这两个星期里一直都在忙于一件事儿，就是数据库的迁移问题。没有做的时候感觉这是一件十分轻松的事儿，可是等到实实在在去做去实现的时候，自己傻眼了。这种纠结啊，在这里先说下遇到的问题：1。数据库的表结构问题：数据类型不同需要解决varchar2——varchar、number—–int、date—-datetime，建表的sql语句字段默认值、注释怎么解决。2. oracle中没有所谓的敏感字段，可是mysql表中的敏感字段有好多。当时出错的时候很奇怪不知道是哪里错了。原来有个describe的字段是mysql的敏感字段。这里我也是在网上找了一个现成的工具：oracletomysql，它是只能为我们

迁移学习（Transfer Learning）：Matlab预训练模型的原始安装程序，用于特征提取、表达、目标识别等诸多任务

主要介绍了Jenkins迁移job插件Job Import Plugin流程详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

这是一个使用预训练的VGG19网络完成图片风格迁移的项目，使用的语言为python，框架为tensorflow。 给定一张风格图片A和内容图片B，能够生成具备A图片风格和B图片内容的图片C。

迁移学习（Transfer Learning）：Matlab预训练模型的原始安装程序，用于特征提取、表达、目标识别等诸多任务

一些相关的迁移学习论文的代码以及数据集，DAAN,DAN,DaNN,DDC,DeepCoral,ResNet,AlexRet,MRAN,TCP等等，包括一些常用的数据集，内容详细，需要的可以下载。

通过分析脉冲源激光辐照于工件表面激发的多模式、宽带超声体波信号并结合合成孔径聚焦技术(SAFT),实现了对工件内部微小缺陷的检测、定位和成像。首先基于有限元仿真模拟了激光激发超声波在含缺陷样品中的传播过程,编写了基于相移迁移法(PSM)的SAFT成像算法,然后在实验中使用激光在含缺陷样品表面激发超声波,使用激光测振仪探测超声波,并基于已有算法和探测结果对样品内缺陷进行了检测和定位,以验证算法的正确性。有限元仿真以及实验结果均表明,将激光超声技术与频域SAFT-PSM结合,能够有效地对微小缺陷进行检测和定位,且其图像重构速度快于时域SAFT,可为激光超声无损检测提供更快速的实时技术方案。

Apsara Clouder云计算技能认证：云数据库管理与数据迁移--试题。这个还是挺容易考的，只要稍微有点数据库知识和认真做实验，真的挺容易的。

redis-migrate-tool-master， redis-full-check 工具促使redis不停机在线迁移方案，完整的步骤配置详情。

实现数据库完美搬迁，附件给你完整指引，不谢，虽然每一步都是惊心动魄操作，但是有了这个操作文档，我们以后再也不拍耽误客户时间，被客户投诉了，这是我亲身经历后写下来的文档。