PaddleDTX 1.1.0 中文文档
类,特征值包括: 花瓣长度 (Petal length) 花瓣宽度 (Petal width) 花萼长度 (Sepal length) 花萼宽度 (Sepal width) 鸢尾花的分类问题是二分类逻辑回归的经典案例。我们利用逻辑回归的算法构 建模型,根据鸢尾花的花萼和花瓣大小来区分鸢尾花的品种。 我们从数据集中随机选取了部分数据作为测试集,其余为训练集,训练集为模 型训练使用的样本数据,测试集用来验证我们的模型。 据。在商业应用中,模型训练往往以试验的方式开始,根据评估的指标,不断 优化超参数,最终获取比较理想的超参数。 目前,PaddleDTX实现的模型评估,针对分布式、有监督的机器学习算法,可 应用于任意已经实现的二分类算法、回归算法。如果计算需求方指定执行模型 评估,在正常的训练任务结束后,参与训练的多方节点自动启动模型评估流 程。 评估方式 PaddleDTX提供 3 中评估方式:Random Split、Cross0 码力 | 57 页 | 1.38 MB | 1 年前3PaddleDTX 1.1.0 中文文档
• 花瓣长度 (Petal length) • 花瓣宽度 (Petal width) • 花萼长度 (Sepal length) • 花萼宽度 (Sepal width) 鸢尾花的分类问题是二分类逻辑回归的经典案例。我们利用逻辑回归的算法构建模型,根据鸢尾花的花萼和 花瓣大小来区分鸢尾花的品种。 我们从数据集中随机选取了部分数据作为测试集,其余为训练集,训练集为模型训练使用的样本数据,测试 中,模型训练往往以试验的方式开始,根据评 估的指标,不断优化超参数,最终获取比较理想的超参数。 目前,PaddleDTX 实现的模型评估,针对分布式、有监督的机器学习算法,可应用于任意已经实现的二分类 算法、回归算法。如果计算需求方指定执行模型评估,在正常的训练任务结束后,参与训练的多方节点自动 启动模型评估流程。 10.4.1 评估方式 PaddleDTX 提供 3 中评估方式:Random0 码力 | 65 页 | 687.09 KB | 1 年前3FISCO BCOS 1.3 中文文档
Welcome!\"]\n"} 返回 'Hi,Welcome!'。 说明当前调用的合约就是刚才部署的新合约。 CNS合约重置 update之后, 需要将原来的合约找回, 可以通过reset进行。 首先查找当前合约对应版本有多少update被覆盖的合约。 babel-node cns_manager.js historylist HelloWorld cns_manager.js ........ ColumnFamily> 结构中。接下去就是根据提交的 Key 计算集 群中那个节点应该保存这条数据。这个计算的规则是:将 Key 转化成 Token, 然后在整个集群的 Token 环中根据二分查找算法找到与给定的 Token 最接近的 一个节点。如果用户指定了数据要保存多个备份,那么将会顺序在 Token 环中 返回与备份数相等的节点。这是一个基本的节点列表,后面 Cassandra 会判断 针对于对称加密,Alice需要采用各种方式把密钥k安全的传递给Bob,然后用k 对明文进行加密算法,再将加密后的密文e传递给Bob。Bob收到密文e后用k进 行解密。 如果采用非对称加密。首先Alice需要去公开密钥的管理服务器查找 Bob 的公 钥,然后找到 Bob 公钥对应的加密算法。Alice 在确定这个公钥的正确性之 后,用 Bob 的公钥对文件进行加密,将加密后的数据发送给 Bob。 当 Bob 收到 Alice 发送的加密文件之后,Bob0 码力 | 491 页 | 5.72 MB | 1 年前3PaddleDTX 1.0.0 中文文档
类,特征值包括: 花瓣长度 (Petal length) 花瓣宽度 (Petal width) 花萼长度 (Sepal length) 花萼宽度 (Sepal width) 鸢尾花的分类问题是二分类逻辑回归的经典案例。我们利用逻辑回归的算法构 建模型,根据鸢尾花的花萼和花瓣大小来区分鸢尾花的品种。 我们从数据集中随机选取了部分数据作为测试集,其余为训练集,训练集为模 型训练使用的样本数据,测试集用来验证我们的模型。0 码力 | 53 页 | 1.36 MB | 1 年前3PaddleDTX 1.0.0 中文文档
• 花瓣长度 (Petal length) • 花瓣宽度 (Petal width) • 花萼长度 (Sepal length) • 花萼宽度 (Sepal width) 鸢尾花的分类问题是二分类逻辑回归的经典案例。我们利用逻辑回归的算法构建模型,根据鸢尾花的花萼和 花瓣大小来区分鸢尾花的品种。 我们从数据集中随机选取了部分数据作为测试集,其余为训练集,训练集为模型训练使用的样本数据,测试0 码力 | 57 页 | 624.94 KB | 1 年前3百度超级链 XuperChain 3.7 中文文档
XVM选用的是编译执行模式。 XVM编译加载流程 3.3.1. 字节码编译 用户通过c++编写智能合约,通过emcc编译器生成wasm字节码,xvm加载字节 码,生成加入了指令资源统计的代码以及一些运行时库符号查找的机制,最后 编译成本地指令来运行。 c++合约代码 1 2 3 int add(int a, int b) { return a + b; } 编译后的WASM文本表示 1 的基本工具。它是一种数学算法,将任意大小的数据(通常称为“消息”)映射 到固定大小的二进制串(称之为“散列值”,“散列”或“消息摘要”),并且是单 向的功能,即一种实际上不可逆转的功能。理想情况下,查找生成给定哈希的 消息的唯一方法是尝试对可能的输入进行暴力搜索,以查看它们是否产生匹 配,或使用匹配哈希的彩虹表。 MD5 : 摘要长度为128bit,由于容易受到碰撞攻击,目前使用越来越少。 SHA256 网络有且仅有一个) 这样是为了保证兼容性,如果没有部署这个GroupChain合约,那么行 为和旧版本一致。 <平行链名字,IP> → Address 为什么把IP放在Key中,是为了方便做过滤的时候查找更快,直接 Get。 平行链名字作为前缀,方便列出这条链的所有合法成员节点。 备注:此处IP是代指一个TCP协议定位符,可以是libp2p风格的 URL。 2. 查询特定的链是否具备群组关系0 码力 | 270 页 | 24.86 MB | 1 年前3Hyperledger Fabric 2.5 中文文档
执行期间会跳过列表中的主机。通常通过 -- exclude-hosts/-x 来设置。 1.1 新版功能. fabfile Default: fabfile.py fab 在加载 fabfile 时查找的文件名。要指定特定的 fabfile 文件,需要使用该文 件的完整路径。显然,这个参数不可能在 fabfile 中设置,但可以将它设置在 .fabricrc 文件中,或者通过命令行参数来设置。 参见 ),默认 情况下,它会根据 Python 包的导入机制加载 fabfile -可以是 fabfile/ 也可 以是 fabfile.py 。 根据 fabfile 的搜寻机制,Fabric 会依次查找用户当前目录以及其上层目录,因 此在项目中使用时,可以把 fabfile.py 置于项目的根目录,这样无论进入项 目中的任何目录时,调用 fab 命令都可以找到这个 fabfile 配置。 你要可以在命令行中通过0 码力 | 138 页 | 154.00 KB | 1 年前3百度超级链 XuperChain 3.12-a中文文档
的基本工具。它是一种数学算法,将任意大小的数据(通常称为“消息”)映 射到固定大小的二进制串(称之为“散列值”,“散列”或“消息摘要”),并且 是单向的功能,即一种实际上不可逆转的功能。理想情况下,查找生成给定 哈希的消息的唯一方法是尝试对可能的输入进行暴力搜索,以查看它们是否 产生匹配,或使用匹配哈希的彩虹表。 MD5 : 摘要长度为128bit,由于容易受到碰撞攻击,目前使用越来越少。 SHA256 运行速度很快。 XVM选用的是编译执行模式。 字节码编译 用户通过c++编写智能合约,通过emcc编译器生成wasm字节码,xvm加载字 节码,生成加入了指令资源统计的代码以及一些运行时库符号查找的机制, 最后编译成本地指令来运行。 c++合约代码 1 2 3 int add(int a, int b) { return a + b; } 编译后的WASM文本表示 网络有且仅有一个) 这样是为了保证兼容性,如果没有部署这个GroupChain合约,那么 行为和旧版本一致。 <平行链名字,IP> → Address 为什么把IP放在Key中,是为了方便做过滤的时候查找更快,直接 Get。 平行链名字作为前缀,方便列出这条链的所有合法成员节点。 备注:此处IP是代指一个TCP协议定位符,可以是libp2p风格的 URL。 2. 查询特定的链是否具备群组关系0 码力 | 336 页 | 12.62 MB | 1 年前3百度超级链 XuperChain 3.12-c 中文文档
的基本工具。它是一种数学算法,将任意大小的数据(通常称为“消息”)映 射到固定大小的二进制串(称之为“散列值”,“散列”或“消息摘要”),并且 是单向的功能,即一种实际上不可逆转的功能。理想情况下,查找生成给定 哈希的消息的唯一方法是尝试对可能的输入进行暴力搜索,以查看它们是否 产生匹配,或使用匹配哈希的彩虹表。 MD5 : 摘要长度为128bit,由于容易受到碰撞攻击,目前使用越来越少。 SHA256 运行速度很快。 XVM选用的是编译执行模式。 字节码编译 用户通过c++编写智能合约,通过emcc编译器生成wasm字节码,xvm加载字 节码,生成加入了指令资源统计的代码以及一些运行时库符号查找的机制, 最后编译成本地指令来运行。 c++合约代码 1 2 3 int add(int a, int b) { return a + b; } 编译后的WASM文本表示 网络有且仅有一个) 这样是为了保证兼容性,如果没有部署这个GroupChain合约,那么 行为和旧版本一致。 <平行链名字,IP> → Address 为什么把IP放在Key中,是为了方便做过滤的时候查找更快,直接 Get。 平行链名字作为前缀,方便列出这条链的所有合法成员节点。 备注:此处IP是代指一个TCP协议定位符,可以是libp2p风格的 URL。 2. 查询特定的链是否具备群组关系0 码力 | 336 页 | 12.62 MB | 1 年前3百度超级链 XuperChain 3.12 中文文档
的基本工具。它是一种数学算法,将任意大小的数据(通常称为“消息”)映 射到固定大小的二进制串(称之为“散列值”,“散列”或“消息摘要”),并且 是单向的功能,即一种实际上不可逆转的功能。理想情况下,查找生成给定 哈希的消息的唯一方法是尝试对可能的输入进行暴力搜索,以查看它们是否 产生匹配,或使用匹配哈希的彩虹表。 MD5 : 摘要长度为128bit,由于容易受到碰撞攻击,目前使用越来越少。 SHA256 运行速度很快。 XVM选用的是编译执行模式。 字节码编译 用户通过c++编写智能合约,通过emcc编译器生成wasm字节码,xvm加载字 节码,生成加入了指令资源统计的代码以及一些运行时库符号查找的机制, 最后编译成本地指令来运行。 c++合约代码 1 2 3 int add(int a, int b) { return a + b; } 编译后的WASM文本表示 网络有且仅有一个) 这样是为了保证兼容性,如果没有部署这个GroupChain合约,那么 行为和旧版本一致。 <平行链名字,IP> → Address 为什么把IP放在Key中,是为了方便做过滤的时候查找更快,直接 Get。 平行链名字作为前缀,方便列出这条链的所有合法成员节点。 备注:此处IP是代指一个TCP协议定位符,可以是libp2p风格的 URL。 2. 查询特定的链是否具备群组关系0 码力 | 336 页 | 12.62 MB | 1 年前3
共 48 条
- 1
- 2
- 3
- 4
- 5