Hugh

门泊东吴万里船

0%

Posted on Edited on In

  1. 列出镜像
    docker images

  2. 查看镜像
    docker inspect

  3. 删除镜像
    docker rmi

  4. 查找镜像
    docker search

  5. 拉去镜像
    docker pull

  6. 推送镜像
    docker push

例子docker push qlassroom_ai_dev

  1. 构建镜像
    docker commit

利用dockerfile 构建镜像
docker build

  1. dockerfile 构建镜像

  2. docker tag 规范镜像名字
    docker tag qlassroom_ai_dev:latest 872204778/qlassroom_dev:v1
    qlassroom_ai_dev 为原镜像名称
    latest: 为原镜像标签

872204778： 用户名
qlassroom_dev：新镜像名
v1:新标签

Posted on Edited on In

肖申克的救赎
2020-02-10，大约是23:30 我看完了肖申克的救赎，总共用了两天时间，分三段看完的。
看这部电影的初衷就是想看看评分如此之高，备受好评的电影是怎么做到的。经典为何为经典。
看的过程中并没有全身心的投入去看，因为像这种偏文艺的电影，我现在还不能做到心无旁骛的陶醉其中，然而虽然看的时候有点懈怠，但是经典的电影还是在不经意间引起我的深思。
首先是主人公作为Andy作为一个在社会上有头有脸的人物，却沦为阶下囚，并受到了些凌辱。这样我想到，适应环境，利用规则，才是生存或者更好生活的的法则。狱警可以肆无忌惮的对囚徒进行殴打，因为在这个小小的“王国”下，他们就是规则的制定者。他们可以毫无理由的分配给囚徒各种工作，即使很地下的工作，在囚徒看来都可能是一种荣幸。

其次是知识的作用，Andy有知识，他利用他的知识能力在狱中可以得到与其他囚徒不一样的待遇，同时他又利用他的知识能力来教化其他狱友。从某点上来考虑，这个情节很激励人心，教化自己普渡他人，这是一个自带光芒的人啊，然而转念一想，这情节有些突兀。在一个没有自由，或者说是在一个狭小的几乎会永远生活在这没有“文明”的地方，真的会有人崇尚知识吗。这就好比生活在三维世界的人，可能只是四维生物的打工仔，我们所谓的知识，只是四维生物赏赐给我们的低级的趣味。

Brooks从监狱里出来之后，选择了自杀，因为他很难再适应外面世界的规则。

以后再看一次

下面为阅读的影评
肖申克的救赎与信念，自由，友谊有关。

【信念】

Red说，希望是危险的东西，是精神苦闷的根源。重重挤压下的牢狱里待了三十年的他的确有资格这么说。因为从进来的那一天起，狱长就说过「把灵魂交给上帝，把身体交给我」。 他除了能弄来香烟和印着裸女的扑克牌，其他任何异动在这个黑暗的高墙之内似乎都无法生长。

然而，Andy却告诉他，「记住，希望是好事——甚至也许是人间至善而美好的事永不消失」。

所以Andy能够用二十年挖开瑞德认为六百年都无法凿穿隧洞。当Andy终于排除五百码恶臭的污水管道，站在瓢泼大雨中情不自禁的时候，我们仿佛看到信念刺穿重重黑幕，在暗夜中打了一道夺目的霹雳。亮光之下，我们怯懦的灵魂在Andy张开的双臂下现行，并且颤抖。

庸常生活里的我们，似乎已经习惯了按步就按，习惯了先说「不可能」，习惯了没有奇迹，习惯了习惯了。

我们应该试着留住一些信念，在他们丧失殆尽之前。它们也许最终无法实现，也许无法让我们或者更有意义的活着，甚至对于我们自己而言，它们只会愈加给我们带来更多的虚无感。然而我知道我有多需要这样的虚伪与自欺，因为你可以说我在做梦，但我不会是仅有的一个。

【自由】

我到今天也不明白，那两个意大利的女人在唱什么。事实上，我也不想去明白。有些东西不说更好。我想那是非笔墨可形容的美貌，然而却令你如此心伤。

那声音飞扬，高远入云，超过任何在禁锢中的囚犯的梦。仿佛一只美丽的小鸟，飞入这灰色的鸟笼，让那些围墙消失，另铁窗中的所有犯人，感到一刻的自由。

当Andy不顾一切的在监狱的喇叭里放《费加罗的婚礼》时。正在广场上防风的囚徒们和那些狱警，它们静立当地，抛却所有愤懑，狠毒，怨恨，沐浴着从未觉得如此自由的阳光。莫扎特的乐声铺洒在这些人的身上，来自俗世的美妙音符似乎将他们都濯洗的纯净无比。

强者自救，圣者渡人。 修屋顶的时候，Andy为大家争取来啤酒，事实上是为大家争取到的那种像修缮自家的屋顶一般自由的存在，所以他不喝酒，微笑却带着巨大的幸福。播放《费加罗的婚礼》也是要唤醒它们已经丧失殆尽的自由感。

然而强者终究是少数。自由面前，更多人选择禁锢。在监狱图书馆待了五十年的Brooks，为了不被假释，竟然想通过伤害狱友来达到留在监狱的目的。自由本就是人们向往和追求的东西。可是Brooks却早已在监狱的规则下规则了自己，没有规则，他无法生存。

「监狱的高墙是在是很有趣。刚入狱时，你痛恨周围的高墙；慢慢的，你习惯生活在其中，最终你会发现自己不得不依靠它来生存。这就是体制化」假Red之口，斯蒂芬金直指卑微

Brooks得到了身体的自由，灵魂却早已经无法挽回的体制化。他终于没有能摆脱对自由无法适应的困境，悬梁自尽。而睿智如瑞德，在出狱之后也悲哀的发现，自己竟然连撒尿都要向经理报告，否则一滴都挤不出来。他也考虑如何违规以便回到监狱，甚至考虑与Brooks一样离开。

要么忙着生活，要么忙着等死。步履匆匆的人们也许应该偶尔驻足，跳出来看看自己的模样。我们终会知道，习惯与服从规则的人们将付出巨大的代价来习惯本来属于每一个人的自由

【友谊】

Red和Andy那种置放在高墙之下的友谊，似乎比我们纷繁俗世中的友情来的更加纯粹和干净。他们都是内敛的人，然而洞悉一切，心意切合。他们终于相会在太平洋小岛的阳光沙滩上。

Posted on Edited on In

容器基本操作

  1. 启动容器
    docker run IMAGE [COMMAND] [ARG…]
    例： 启动容器并输出hello world
    docker run ubuntu echo “hello world”

  2. 启动交互式容器
    docker run -i -t IMAGE /bin/bash
    例：
    docker run -i -t ubuntu /bin/bash

  3. 查看容器列表
    docker ps

  4. 查看容器详情
    docker inspect

  5. 重新启动已经停止的容器
    docker start -i

  6. 删除停止的容器
    docker rm cool_sammet

  7. 以守护形式运行容器
    docker run -i -t IMAGE /bin/bash
    CTRL + Q 退出

  8. 再次进入守护形式运行的容器
    docker attach

  9. 使用run 启动守护形式容器
    docker run -d IMAGE [COMMAND] [ARG…]
    例：docker run –name dc1 -d ubuntu /bin/sh -c “while true; do echo hello world; sleep 1; done”

  10. 查看容器日志
    docker logs [-f] [-t] [–tail] 容器名

  11. 查看容器的进程
    docker top 容器名

  12. 在运行容器中启动新的进程
    docker exec [-d][-i][-t] 容器名 [COMMAND][ARG…]
    例：docker exec -i -t dc1 /bin/bash

  13. 停止守护容器
    docker stop 发送信号给容器，等待其停止
    docker kill 直接停止容器

  14. 容器保存为镜像
    docker commit 容器名 镜像名

Posted on Edited on In

keras 是什么

  • 基于python的高级神经网络API
  • 以Tensorflow，CNTK或者Theano为后段运行，keras必须有后端才可以运行
  • 极方便与快速实验，帮助用户以最少的时间验证自己的想法
    Tensorflow-keras是什么
    • Tensorflow对keras API的规范实现
    • 比以Tensorflow为后段的keras，Tensorflow-keras与Tensorflow结合更加紧密
    • 实现在tf.keras空间下

Tf-keras 和 keras的联系

  • 基于同一套API
    • keras程序可以通过导入方式转换为tf.keras程序
    • 反之不成立，因为tf.keras有其他特性
      • 相同的JSON和HDF5模型序列化格式和语义

Tf-keras 和 keras的区别

  • Tf.keras全面支持eager mode
    • 只是用keras.Sequential和keras.Model时没有影响
    • 自动以的Model内部运算逻辑时没有影响
      • Tf低层API可以使用keras的model.fit等抽象
  • Tf.keras支持基于tf.data的模型训练
  • Tf.keras支持TPU训练
  • Tf.keras支持tf.distribution的分布式策略
  • Tf.keras可以与Tensorflow中的estimator集成
  • Tf.keras可以保存为SaveModel