最近在学习李沐老师的深度学习的课程，在安装d2l时，pipinstalld2l==0.17.6遇到了问题：ERROR:Couldnotbuildwheelsforpandas,whichisrequiredtoinstallpyproject.toml-basedprojects由于我忘记截错误的图了，在论坛里找了别人的错误截图贴过来：网上找了好多办法，有说3.10降到3.9，有说conda删掉d2l重装的，有说网上下载pandas编译好的wheel直接替换的。尝试了都无法解决。不过最后一个方法给了我灵感，既然pip是下载到本地后进行编译，那我应该可以下载编译好的产物或者源文件，直接安装？我查
已解决（flask服务器启动报错）WARNING:Thisisadevelopmentserver.Donotuseitinaproductiondeployment.UseaproductionWSGIserverinstead.文章目录报错代码报错翻译报错原因解决方法千人全栈VIP答疑群联系博主帮忙解决报错报错代码粉丝群里面的一个小伙伴想用flask搭建一个服务器，但是发生了报错（当时他心里瞬间凉了一大截，跑来找我求助，然后顺利帮助他解决了，顺便记录一下希望可以帮助到更多遇到这个bug不会解决的小伙伴），报错代码如下：：fromflaskimportFlaskapp=Flask(__nam
已解决（flask服务器启动报错）WARNING:Thisisadevelopmentserver.Donotuseitinaproductiondeployment.UseaproductionWSGIserverinstead.文章目录报错代码报错翻译报错原因解决方法千人全栈VIP答疑群联系博主帮忙解决报错报错代码粉丝群里面的一个小伙伴想用flask搭建一个服务器，但是发生了报错（当时他心里瞬间凉了一大截，跑来找我求助，然后顺利帮助他解决了，顺便记录一下希望可以帮助到更多遇到这个bug不会解决的小伙伴），报错代码如下：：fromflaskimportFlaskapp=Flask(__nam
Project2最后一篇，讲解B+树并发控制的实现。说实话一开始博主以为这块内容不会很难（毕竟有Project1一把大锁摆烂秒过的历史x），但实现起来才发现不用一把大锁真的极其痛苦，折腾了一周多才弄完。本文分基础版算法和改进版算法两部分，基础版算法部分我就只讲实现的一些要素，改进版算法再放重要代码，避免两个版本的代码引起混乱。由于加了并发控制后代码改变的位置比较多，我这里贴的截图不能覆盖到所有，如果需要源码可以评论区或私信联系。开始之前先推荐知乎上的两篇文章，写得都非常好，而且有带图的例子方便理解。CMU15445-2022P2B+TreeConcurrentControl做个数据库：2022
Project2最后一篇，讲解B+树并发控制的实现。说实话一开始博主以为这块内容不会很难（毕竟有Project1一把大锁摆烂秒过的历史x），但实现起来才发现不用一把大锁真的极其痛苦，折腾了一周多才弄完。本文分基础版算法和改进版算法两部分，基础版算法部分我就只讲实现的一些要素，改进版算法再放重要代码，避免两个版本的代码引起混乱。由于加了并发控制后代码改变的位置比较多，我这里贴的截图不能覆盖到所有，如果需要源码可以评论区或私信联系。开始之前先推荐知乎上的两篇文章，写得都非常好，而且有带图的例子方便理解。CMU15445-2022P2B+TreeConcurrentControl做个数据库：2022
向量b在多维子空间上的投影回顾：任意向量b在另一个向量上（直线上）的投影在研究向量在子空间上的投影前，先回顾一下前面学习的一个任意向量b在另一个向量a上的投影，共三个部分。1，求权重系数（Aconstant）基于投影即分量的理论，一个向量b在另一个向量a上的投影p，是b在a方向上的分量。投影p与向量a的方向相同，但大小不同，而这个大小就是b在p（a）上分量的多少。因为，我们最先研究的是如何计算出向量a所乘的常数项权重系数。（这里我觉得叫英文中的scale也很贴切）2,p(Avector)有了前面的常数项系数/权重系数，我们就可以求出向量b在向量a上的投影p，其中a已知。3,P(Amatrix)
向量b在多维子空间上的投影回顾：任意向量b在另一个向量上（直线上）的投影在研究向量在子空间上的投影前，先回顾一下前面学习的一个任意向量b在另一个向量a上的投影，共三个部分。1，求权重系数（Aconstant）基于投影即分量的理论，一个向量b在另一个向量a上的投影p，是b在a方向上的分量。投影p与向量a的方向相同，但大小不同，而这个大小就是b在p（a）上分量的多少。因为，我们最先研究的是如何计算出向量a所乘的常数项权重系数。（这里我觉得叫英文中的scale也很贴切）2,p(Avector)有了前面的常数项系数/权重系数，我们就可以求出向量b在向量a上的投影p，其中a已知。3,P(Amatrix)
该篇文章已经被专栏《从零开始学k8s》收录上一篇文章：k8s核心技术-Controller点击跳转Deployment控制器什么是Deployment控制器Deployment概述Deployment工作原理：如何管理rs和Pod？简单使用Deployment使用YAML创建Pod升级回滚和弹性伸缩应用升级和回滚查看升级状态查看历史版本应用回滚弹性伸缩写在最后什么是Deployment控制器Deployment控制器可以部署无状态应用管理Pod和ReplicaSet部署，滚动升级等功能应用场景：web服务，微服务Deployment表示用户对K8S集群的一次更新操作。Deployment是一个
该篇文章已经被专栏《从零开始学k8s》收录上一篇文章：k8s核心技术-Controller点击跳转Deployment控制器什么是Deployment控制器Deployment概述Deployment工作原理：如何管理rs和Pod？简单使用Deployment使用YAML创建Pod升级回滚和弹性伸缩应用升级和回滚查看升级状态查看历史版本应用回滚弹性伸缩写在最后什么是Deployment控制器Deployment控制器可以部署无状态应用管理Pod和ReplicaSet部署，滚动升级等功能应用场景：web服务，微服务Deployment表示用户对K8S集群的一次更新操作。Deployment是一个
本期文章是K8s第3篇，主要是实战Kubectl创建Deployment部署应用。通过本期文章：我们将学习创建在Kubernetes集群上运行应用程序的Deployment所需的最常见的Kubectl命令。在前期的文章中，已经介绍了一些云原生入门的知识及简单实战，感兴趣的同学可以去我的云原生专栏中学习，任意门：云原生学习专栏实战Kubectl创建Deployment部署应用、查看应用前言：学习目标一：用Kubectl创建Deployment1、部署第一个在K8s上的应用程序二：实战部署1、查看Kubectl配置2、查询集群中节点信息3、部署程序应用4、查看部署的程序后文：总结前言：学习目标本篇
