- 授权协议: BSD
- 开发语言: Google Go
- 操作系统: 跨平台
- 软件首页: https://github.com/RichardKnop/machinery
- 软件文档: https://github.com/RichardKnop/machinery
软件介绍
Machinery 是一个 Go 语言的异步任务队列和作业队列,基于分布式消息传递。类似 Python 的 Celery 框架。
Machinery 中的任务(或者作业)可通过多个 worker 在很多服务器上并发的执行,或者可在单个服务器上利用 Go 的协程运行多个 worker 进程。
任务的定义:
type AddTask struct{}
func (t AddTask) Run(args []interface{}) (interface{}, error) {
parsedArgs, err := machinery.ParseNumberArgs(args)
if err != nil {
return nil, err
}
add := func(args []float64) float64 {
sum := 0.0
for _, arg := range args {
sum += arg
}
return sum
}
return add(parsedArgs), nil
}
type MultiplyTask struct{}
func (t MultiplyTask) Run(args []interface{}) (interface{}, error) {
parsedArgs, err := machinery.ParseNumberArgs(args)
if err != nil {
return nil, err
}
multiply := func(args []float64) float64 {
sum := 1.0
for _, arg := range args {
sum *= arg
}
return sum
}
return multiply(parsedArgs), nil
}
// ... more tasks任务注册:
tasks := map[string]machinery.Task{
"add": AddTask{},
"multiply": MultiplyTask{},
}
app.RegisterTasks(tasks)机器学习实战:基于Scikit-Learn和TensorFlow
Aurélien Géron / 王静源、贾玮、边蕤、邱俊涛 / 机械工业出版社 / 2018-8 / 119.00
本书主要分为两个部分。第一部分为第1章到第8章,涵盖机器学习的基础理论知识和基本算法——从线性回归到随机森林等,帮助读者掌握Scikit-Learn的常用方法;第二部分为第9章到第16章,探讨深度学习和常用框架TensorFlow,一步一个脚印地带领读者使用TensorFlow搭建和训练深度神经网络,以及卷积神经网络。一起来看看 《机器学习实战:基于Scikit-Learn和TensorFlow》 这本书的介绍吧!
