，不能再成为master。否则master恢复了再接管的话，会造成业务来回切换，这时候就需要nopreempt参数了。在keepalived+redis的使用过程中有四种情况：1一种是keepalived挂了，同时redis也挂了，这样的话直接VIP飘走之后，是不需要进行redis数据同步的，因为redis挂了，你也无法去master上同步，不过会损失已经写在master上却还没同步到slave上面的这部分数据。

为什么选择JDBC主备方式？<br> 1、 共享文件主备方式（Shared File System Master Slave）：共享文件服务器挂了后activemq就会直接挂掉。<br> 2、 LevelDB主备方式（Replicated LevelDB Store）：使用zookeeper选择主备速度快，但存在一个风险就是异步消息情况下主从切换了消息会丢失。（Unexpected results will occur if you use Delay and Schedule Message Delivery with the replicated leveldb store since that data will be not be there when the master fails over to a slave.） 3、 JDBC主备方式：<br> a) 主从切换时间在2s内。 b) activemq通过锁Oracle表的方式来获取主的状态，Oracle集群的高可用性也为activemq的主备的高可用性提供了基础。

ReplicaSet（副本集集群）  中文翻译叫做副本集，不过我并不喜欢把英文翻译成中文，总是感觉怪怪的。其实简单来说就是集群当中包含了多份数据，保证主节点挂掉了，备节点能继续提供数据服务，提供的前提就是数据需要和主节点一致。

2015/08/06 新版caffe-windows上线了，由于vs2012编译速度太慢，从这个版本开始，不再对vs2012提供支持。 最主要的更新就是CuDNN升级至v3版，此外我还用了一种不太好看的方式生成了caffe主程序的静态库，这样就不用重复编译好几次了，如果你知道更好的生成静态库的方式

1. net.blobs.items() 存储了预测图片的网络中各层的feature map的数据。 2. net.params.items()存储了训练结束后学习好的网络参数。 3. vis_square函数视觉化data，主要是进行数据归一化，data转换为plt可视化的square结构。