KB GB的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

AI影像深度學習啟蒙：用python進行人臉口罩識別

為了解決KB GB的問題，作者廖源粕 這樣論述：

　　本書涵蓋的內容有 　　★線上平台COLAB使用教學 　　★本機電腦Jupyter使用教學 　　★基本運算、變數與字串 　　★串列、元組、集合與字典 　　★流程控制if else 　　★流程控制for與while 　　★函數、類別與物件 　　★資料夾與檔案處理 　　★txt、csv、json文件的讀寫 　　★基礎套件的使用 　　★Numpy的使用 　　★OpenCV的使用 　　★完整Tensorflow安裝流程 　　★Tensorflow的使用 　　★類神經網路(ANN)原理與實作 　　★卷積神經網路(CNN)原理與實作 　　★模型可視化工具Netron的使用 　　★口罩識別模型教學 　

　★影像串流與實時口罩識別 　　這是一本想給非資電領域或初學者的入門書籍，內容從基礎語法開始，使用日常所見的比喻協助理解，在AI類神經網路的基礎部分，使用大家都熟悉的二元一次方程式來切入，多以圖表來說明概念，避免艱澀的數學推導，一步一步講解建立深度學習模型的步驟，書本最後還帶入口罩識別模型的教學實例，協助讀者從頭到尾完成一個專題，讓AI更貼近你我的生活。  

KB GB進入發燒排行的影片

豬流行性下痢病毒核酸於田間豬場的環境分布

為了解決KB GB的問題，作者蔣昕恆 這樣論述：

豬流行性下痢 (porcine epidemic diarrhea; PED) 引起豬隻急性嘔吐及下痢，因其在新生仔豬可造成高死亡率，故造成豬場嚴重損失，然而在台灣尚無商業化之疫苗，因此以生物安全措施預防及控制豬流行性下痢成為最根本之方法。本研究以即時定量聚合酶鏈鎖反應 (real-time quantitative polymerase chain reaction; real-time qPCR) 檢測4場PED爆發場與1場非爆發場環境中PEDV (porcine epidemic diarrhea virus; PEDV) 之病原核酸，尋找病原可能藏匿的地點，並透過問卷調查獲取有關養豬

場生物安全資料，了解養豬場生物安全等級現況，以評估試驗養豬場中可能的生物安全風險因子。本實驗共蒐集434個環境樣本，爆發場環境樣本的PEDV總體陽性率為39.2％ (149/380)，而非爆發場之所有樣本皆為陰性 (0/54)。於爆發場中，分娩舍之所有樣本，包含常在性的仔豬保溫地墊、隔門及教槽盤、母豬飲水乳頭及飼料槽、內部走廊、風扇開關、風扇葉片、水濂片、門把，可移動性的器械如：推車、注射器、畫記筆、場內工作人員之衣物、手及雨鞋，皆可檢測出PEDV核酸；且相較於未消毒的分娩舍，消毒後的分娩舍設施之檢測陽性率及病毒量皆較低。於保育舍及肉豬舍於本實驗並未檢測出PEDV核酸，但於分娩前母豬之糞便樣本

中，可檢測到病原的核酸。綜合上述，顯示於PED爆發場PEDV可能無所不在，且可能因棟舍消毒不完全，或於不完善的生物安全措施，藉由汙染區域或物品進行不同棟舍間或不同批次間的傳播。在問卷調查的結果中，多數豬場在清潔與消毒方面相對重視，但仍建議加強害蟲、害獸與鳥類的防治措施。另於實施生物安全措施後，也應進行環境監測等效果評估，以了解生物安全的實施成效。

Hadoop大數據技術開發實戰

為了解決KB GB的問題，作者張偉洋 這樣論述：

本書以Hadoop及其周邊框架為主線，介紹了整個Hadoop生態系統主流的大資料開發技術。全書共16章，第1章講解了VMware中CentOS 7作業系統的安裝；第2章講解了大資料開發之前對作業系統集群環境的配置；第3~16章講解了Hadoop生態系統各框架HDFS、MapReduce、YARN、ZooKeeper、HBase、Hive、Sqoop和資料即時處理系統Flume、Kafka、Storm、Spark以及分散式搜索系統Elasticsearch等的基礎知識、架構原理、集群環境搭建，同時包括常用的Shell命令、API操作、源碼剖析，並通過實際案例加深對各個框架的理解與應用。通過閱讀本

書，讀者即使沒有任何大資料基礎，也可以對照書中的步驟成功搭建屬於自己的大資料集群並獨立完成專案開發。 本書可作為Hadoop新手入門的指導書，也可作為大資料開發人員的隨身手冊以及大資料從業者的參考用書。 張偉洋 畢業于中國地質大學計算機科學與技術專業，先後就職于知名互聯網公司百度、慧聰網，任Java高級軟體工程師，互聯網旅遊公司任軟體研發事業部技術經理。目前供職于青島英穀教育科技股份有限公司，任大資料項目目講師，為數十所高校先後舉行多次大資料專題講座，對Hadoop及周邊框架ZooKeeper、Hive、HBase、Storm、Spark等有深入的研究。高等院校雲計算與大

資料專業課改教材《雲計算與大資料概論》《大資料開發與應用》的主要編寫者，百度文庫、百度閱讀簽約作者。 第1章  VMware中安裝CentOS 7 1 1.1  下載CENTOS 7鏡像文件 1 1.2  新建虛擬機器 5 1.3  安裝作業系統 9 第2章  CentOS 7集群環境配置 16 2.1  系統環境配置 16 2.1.1  新建用戶 17 2.1.2  修改用戶許可權 17 2.1.3  關閉防火牆 17 2.1.4  設置固定IP 18 2.1.5  修改主機名稱 22 2.1.6  新建資原始目錄 23 2.2  安裝JDK 23 2.3  克隆虛擬機

器 25 2.4  配置主機IP映射 29 第3章  Hadoop 31 3.1  HADOOP簡介 31 3.1.1  Hadoop生態系統架構 32 3.1.2  Hadoop 1.x與2.x的架構對比 33 3.2  YARN基本架構及組件 34 3.3  YARN工作流程 37 3.4  配置集群各節點SSH無金鑰登錄 38 3.4.1  無金鑰登錄原理 38 3.4.2  無金鑰登錄操作步驟 39 3.5  搭建HADOOP 2.X分散式集群 41 第4章  HDFS 48 4.1  HDFS簡介 48 4.1.1  設計目標 49 4.1.2  總體架構 49 4.1.3  主

要組件 50 4.1.4  文件讀寫 53 4.2  HDFS命令列操作 54 4.3  HDFS WEB介面操作 57 4.4  HDFS JAVA API操作 59 4.4.1  讀取數據 59 4.4.2  創建目錄 61 4.4.3  創建文件 62 4.4.4  刪除檔 63 4.4.5  遍歷檔和目錄 64 4.4.6  獲取檔或目錄的中繼資料 65 4.4.7  上傳本地檔 66 4.4.8  下載檔案到本地 66 第5章  MapReduce 68 5.1  MAPREDUCE簡介 68 5.1.1  設計思想 69 5.1.2  任務流程 70 5.1.3  工作原理 71

5.2  MAPREDUCE程式編寫步驟 74 5.3  案例分析：單詞計數 76 5.4  案例分析：數據去重 82 5.5  案例分析：求平均分 86 5.6  案例分析：二次排序 89 5.7  使用MRUNIT測試MAPREDUCE程式 97 第6章  ZooKeeper 100 6.1  ZOOKEEPER簡介 100 6.1.1  應用場景 101 6.1.2  架構原理 101 6.1.3  資料模型 102 6.1.4  節點類型 103 6.1.5  Watcher機制 103 6.1.6  分散式鎖 105 6.2  ZOOKEEPER安裝配置 106 6.2.1  單

機模式 106 6.2.2  偽分佈模式 108 6.2.3  集群模式 109 6.3  ZOOKEEPER命令列操作 112 6.4  ZOOKEEPER JAVA API操作 114 6.4.1  創建Java工程 114 6.4.2  創建節點 115 6.4.3  修改資料 118 6.4.4  獲取資料 118 6.4.5  刪除節點 123 6.5  案例分析：監聽伺服器動態上下線 124 第7章  HDFS與YARN HA 129 7.1  HDFS HA搭建 129 7.1.1  架構原理 130 7.1.2  搭建步驟 131 7.1.3  結合ZooKeeper進行HD

FS自動容錯移轉 137 7.2  YARN HA搭建 142 7.2.1  架構原理 142 7.2.2  搭建步驟 142 第8章  HBase 147 8.1  什麼是HBASE 147 8.2  HBASE基本結構 148 8.3  HBASE資料模型 149 8.4  HBASE集群架構 151 8.5  HBASE安裝配置 153 8.5.1  單機模式 153 8.5.2  偽分佈模式 155 8.5.3  集群模式 156 8.6  HBASE SHELL命令操作 160 8.7  HBASE JAVA API操作 164 8.7.1  創建Java工程 164 8.7.2

 創建表 164 8.7.3  添加數據 166 8.7.4  查詢資料 168 8.7.5  刪除資料 169 8.8  HBASE篩檢程式 170 8.9  案例分析：HBASE MAPREDUCE資料轉移 174 8.9.1  HBase不同表間資料轉移 174 8.9.2  HDFS資料轉移至HBase 180 8.10  案例分析：HBASE資料備份與恢復 183 第9章  Hive 185 9.1  什麼是HIVE 185 9.1.1  資料單元 186 9.1.2  資料類型 187 9.2  HIVE架構體系 189 9.3  HIVE三種運行模式 190 9.4  HIVE

安裝配置 191 9.4.1  內嵌模式 192 9.4.2  本地模式 195 9.4.3  遠端模式 198 9.5  HIVE常見屬性配置 200 9.6  BEELINE CLI的使用 201 9.7  HIVE資料庫操作 205 9.8  HIVE表操作 208 9.8.1  內部表 209 9.8.2  外部表 213 9.8.3  分區表 215 9.8.4  分桶表 219 9.9  HIVE查詢 223 9.9.1  SELECT子句查詢 224 9.9.2  JOIN連接查詢 230 9.10  其他HIVE命令 233 9.11  HIVE中繼資料表結構分析 235 9.

12  HIVE自訂函數 237 9.13  HIVE JDBC操作 239 9.14  案例分析：HIVE與HBASE整合 242 9.15  案例分析：HIVE分析搜狗使用者搜索日誌 246 第10章  Sqoop 251 10.1  什麼是SQOOP 251 10.1.1  Sqoop基本架構 252 10.1.2  Sqoop開發流程 252 10.2  使用SQOOP 253 10.3  資料導入工具 254 10.4  資料匯出工具 259 10.5  SQOOP安裝與配置 261 10.6  案例分析：將MYSQL表數據導入到HDFS中 262 10.7  案例分析：將HDFS

中的資料匯出到MYSQL中 263 10.8  案例分析：將MYSQL表數據導入到HBASE中 264 第11章  Kafka 267 11.1  什麼是KAFKA 267 11.2  KAFKA架構 268 11.3  主題與分區 269 11.4  分區副本 271 11.5  消費者組 273 11.6  資料存儲機制 274 11.7  集群環境搭建 276 11.8  命令列操作 278 11.8.1  創建主題 278 11.8.2  查詢主題 279 11.8.3  創建生產者 280 11.8.4  創建消費者 280 11.9  JAVA API操作 281 11.9.1

 創建Java工程 281 11.9.2  創建生產者 281 11.9.3  創建消費者 283 11.9.4  運行程式 285 11.10  案例分析：KAFKA生產者攔截器 287 第12章  Flume 294 12.1  什麼是FLUME 294 12.2  架構原理 295 12.2.1  單節點架構 295 12.2.2  組件介紹 296 12.2.3  多節點架構 297 12.3  安裝與簡單使用 299 12.4  案例分析：日誌監控（一） 302 12.5  案例分析：日誌監控（二） 304 12.6  攔截器 306 12.6.1  內置攔截器 307 12.6.

2  自訂攔截器 310 12.7  選擇器 313 12.8  案例分析：攔截器和選擇器的應用 315 12.9  案例分析：FLUME與KAFKA整合 319 第13章  Storm 322 13.1  什麼是STORM 322 13.2  STORM TOPOLOGY 323 13.3  STORM集群架構 324 13.4  STORM流分組 326 13.5  STORM集群環境搭建 329 13.6  案例分析：單詞計數 332 13.6.1  設計思路 332 13.6.2  代碼編寫 333 13.6.3  程式運行 339 13.7  案例分析：STORM與KAFKA整合

341 第14章  Elasticsearch 347 14.1  什麼是ELASTICSEARCH 347 14.2  基本概念 348 14.2.1  索引、類型和文檔 348 14.2.2  分片和副本 348 14.2.3  路由 349 14.3  集群架構 350 14.4  集群環境搭建 352 14.5  KIBANA安裝 355 14.6  REST API 357 14.6.1  集群狀態API 357 14.6.2  索引API 358 14.6.3  文檔API 360 14.6.4  搜索API 363 14.6.5  Query DSL 365 14.7  HEA

D外掛程式安裝 371 14.8  JAVA API操作：員工資訊 375 第15章  Scala 379 15.1  什麼是SCALA 379 15.2  安裝SCALA 380 15.2.1  Windows中安裝Scala 380 15.2.2  CentOS 7中安裝Scala 381 15.3  SCALA基礎 382 15.3.1  變數聲明 382 15.3.2  資料類型 383 15.3.3  運算式 385 15.3.4  迴圈 386 15.3.5  方法與函數 388 15.4  集合 391 15.4.1  陣列 391 15.4.2  List 393 15.4.

3  Map映射 394 15.4.4  元組 396 15.4.5  Set 396 15.5  類和對象 398 15.5.1  類的定義 398 15.5.2  單例對象 399 15.5.3  伴生對象 399 15.5.4  get和set方法 400 15.5.5  構造器 402 15.6  抽象類別和特質 404 15.6.1  抽象類別 404 15.6.2  特質 406 15.7  使用ECLIPSE創建SCALA專案 408 15.7.1  安裝Scala for Eclipse IDE 408 15.7.2  創建Scala項目 409 15.8  使用INTELLI

J IDEA創建SCALA專案 410 15.8.1  IDEA中安裝Scala外掛程式 410 15.8.2  創建Scala項目 414 第16章  Spark 416 16.1  SPARK概述 416 16.2  SPARK主要組件 417 16.3  SPARK運行時架構 419 16.3.1  Spark Standalone模式 419 16.3.2  Spark On YARN模式 421 16.4  SPARK集群環境搭建 423 16.4.1  Spark Standalone模式 423 16.4.2  Spark On YARN模式 425 16.5  SPARK H

A搭建 426 16.6  SPARK應用程式的提交 430 16.7  SPARK SHELL的使用 433 16.8  SPARK RDD 435 16.8.1  創建RDD 435 16.8.2  RDD運算元 436 16.9  案例分析：使用SPARK RDD實現單詞計數 441 16.10  SPARK SQL 448 16.10.1  DataFrame和Dataset 448 16.10.2  Spark SQL基本使用 449 16.11  案例分析：使用SPARK SQL實現單詞計數 452 16.12  案例分析：SPARK SQL與HIVE整合 454 16.13  案

例分析：SPARK SQL讀寫MYSQL 457 前言 當今互聯網已進入大資料時代，大資料技術已廣泛應用于金融、醫療、教育、電信、政府等領域。各行各業每天都在產生大量的資料，資料計量單位已從B、KB、MB、GB、TB發展到PB、EB、ZB、YB甚至BB、NB、DB。預計未來幾年，全球資料將呈爆炸式增長。谷歌、阿裡巴巴、百度、京東等互聯網公司都急需掌握大資料技術的人才，而大資料相關人才卻出現了供不應求的狀況。 Hadoop作為大資料生態系統中的核心框架，專為離線和大規模資料處理而設計。Hadoop的核心組成HDFS為海量資料提供了分散式存儲；MapReduce則為海量資料

提供了分散式運算。很多互聯網公司都使用Hadoop來實現公司的核心業務，例如華為的雲計算平臺、淘寶的推薦系統等，只要和海量資料相關的領域都有Hadoop的身影。 本書作為Hadoop及其周邊框架的入門書，知識面比較廣，涵蓋了當前整個Hadoop生態系統主流的大資料開發技術。內容全面，代碼可讀性強，以實操為主，理論為輔，一步一步手把手對常用的離線計算以及即時計算等系統進行了深入講解。 全書共16章，第1章講解了VMware中CentOS 7作業系統的安裝；第2章講解了大資料開發之前對作業系統集群環境的配置；第3~16章講解了Hadoop生態系統各框架HDFS、MapReduce、YARN、Z

ooKeeper、HBase、Hive、Sqoop和資料即時處理系統Flume、Kafka、Storm、Spark以及分散式搜索系統Elasticsearch等的基礎知識、架構原理、集群環境搭建，同時包括常用的Shell命令、API操作、源碼剖析，並通過實際案例加深對各個框架的理解與應用。 那麼如何學習本書呢？ 本書推薦的閱讀方式是按照章節順序從頭到尾完成閱讀，因為後面的很多章節是以前面的章節為基礎，而且這種一步一個腳印、由淺入深的方式將使你更加順利地掌握大資料的開發技能。 學習本書時，首先根據第1、2章搭建好開發環境，然後依次學習第3~16章，學習每一章時先瞭解該章的基礎知識和框架的架

構原理，然後再進行集群環境搭建、Shell命令操作等實操練習，這樣學習效果會更好。當書中的理論和實操知識都掌握後，可以進行舉一反三，自己開發一個大資料程式，或者將所學知識運用到自己的程式設計項目上，也可以到各種線上論壇與其他大資料愛好者進行討論，互幫互助。 本書可作為Hadoop新手入門的指導書籍或者大資料開發人員的參考用書，要求讀者具備一定的Java語言基礎和Linux系統基礎，即使沒有任何大資料基礎的讀者，也可以對照書中的步驟成功搭建屬於自己的大資料集群，是一本真正的提高讀者動手能力、以實操為主的入門書籍。通過對本書的學習，讀者能夠對大資料相關框架迅速理解並掌握，可以熟練使用Hadoop

集成環境進行大資料專案的開發。 讀者若對書中講解的知識有任何疑問，可關注下面的公眾號聯繫筆者，還可以在該公眾號中獲取大資料相關的學習教程和資源。   掃描下述二維碼可以下載本書原始程式碼：   由於時間原因，書中難免出現一些錯誤或不準確的地方，懇請讀者批評指正。 張偉洋 2019年5月於青島  

可羅素蛋白調控心肌細胞鈣離子恆定與電生理重塑

為了解決KB GB的問題，作者洪元 這樣論述：

前言:心房顫動(atrial fibrillation, AF)是一種常見的心律不整，會增加不良心血管事件的風險，例如心衰竭和中風。肺靜脈(pulmonary vein, PV)是誘發AF 異位搏動的重要來源。一些病生理狀況，如衰老、發炎、高血壓、冠狀動脈疾病、心衰竭和慢性腎臟病(chronic kidney disease, CKD)，可能導致細胞內鈣離子調控出現異常和結構重塑，導致AF的發生。可羅素蛋白(Klotho)是一種多功能蛋白，具有顯著的心血管作用，在CKD患者中血清裡的Klotho濃度較低。流行病學研究報導，較高的血清Klotho濃度與較少的AF 發生有關，而較低的血清Klot

ho濃度與終末期腎病患者的AF 發生相關。然而，關於Klotho在AF病理生理學中的作用並未被廣泛研究。磷酸肌醇3-激酶(phosphoinositide 3-kinases, PI3K)是脂質激酶，而PI3K可以透過活化下游Akt等其他訊息傳遞路徑來調節鉀離子、鈉離子和鈣離子通道，在心肌細胞的心律不整中扮演至關重要的角色。部分研究顯示Klotho可以調控PI3K-Akt路徑改變細胞表現與離子流變化。目的:在這項研究中，我們假設Klotho可能透過PI3K-Akt訊息傳遞路徑調節離子電流和鈣離子恆定來調節PV 電生理特性，且這反應在CKD 的兔子中可能更為顯著。材料方法:我們使用傳統的微電極和

全細胞膜片鉗技術來研究Klotho給藥前後大白兔PV心肌組織和單一心肌細胞的動作電位和離子電流。並使用西方點墨法研究了PI3K-Akt訊息傳遞路徑。結果:Klotho在較高濃度（1.0 和 3.0 ng/mL）下顯著降低了PV組織的異位節律自動跳頻率。在存在Akt抑制劑(10 uM)的情況下，Klotho(1.0 和3.0 ng/mL)不會改變PV電生理活動。Klotho(1.0 ng/mL)顯著降低晚鈉離子電流(INa-Late)和L型鈣電流(ICa-L)，與 Akt 抑制劑(10 uM) 相似。西方點墨法顯示，與未經Klotho處理的心肌細胞相比，經Klotho (1.0 ng/mL)處理

的PV心肌細胞的Akt(Ser473)磷酸化較少。 與對照PV相比，低濃度（0.1 和0.3 ng/mL）的Klotho顯著降低了CKD PV的自動跳頻率並降低了去極化後延遲的幅度。結論:Klotho透過抑制PI3K-Akt訊息傳遞路徑來調節離子電流與改變PV 組織電生理活動，這些作用在CKD 組中比對照組更為明顯。這些發現可能為CKD誘導的心律不整發生提供新的見解。