通过docker封装node项目 项目架构 项目根目录创建Dockfile 12345678910111213141516171819# 使用官方 Node.js 镜像作为基础镜像FROM node:18# 设置工作目录WORKDIR /app# 复制 package.json 和 package-lock.json 并安装依赖COPY package.json package-lock.js

Docker快速入门1. 使用镜像 拉取镜像 1docker pull image 镜像默认保存在 /var/lib/docker/overlay2 运行镜像 以上面的 ubuntu:18.04 为例，如果我们打算启动里面的 bash 并且进行交互式操作的话，可以执行下面的命令。 1docker run -it --rm ubuntu:18.04 bash 通过 exit 退出这个容器

1. 桥接模式桥接模式下的虚拟机使用的网卡就是宿主机的物理网卡，该虚拟机下的ip地址的网段要和宿主机相同 2. NAT模式NAT模式下，虚拟机的网段和宿主机不同，通过虚拟网卡链接宿主机的物理网卡 图解： 注意事项： 同一网段的设备能相互通信，如虚拟机A、物理机A、物理机B之间可以相互ping通 下一级的网段能够访问上一级的网段，如虚拟机B能够向上访问虚拟机A、物理机A、物理机B，反之，则只有物

1. ip地址和子网掩码ip地址：用于标识网络中的不同设备，包括网段号和主机号两部分 子网掩码：用于划分ip地址中的网段号和主机号, 也可以直接指定网段号的位数 2. 网关什么时候需要网关？ 不同网段之间的设备的通信需要网关，网关是软件层面的路由器 在windows中测试访问某个ip需要经过哪些网关 1tracert -d <ip地址>

在hexo文件夹中打开git bash 创建文章 1hexo n 'title' 编辑文章 发布 1hexo d -g

docker无法拉取远程镜像解决方案 操作系统：wsl2 Ubuntu-20.04 docker版本： 27.3.1 问题描述： 尝试拉取nginx镜像失败 解决方案：解决方案 修改/etc/docker/daemon.json 重启docker 12sudo systemctl daemon-reloadsudo systemctl restart docker 拉取成功

Transformer1. seq2seq模型seq2seq模型是一种用于将一个序列转换为另一个序列的深度学习架构。这种模型最常用于需要输入和输出都是可变长度序列的任务，比如机器翻译、文本生成和语音识别。 2. encode输入一组向量，输出一组向量 encode的内部结构 每个block包括一个自注意力层和全连接神经网络层 但是transformer的encode做了一些额外的操作： res

Self-Attention1. 输入是向量的集合 文本处理，每个字由一个向量表示 语音处理，每段语音由一个向量表示 等 2. 输出label数量 每个输入对应一个输出：如词性分析 若干个输入对应一个输出：如句子的褒贬分析 由机器决定输出label数量 3. self-attention 在文本处理中，对一个词的分析往往需要考虑其上下文，甚至某些词需要考虑整个段落，self-attention

机器学习1. 什么是机器学习1.1 概括让机器具备找一个函数的能力，给机器一个输入，机器能够得到一个输出 这种函数极为复杂， 需要借助机器实现 1.2 种类 regression 回归 classification 分类 strctured learning 创造 1.3 如何实现函数以预测youtube的视频观看人数为例 定义一个带有未知参数的函数，根据直观经验进行假设 损失函数（