1. connectionstring属性尚未初始化，如何通过java远程调用linux命令或shell脚本？

这个非常简单，基本原理先通过ssh连接远程Linux主机，然后执行shell命令，获取返回结果，下面我简单介绍一下实现过程，主要内容如下：

1.首先，需要在maven中导入程序所依赖的Jar包，这个直接在pom.xml文件中输入就行，如下：

2.接着就可以用Java编程来实现远程连接Linux主机并执行shell命令或脚本了，主要步骤及截图如下：

首先，导入程序所依赖的包，初始化成员变量，这里定义了一个ExecuteShell类，创建对象时，需要输入IP地址、用户名和密码这3个参数，用于后面ssh连接远程Linux主机，代码如下，非常简单：

接着就是远程连接Linux主机了，测试代码如下，很好理解，创建一个Connection连接，如果连接成功，则返回true，失败则返回false：

连接成功后，我们就可以直接执行Linux shell脚本或命令了，测试代码如下，非常简单，打开一个Session会话，然后执行shell命令或脚本，返回执行结果：

processStdout函数代码如下，主要是取得shell命令和脚本返回的结果，代码如下：

最后，在main函数中创建ExecuteShell类对象，调用execute函数执行shell命令或脚本就行，如下：

点击运行程序，截图如下，已经成功执行shell，并取得返回的结果：

至此，我们就完成了利用Java来远程调用Linux命令或shell脚本。总的来说，整个过程非常简单，代码量也不多，很好理解，只要你有一定的Java基础，熟悉一下上面的代码和示例，多调试几遍程序，很快就能掌握的，网上也有相关教程和资料，非常丰富详细，感兴趣的话，可以搜一下，希望以上分享的内容能对你有所帮助吧，也欢迎大家评论、留言进行补充。

2. ubuntu2004修改mysql密码？

先进入root模式：

sudo -s

1

1

然后输入命令mysql

root@ubuntu:/home/cdd/Desktop/Django/typeidea-env/typeidea/typeidea# mysql

Welcome to the MySQL monitor. Commands end with ; or \g.

Your MySQL connection id is 22

Server version: 8.0.21-0ubuntu0.20.04.4 (Ubuntu)

Copyright (c) 2000, 2020, Oracle and/or its affiliates. All rights reserved.

Oracle is a registered trademark of Oracle Corporation and/or its

affiliates. Other names may be trademarks of their respective

owners.

Type 'help;' or '\h' for help. Type '\c' to clear the current input statement.

mysql>

1

2

3

4

5

6

7

8

9

10

11

12

13

14

1

2

3

4

5

6

7

8

9

10

11

12

13

14

下面就是修改初始密码的步骤：

现在mysql命令下输入

mysql> use mysql

1

1

然后修改密码：

mysql> ALTER USER 'root'@'localhost' IDENTIFIED WITH caching_sha2_password BY '你的新密码';

1

1

到这里新密码就设置好了，下面我们登录下：

$ mysql -u root -p

Enter password: # 这里输入你的新密码

Welcome to the MySQL monitor. Commands end with ; or \g.

Your MySQL connection id is 28

Server version: 8.0.21-0ubuntu0.20.04.4 (Ubuntu)

Copyright (c) 2000, 2020, Oracle and/or its affiliates. All rights reserved.

Oracle is a registered trademark of Oracle Corporation and/or its

affiliates. Other names may be trademarks of their respective

owners.

Type 'help;' or '\h' for help. Type '\c' to clear the current input statement.

mys

3. 自学Java基础入门学完了？

JavaEE方向，现在的Android市场已经大不如之前了，具体的可以到相关的招聘网站上去了解一下Java和Android方面的技术人才的需求量，对比一下。

接下来需要学习的东西：Java高级技术，数据库开发，web前端，Javaweb编程，框架，项目等等。

以前学习JavaEE是在 “ 如鹏网 ”上学习的，挺不错的，有网络的地方就可以学习，根据自己的时间灵活安排学习进度，有问题随时提问，老师实时在线答疑，有详细的学习路线，可以参考一下。

第一部分：Java语言基础第二部分：Java高级技术第三部分：web前端第四部分：Javaweb编程（核心阶段）第五部分：企业框架第六部分：项目阶段（项目截图可访问如鹏网官网）第七部分：企业专题

详细的可以到 如鹏网 官网上去了解一下，有新的课程更新，也是可以继续申请了来学习的，口碑不错，基本上都是慕名而去的。学习一段时间之后，还可以接着学习Java的拔高课程，内容包含：分布式、设计模式、前端技术、网络支付、全文搜索引擎、Docker、WebService等。

4. 宽带连接错误711解决办法？

1、711问题的产生，一般情况是相关服务没有启动产生的；

2、控制面板，系统和安全，管理工具，服务；

3、找到windowseventlog这项服务，双击打开对话框，将其设置成自动，并且启动了这项服务，系统初始默认是自动

找到Telephony这项服务，双击打开对话框，将其设置成手动，并且启动了这项服务；

4、上一步骤完成了Telephony的启动，这一步骤才可以启动最后一项重要的服务：RemoteAccessConnectionManager，将其设置成手动；

5、此时再进行宽带连接，便不会再出现711错误提示。

5. 明知道不能大吼大叫？

昨天在动车上见到一位带着大约3岁孩子的妈妈，因为孩子喝牛奶时洒在了身上把衣服弄脏了，于是妈妈冲孩子大吼一句：“你怎么这么没用？喝个牛奶就把衣服弄得这么脏！”孩子看妈妈吼他，于是“哇”地哭了起来……这使我联想到前几天几位宝妈在群里探讨的话题“当我们吼孩子的时候，孩子的内心世界是什么样的呢？”，今天就这个话题做个讨论吧。

当我们吼孩子的时候，孩子的内心世界是什么样的呢？

对于这个问题，首先说说自己小时候被妈妈吼的感受，希望能够给与一些年轻的家长们一些感悟。

小时候的我，由于总是体弱多病的，所以导致别的孩子在外面蹦蹦跳跳玩耍的时候，我却躺在病床上辗转反侧；当别的小孩子在学着做家务的时候，我仍然躺在病床上痛苦不已。所以就让生活中的我很难得有活动筋骨的机会，也很难得有动手做点事情的机会。

由此可以想象，这样情形下的孩子去学习做点什么家务的话，肯定会显得生疏笨拙的，做家长的应该拿出耐心来手把手教孩子才好。但我的母亲却不一样，她能干但性子太急，每次看到我笨脚笨手地在她旁边做事情的时候，她就对着我大吼：“看你笨手笨脚的样子我就来气！你走开，我来！”

于是我就气呼呼地走开了，心里感觉很抗拒、失落、自卑、自我怀疑，同时也拒绝和母亲沟通，凡事放在心里也不愿意和母亲沟通，而且跟母亲的沟通也就是吼，其实自己是无意识地吼她，吼了自己却不知道，以为这样的沟通方式很正常。

直到我读高中的一天，因为那时候住校，只有周末才回家。就在周日下午返校时，忙乱中的我居然连书包也没有拿就到了学校。母亲发现后步行十来里路帮我把书包送到学校来，一位关系很好的同学后来提醒我，她说我跟我母亲说话是吼的，我当时根本没有意识到。从那以后，我才开始注意到我在母亲面前说话的语气。其实，这也和母亲经常吼我有关系的。

妈妈经常吼叫孩子，会对孩子造成什么样的影响呢？

1.容易让孩子注意力不集中，影响孩子的学习：

美国心理学家曾经做过实验：将妈妈们大吼大叫的声音超过85分贝放给7～10岁的儿童听，然后让孩子们写出妈妈吼叫的内容，结果只有13.3的孩子写对，其余的孩子都写错了。

由此可见，母亲大吼大叫对管教自己的孩子一点用处都没有，而且还会让孩子注意力不集中而影响学习。研究表明，妈妈吼叫的声音越大，孩子的注意力越无法集中。

2.容易让孩子拒绝跟父母和平沟通：

父母经常吼叫孩子的话，容易让孩子从心里产生抗拒，让孩子没办法以平和的态度与父母沟通，造成父母育儿方面的障碍，影响孩子的学习和生活，也影响父母跟孩子的和谐相处，更别说一家人相亲相爱了。

3.让孩子形成自卑的性格：

孩子的心是单纯的，也是脆弱的。父母经常吼孩子，容易让孩子感觉不被接纳，让孩子产生自卑的性格。孩子感受不到父母的爱，孩子也会对父母产生不尊重、不信任的情况，更别说孩子以后会感恩和孝顺了。

4.孩子长大后容易吼叫父母与别人：

父母是孩子的第一任老师，父母给孩子一个什么样的生活环境，对孩子的影响是非常大的。

孩子的模仿力是非常强的，父母经常吼叫孩子，孩子长大后就会吼叫父母。在一个被吼叫的环境中长大的孩子，孩子也会自觉或不自觉地吼叫别人，造成孩子社交方面的障碍，影响孩子的学习、工作与生活。

那么，怎样才能做一个不吼不叫的妈妈呢？

1.接纳孩子，给孩子无条件的爱：

作为父母，我们生养孩子是因为爱孩子，我们生养孩子是因为开心，我们生养孩子是因为感觉快乐幸福。孩子是独立的个体，我们不要把孩子当成自己的私有财产。

作为父母要尊重孩子，接纳孩子的不完美，接纳自己孩子的不优秀，不要拿自己孩子的缺点去比别人的优点，要看到自家孩子的长处，做父母的才能够心平气和地跟孩子说话，做个不吼不叫的好妈妈。

2.肯定孩子，恩威并施：

对于孩子做的好的事情，我们一定要给孩子鼓励与肯定。对于孩子做的不好的事情，家长也不要立即批评孩子，要跟孩子好好沟通，弄清楚究竟孩子究竟为什么做不好这件事情。

该赞美的就要赞美孩子，该惩罚的要给与适当并合理的惩罚，家长才能够在孩子面前树立威信，才能正确引导与教育好自己的孩子。

3.父母主动学习相关的育儿知识，做到真正提升自己，给孩子树立榜样的力量，让孩子养成主动学习的好习惯。孩子优秀，父母也开心，自然就可以做一对不吼不叫的父母了哦。在孩子的成长过程中玩具是必不可少的，玩具能够排班孩子玩耍，还能引导孩子智力和创造能力的提升。

但是现在市场上的的玩具种类繁多，而且还没有明确的分类，有国内和进口的款式，如果想给自己或孩子买玩可以考虑用网购替代实体店，因为现在实体店一般不会给予拆包试玩的服务，如果买来的玩家孩子不喜欢就浪费了，所以在购买玩具之前最好观看一些开箱的节目视频。

我给你推荐一个可以看各种玩具开箱视频的节目吧，我介绍的是由4399玩具网出品的《阿哦玩具》节目，带你领略各色玩具，这里有造型酷炫铠甲勇士可动人偶、玩法百变的爆裂飞车、开发脑力的乐高积木等等，还有可爱的小姐姐教你如何让玩具玩的更有趣。在腾讯视频上或者关注微信公众号都可以观看，可以去试看看吧。

6. UDL到底是什么？

udl(Universal Data Link)是通用数据连接文件，使用通用数据链接 (UDL) 文件来保存连接字符串。简介使用 UDL 文件存储数据库连接的方式和使用“ODBC 数据源名称 (DSN)”非常相似。UDL 文件存储 OLE DB 连接信息，例如提供程序、用户名、密码和其他选项。用存储在该 UDL 文件中的信息可以打开 ADO 连接，从而允许管理员在需要的情况下更改它，并且避免了打开注册表或者使用 ODBC。也就是说这个里面包含的东西就是CONNECTIONSTRING 中的内容，比如：

‘Provider=Microsoft.Jet.OLEDB.4.0;Data Source=D:Program FilesMicrosoft OfficeOfficeSamplesNorthwind.mdb;User ID=admin;Password=1;Jet OLEDB:Database Password=1 ’

创建方法创建 UDL 文件最简单的方法就是：创建一个文本文件，更名这个文件为 A.UDL ，然后双击。创建和配置通用数据链接 (.udl) 文件Microsoft 数据访问组件 (MDAC) 提供“数据链接属性”对话框作为常用用户界面，以指定 Windows 2000 及更高版本操作系统上的数据提供程序的连接信息。可使用“数据链接属性”对话框将连接信息保存在通用数据链接 (.udl) 文件中。创建通用数据链接 (.udl) 文件1.打开 Windows 资源管理器。2.选择要在其中存储 .udl 文件的文件夹。3.如果运行的是 Windows 2000 或更高版本，请在“文件”菜单中选择“新建”，然后选择“文本文档”。目录中出现名为“新建文本文档.txt”的新文件。重命名此文件，删除所有空格并将其文件扩展名更改为 .udl。注意 可能会出现一个警告，指出更改文件扩展名会导致文件变得不可用。忽略此警告。如果运行的是 Windows 98 和 Windows NT 系统并且安装了 Microsoft 数据访问组件 (MDAC)，请右击右窗格或结果窗格，选择“新建”，然后选择“Microsoft 数据链接”。目录中出现名为 New Microsoft Data Link.udl 的新文件。可重命名此文件。

配置通用数据链接 (.udl) 文件

1.双击通用数据链接 (.udl) 文件。“数据链接属性”对话框打开，显示以下选项卡：“提供者”、“连接”、“高级”和“所有”。选择“下一步”在选项卡中定位。2.在“提供者”选项卡上，选择数据库提供程序。3.在“连接”选项卡上，或者选择可用提供程序的数据源名称 (DSN)，或者输入自定义连接字符串。系统中预定义的提供程序的有效 DSN 显示在“使用数据源”下拉列表中。4.使用“高级”选项卡查看并设置数据的其他初始化属性。5.使用“所有”选项卡复查并编辑可用于 OLE DB 提供程序的所有 OLE DB 初始化属性。6.选择“确定”以便将连接字符串保存到通用数据链接 (.udl) 文件中。有关更多信息，请参见“数据链接属性”对话框。数据链接文件格式通用数据链接 (.udl) 文件的前两行必须与此内容完全相同：[oledb]; Everything after this line is an OLE DB initstring在这两个必需的行之后，.udl 文件的其余部分由用同样格式写成的连接字符串组成。当从编程代码中打开数据库时使用该字符串。下面的列表给出了一个 .udl 文件的完整文本，此文件使用 Microsoft SQL Server 的 OLE DB 提供程序打开使用集成安全性的 Northwind 数据库。[oledb]; Everything after this line is an OLE DB initstringProvider=SQLOLEDB.1;Persist Security Info=False;Data Source=a-iresmi2000;Initial Catalog=Northwind;Integrated Security=SSPI

VB与udl文件的连接

创建一个通用数据链接 (.udl) 文件。使用“数据链接属性”对话框将连接字符串存储在此 .udl 文件中。将一个 ADO 数据控件添加到解决方案或项目中。在 ADO 数据控件的“属性”窗口中，选择 ConnectionString 属性并输入包含所需连接字符串的 .udl 文件的名称。也可在代码中设置此属性。 在下面的示例中，将一个名为 cnPubs 的控件的 ConnectionString 属性设置为名为 Pubs.udl 的通用数据链接文件，并给出了此文件的绝对路径：cnPubs.ConnectionString = "File Name=C:\Path\To\Pubs.udl;"也可给出相对路径：cnPubs.ConnectionString = "File Name=Data\Pubs.udl;"如果给出相对路径，指定通用数据链接文件的位置将从应用程序的安装目录开始。将 DataGrid、DataCombo 或 DataList 控件添加到项目或窗体。在“属性”窗口中，将 DataGrid、DataCombo 或 DataList 控件的 DataSource 属性设置为刚配置的 ADO 数据控件的名称。每当项目或窗体请求数据时，DataGrid、DataCombo 或 DataList 控件都调用其 DataSource，即 ADO 数据控件，而 ADO 数据控件则使用通用数据链接 (.udl) 文件提供的 ConnectionString 打开所需的数据连接。股票术语：UDL——引力线（超买超卖型）1.本指标的超买超卖界限值随个股不同而不同，使用者应自行调整；2.使用时，可列出一年以上走势图，观察其常态性分布范围，然 后用参考线设定其超买超卖范围。通常UDL 高于某个极限时， 短期股价会下跌；UDL 低于某个极限时，短期股价会上涨；

7. 机器学习深度学习神经网络深度神经网络之间有何区别？

真应了《笑傲江湖》里那句：“有人的地方就会有江湖，有江湖就有恩怨。”只是这次的江湖和恩怨都源自人工智能而不是人。

1月中旬，纽约大学教授马库斯发表一篇万字长文，以问答形式，分14个问题回应那些对他的观点表示质疑的人，其中涉及纽约大学教授、脸书首席AI科学家杨立昆、AAAI前主席托马斯·迪特里奇，魁北克大学教授、谷歌的数学博士等也卷入了论战中。

这不是论战的第一回合，1月初，马库斯就提出了自己关于深度学习的十大观点，引得杨立昆直摆手：他说的都不对。

究竟是什么样的争议让AI界的大神们辩论火力如此密集，连战数日，费劲口舌、逐字力争呢？

机器学习和深度学习变得越来越火。突然之间，不管是了解的还是不了解的，所有人都在谈论机器学习和深度学习。无论你是否主动关注过数据科学，你应该已经听说过这两个名词了。

为了展示他们的火热程度，我在 Google trend 上搜索了这些关键字：

如果你想让自己弄清楚机器学习和深度学习的区别，请阅读本篇文章，我将用通俗易懂的语言为你介绍他们之间的差别。下文详细解释了机器学习和深度学习中的术语。并且，我比较了他们两者的不同，别说明了他们各自的使用场景。

什么是机器学习和深度学习?

让我们从基础知识开始：什么是机器学习？和什么是深度学习？如果你对此已有所了解，随时可以跳过本部分。

什么是机器学习？

一言以蔽之，由 Tom Mitchell 给出的被广泛引用的机器学习的定义给出了最佳解释。下面是其中的内容：

“计算机程序可以在给定某种类别的任务 T 和性能度量 P 下学习经验 E ，如果其在任务 T 中的性能恰好可以用 P 度量，则随着经验 E 而提高。”

是不是读起来很绕口呢？让我们用简单的例子来分解下这个描述。

示例 1：机器学习和根据人的身高估算体重

假设你想创建一个能够根据人的身高估算体重的系统（也许你出自某些理由对这件事情感兴趣）。那么你可以使用机器学习去找出任何可能的错误和数据捕获中的错误，首先你需要收集一些数据，让我们来看看你的数据是什么样子的：

图中的每一个点对应一个数据，我们可以画出一条简单的斜线来预测基于身高的体重。

什么是深度学习?

“深度学习是一种特殊的机器学习，通过学习将世界使用嵌套的概念层次来表示并实现巨大的功能和灵活性，其中每个概念都定义为与简单概念相关联，而更为抽象的表示则以较不抽象的方式来计算。”

这也有点让人混乱。下面使用一个简单示例来分解下此概念。

示例: 猫 vs. 狗

我们举一个动物辨识的例子，其中我们的系统必须识别给定的图像中的动物是猫还是狗。阅读下此文，以了解深度学习在解决此类问题上如何比机器学习领先一步。

1.模式识别、机器学习、深度学习的区别与联系 模式识别：过去、程序/机器做智能的事、决策树等 机器学习：热点领域、给数据+学习数据 深度学习：前言领域、强调模型

2.早年神经网络被淘汰的原因 耗时、局部最优、竞争对手、over-fitting、参数

3.深度学习的实质 及其 与浅层学习的区别 深度学习实质：多隐层+海量数据——>学习有用特征—–>提高分类或预测准确性 区别：（1）DL强调模型深度 （2）DL突出特征学习的重要性：特征变换+非人工

4.神经网络的发展（背景之类的） MP模型+sgn—->单层感知机（只能线性）+sgn— Minsky 低谷 —>多层感知机+BP+sigmoid—- (低谷) —>深度学习+pre-training+ReLU/sigmoid

5.DL解决过拟合的方法 数据扩容、dropout技术

6.介绍dropout技术 修改神经网络本身来避免过拟合、训练网络的一种trike。 步骤：repeat { 随机‘删除’+BP获权值} 为何会避免过拟合：训练多个“半数网络”，随着训练的进行，大部分正确，小部分错误（不影响）

7.推导BP算法 http://blog.csdn.net/hungryof/article/details/50436231

8.BP算法为什么不能适应于深度学习 BP为传统多层感知机的训练方法，<=5层 问题：

（1）梯度越来越稀疏（梯度扩散<—-非凸目标函数） （2）局部最小 （3）一般，有标签

NOTE：解决其中局部最小值的方法：（1）多组不同随机参数，取最好参数 （2）启发式优化算法：模拟退火 或 遗传 （3）随机梯度下降

9.深度学习与传统神经网络之间的区别与联系 联系：分层结构 区别：训练机制（初始值）

10.介绍DNN（原理和应用） DNN：深度神经网络，广义上包含CNN，DBN，RNN等 优点：层数多，抽象能力强，模拟更复杂模型 应用：图像处理、语音识别、文本分类。。。

11.什么是深度学习、深度学习的训练过程是什么 无监督预训练(Layerwise Pre-Training)+有监督微调（fine-tune） 过程：（1）自下而上非监督学习特征 （2）自顶向下有监督微调

12.深度学习常用方法 全连接DNN（相邻层相互连接、层内无连接）： AutoEncoder(尽可能还原输入)、Sparse Coding（在AE上加入L1规范）、RBM（解决概率问题）—–>特征探测器——>栈式叠加 贪心训练 RBM—->DBN 解决全连接DNN的全连接问题—–>CNN 解决全连接DNN的无法对时间序列上变化进行建模的问题—–>RNN—解决时间轴上的梯度消失问题——->LSTM

13.RBM用途 （1）编码、降维 （2）得到权重矩阵和偏移量，供BP网络初始化训练 （3）可作为生成模型使用 （4）可作为判别模型使用

14.介绍DBN DBN是一个概率生成模型。 组成：多个RBM+BP网络 训练过程：（1）无监督训练每一层RBM网络、特征向量映射到不同特征空间、尽可能保留特征信息（贪心算法） （2）DBN最后一层设置为BP网络，有监督微调 RBM训练可以看作对一个深层BP网络的网络权值参数的初始化—->克服容易局部最优+训练时间长 优点：不用人工选取特征 缺点：（1）有标签样本集 （2）学习过程慢 （3）参数不当可能导致局部最优 公式推导： http://blog.csdn.net/app_12062011/article/details/54313082

15.介绍CNN 重点：局部感受域、权值共享 组成：卷基层、子采样层（池化层） 训练过程：不同小随机数初始参数—->repeat{ 前向传播（特征提取层C层—->特征映射层S层） + 后向传播 }

广义上的优点：（1）识别位移、缩放及其他形式扭曲不变性的二维图形 （2）隐式从训练数据中学习特征 （3）同一特征映射面的神经元权值相同—–>课并行学习 （4）局部权值共享—->在语音识别、图像处理方面有优势、更接近实际生物神经网络、降低网络复杂性、避免特征提取和分类过程中的数据重建复杂度

较一般神经网络在图像处理方面的优点：（1）图像和网络拓扑更好吻合 （2）特征提取和模式分类同时进行，并同时在训练中产生 （3）权值共享—–>减少参数、结构简单、适应性更强 应用：语音分析、图像识别等