Centos7 MySql8安装

JavaAlpha JavaAlpha 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 300+累计阅读 368平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄18年
关注
原创 最新推荐文章于 2026-04-26 14:46:57 发布 368 阅读 AI 写同款· GEO 优化 ›
CentOs7安装mysql8教程 dasfa 阅读详情

需求说明：按照项目需求搭建MySQL的1主3从架构，为了提高MySQL的高可用，减少数据库服务器压力。

版本：Server version: 8.0.22 MySQL Community Server - GPL
安装目录/opt/module/mysql
用户名：root 密码：root@2021
端口号：主：3306 从：3307
启动服务：systemctl start mysqld.service
停止服务：systemctl stop mysqld.service
重启服务：systemctl restart mysqld.service
主库：192.168.0.1
从库：192.168.0.2
从库：192.168.0.3
从库：192.168.0.4

1.卸载mariadb
1.1 检查mariadb
rpm -qa|grep mariadb
1.2 如果上面的检查有内容则卸载
rpm \-e --nodeps mariadb-libs
或者
 rpm -e mariadb-libs-5.5.65-1.el7.x86_64 --nodeps

2.卸载MySQL(忽略)
*2.1 检查MySQL
rpm -qa|grep mysql
*2.2 查看mysql运行状态
systemctl status mysqld
*2.3 停止mysqld.service 服务
sudo systemctl stop mysqld

3.安装MySQL
3.1 创建mysql目录/opt/module/mysql
mkdir -p /opt/module/mysql
3.2 进入安装包目录
cd /usr/local/
3.3 解压缩安装包到安装目录/opt/module/mysql
tar -xvf mysql-8.0.22-1.el7.x86_64.rpm-bundle.tar -C /opt/module/mysql/
3.4 进入安装目录
cd /opt/module/mysql/
3.5 查看安装包列表
ll
显示安装包列表：
total 859728
-rw-r--r--. 1 7155 31415  49820920 Sep 25  2020 mysql-community-client-8.0.22-1.el7.x86_64.rpm
-rw-r--r--. 1 7155 31415    240972 Sep 25  2020 mysql-community-client-plugins-8.0.22-1.el7.x86_64.rpm
-rw-r--r--. 1 7155 31415    630772 Sep 25  2020 mysql-community-common-8.0.22-1.el7.x86_64.rpm
-rw-r--r--. 1 7155 31415   8468592 Sep 25  2020 mysql-community-devel-8.0.22-1.el7.x86_64.rpm
-rw-r--r--. 1 7155 31415  23597312 Sep 25  2020 mysql-community-embedded-compat-8.0.22-1.el7.x86_64.rpm
-rw-r--r--. 1 7155 31415   4809544 Sep 25  2020 mysql-community-libs-8.0.22-1.el7.x86_64.rpm
-rw-r--r--. 1 7155 31415   1273480 Sep 25  2020 mysql-community-libs-compat-8.0.22-1.el7.x86_64.rpm
-rw-r--r--. 1 7155 31415 534432648 Sep 25  2020 mysql-community-server-8.0.22-1.el7.x86_64.rpm
-rw-r--r--. 1 7155 31415 257069560 Sep 25  2020 mysql-community-test-8.0.22-1.el7.x86_64.rpm
3.6 安装common
rpm -ivh mysql-community-common-8.0.22-1.el7.x86_64.rpm --nodeps --force
3.7 安装libs
sudo rpm -ivh mysql-community-libs-8.0.22-1.el7.x86_64.rpm --nodeps --force
3.8 安装client
sudo rpm -ivh mysql-community-client-8.0.22-1.el7.x86_64.rpm --nodeps --force
3.9 安装server
sudo rpm -ivh mysql-community-server-8.0.22-1.el7.x86_64.rpm --nodeps --force
3.10 命令查看mysql 的安装包
rpm -qa|grep mysql
显示已安装列表：
mysql-community-libs-8.0.22-1.el7.x86_64
mysql-community-server-8.0.22-1.el7.x86_64
mysql-community-common-8.0.22-1.el7.x86_64
mysql-community-client-8.0.22-1.el7.x86_64

4. 初始化mysql数据库的初始化和相关配置
4.1 通过以下命令，完成对 mysql 数据库的初始化和相关配置
 mysqld --initialize;
 chown mysql:mysql /var/lib/mysql -R;
 systemctl start mysqld.service;
 systemctl enable mysqld;
4.2 查看数据库的默认初始密码
 cat /var/log/mysqld.log |grep password
2013-12-02T19:40:13.609175Z 6 [Note] [MY-010454] [Server] A temporary password is generated for root@localhost: igttMw4F=oXz
4.3 进入数据库登陆界面(使用上面查看到的密码）
mysql -uroot -p
输入密码：上面查看到的密码
4.4 修改MySQL密码为root@2021
mysql> ALTER USER 'root'@'localhost' IDENTIFIED WITH mysql_native_password BY 'root@2021';
4.5 退出MySQL命令行
mysql> exit
4.6 用新密码登录
mysql -uroot -p
4.7 开启远程访问
mysql> create user 'root'@'%' identified with mysql_native_password by 'root@2021';
mysql> grant all privileges on *.* to 'root'@'%' with grant option;
mysql> flush privileges;
4.8 修改加密规则，MySql8.0 版本 和 5.0 的加密规则不一样，而现在的可视化工具只支持旧的加密方式
mysql> ALTER USER 'root'@'localhost' IDENTIFIED BY 'root@2021' PASSWORD EXPIRE NEVER;
mysql> flush privileges;
mysql> exit
4.9 防火墙关闭
vi /etc/selinux/config
SELINUX=disabled
立即关闭命令 setenforce 0
4.10 修改端口号
vi /etc/my.cnf
添加端口参数：
主：port=3306
从：port=3307
重启mysql:
systemctl restart mysqld.service
4.11 打开端口  
 主：sudo firewall-cmd --zone=public --add-port=3306/tcp --permanent
 从：sudo firewall-cmd --zone=public --add-port=3307/tcp --permanent
 sudo firewall-cmd --reload
 sudo firewall-cmd --list-ports
精简命令：
住：firewall-cmd --zone=public --add-port=3306/tcp --permanent && firewall-cmd --reload && firewall-cmd --list-ports
从：firewall-cmd --zone=public --add-port=3307/tcp --permanent && firewall-cmd --reload && firewall-cmd --list-ports

错误：Can't start server: Bind on TCP/IP port: Permission denied
解决：selinux防火墙未关闭
vi /etc/selinux/config
SELINUX=disabled
立即关闭命令
setenforce 0
错误：-bash: netstat: command not found
解决：yum -y install net-tools

集群搭建： Centos7 MySql8 集群1主3从搭建

收录于
MySQL

当前文章被收录于：

MySQL
44 篇文章 0 人学习
订阅专栏 查看详情
CentOS

当前文章被收录于：

CentOS
9 篇文章 0 人学习
订阅专栏 查看详情
标签
#mysql #linux #centos
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
centos7离线安装MySQL8 安装 mysql-community-embedded-compat-8.3.0-1.el7.x86_64.rpm。安装 mysql-community-client-plugins-8.4.2-1.el7.x86_64.rpm。安装 mysql-community-icu-data-files-8.4.2-1.el7.x86_64.rpm。安装 mysql-community-libs-8.3.0-1.el7.x86_64.rpm。安装erl-Module-Install.noarch相关安装包。 阅读详情

相关推荐

centos7下离线安装mysql8的详细安装图解

1.下载 MySQL 所需要的安装包 网址：https://dev.mysql.com/downloads/mysql/ 2.Select Operating System: 选择 Red Hat ，CentOS 是基于红帽的，Select OS Version: 选择 linux 7 3.选择 RPM Bundle 点击 Download 4.点击No thanks, just start my download. 进行下载 5....

java程序员的蜕变之路 3058

CentOS7安装MySQL8

Centos7 安装 Mysql8

u014212540的博客 6390

CentOS7 Linux下安装MySQL8

本文详细介绍了在CentOS 7.5系统下安装MySQL 8.0.42的完整步骤。主要内容包括：下载安装依赖和MySQL RPM包，检查并删除旧版本，执行安装命令；修改my.cnf配置文件关键参数，创建日志文件并初始化MySQL；启动MySQL服务，修改root密码，创建远程用户并授权。文中提供了详细的命令操作和配置说明，特别强调了MySQL 8.0版本对大小写敏感的设置要求。最后通过数据库连接工具验证远程访问，确保安装配置成功。整个过程涵盖了从安装到配置再到验证的完整流程。

u014308563的博客 902

CentOS7 安装 mysql8

本文主要从以下几个方面对自己在centos7 下安装mysql8过程做如下总结：CentOS7 安装mysql8 步骤；window下的Navicat 连接MySql8；涉及到的Linux命令--------------------------------------------------------------------------------------------------------...

ManagementAndJava的博客 5万+

centos7安装MySQL8详细教程

mysql8.0安装

laijiawen2010的专栏 1399

【mysql】新手必备 centos7 安装mysql8

文章目录前言实验环境1. 内核版本2. 操作系统版本：3. 准备mysql数据库及版本：4. 卸载掉机器中mariadb的包5. 关闭selinux和防火墙注意：正式安装mysql1. 下载并配置mysql8.0安装源3. 查看mysql的初始密码，一般在log里4. 使用初始密码登陆数据库：修改成自己后期使用的密码：关于密码的一点小思考1. 思考2. 问题解决总结 前言 在CentOS中默认的数据库是mariadb， 所以安装mysql比以前稍微有了点难度，尤其对于新手来说，看着文档就是做不出来。很无奈

互联网老辛 5198

centos7安装mysql8

将加压出来的文件夹里面的文件全部移动到 /compile/install/mysql/mysql8.4.0 里面，也可以理解为把文件名改为mysql8.4.0。确定一下系统的glibc版本，可以使用以下命令进行查看，当前系统glibc版本：2.17。先将已经下载好的压缩包上传到虚拟机的存放目录里面，然后将压缩包解压到安装目录里面。可以用service mysql status 再次查看mysql启动状态。官网：https://www.mysql.com/将mysql文件夹的所有者和所有组都改为mysql。

lmxnsI的博客 4072

人工智能-CS188 Project 2: Multi-agents

一、项目介绍 项目介绍网页 项目代码下载 本项目是采用Berkeley的CS188课程内容实习二的内容，在这个项目中，我们将为经典版本的Pacman 设计自动算法，包括幽灵。在此过程中，我们将实现 minimax 和 expectimax 搜索并尝试评估函数设计 完成作业只需要完成5个题目，按照项目介绍的步骤进行完成，主要是在multiAgents.py文件中进行补充代码 二、代码详情 1、Question1:Reflex Agent 略 2、Question2:Minimax 套用ppt上的minm

xiten的博客 8286

CentOS7 安装MySQL8

一、MySQL 安装包下载 二、MySQL安装（mysql安装的前置准备工作以及常规安装方式和 非常规安装方式）。

技术进阶从入门到放弃 1800

iOS逆向实战：绕过SSL Pinning抓取ChatGPT设备令牌

在移动应用安全与网络协议分析领域，中间人攻击是一种核心的流量拦截与分析技术。其原理是在客户端与服务器之间插入一个代理节点，通过伪造数字证书来解密和窥探HTTPS加密流量。这项技术的工程价值在于，它使开发者能够调试API、分析通信协议以及实现自动化集成。然而，许多高安全要求的应用（如金融、社交类App）会采用SSL Pinning（证书绑定）技术来抵御此类攻击，这为逆向工程带来了挑战。本文聚焦于一个具体的应用场景：如何针对启用了SSL Pinning的ChatGPT iOS客户端，通过特定的工具链（如Trol

weixin_28235889的博客 978

【JS】自定义上传组件，文件上传与回显，自定义进度条显示（基于element-plus与axios）

公司是做B 端产品的，有sass平台也有源码交付的项目，最近开发了很多小系统，这里记录一下开发遇到的问题。 需要定制一个上传组件，要求可以自定义文件存储路径，自定义可上传的文件类型，限制文件大小等，并且提供基础的文件回显功能，例如上传一张图片到服务器指定目录的`/file`文件夹下面，并且实现可以查看预览的功能。

余浩的博客 1164

Centos7安装配置Mysql8

详细演示Centos7环境下安装配置Mysql8,配置为系统服务,以及远程连接配置等

云创网络工作室官方账号 2446

完整IC设计流程解析&Makefile学习

本文介绍了decorder38项目的文件结构、自动化综合流程和Makefile使用方法。项目包含RTL到GDSII全流程文件，重点关注syn目录中的综合脚本。通过make dc命令运行综合流程，生成网表、约束和时序文件。关键报告如qor.rpt、area.rpt和min_vio.rpt用于分析综合质量、面积和时序。Makefile部分解释了其基本语法、IC设计中的典型结构，包括目标定义、命令执行和特殊声明，强调了其在自动化构建和依赖管理中的重要性。

m0_63352623的博客 856

Centos7安装MySql8出现失败处理

centos7安装mysql8遇到失败处理

weixin_44589878的博客 4429

树莓派教程（基于python编程）--入门篇

一：格式化SD卡 SD卡插入读卡器连接电脑，使用SDFormatter对SD卡进行格式化 （重装烧录也要进行着SD卡格式化操作） 二：下载官方镜像 http://downloads.raspberrypi.org/raspbian_latest 三：烧录SD卡 使用Win32DiskImager将镜像烧录到格式化后的SD卡 SD卡盘根目录（/boot）下新建一个命名为ssh的...

qq_42109746的博客 6万+

【SpringBoot 3.x 第43节】你还敢说 Spring 启动慢是“宿命”？Spring AOT 把启动剧本都提前写死了，你服不服？

🏆本文收录于《滚雪球学SpringBoot 3》，专门攻坚指数提升，本年度国内最系统+最专业+最详细（永久更新）。

**My Coding Family** 544

centOS7安装 Mysql8【详细】

卸载 MariaDB查看系统是否安装了 MySql在windows系统首先去到mysql官网 ：https://dev.mysql.com/downloads/repo/yum/下载mysql源rpm安装包创建好文件夹后，将刚刚在windows下载的 mysql包传输过centOS7来，而我们使用的传输工具是 Xftp 进行传输（不会使用Xftp的百度下即可，很容易的）在centos7中进入创建好的mysql目录，然后查看是否上传过来了上传过来了，就在mysql目录下输入安装命令。

qq_45316925的博客 1162

〖Python网络爬虫实战㊴〗- 极验滑块介绍（一）

我们对这个看到不陌生，现在，大多数平台都是用的是这个平台的验证码，我们今天来学习一下，极验滑块验证码的逆向，其他的都差不多。我们了解到这个平台提供了许多验证的方式。现在大多数还是滑块比较多，滑块验证码是一种常见的验证方式，其主要思路为用户通过拖动滑块来完成验证。具体流程如下：首先，用户需要进行滑块验证码的操作，网站会向用户展示一张图片，图片上通常会有一些随机的文字和背景干扰。用户需要通过鼠标拖动滑块，将其移动到指定位置上，通常是将滑块拖动到图片的相应位置上来完成验证。

爱吃饼干的小白鼠的博客 2881

CentOs7.9安装mysql8教程

参考了https://blog.youkuaiyun.com/one312/article/details/81051023这篇文章以及评论，解决了我误删系统自带Python和yum的问题。 先查下自己的centos的版本： cat /etc/redhat-release

yshir 5592

【Py/Java/C++/C/JS/Go六种语言OD独家2024E卷真题】20天拿下华为OD笔试之【固定滑窗】2024E-考勤信息【欧弟算法】全网注释最详细分类最全的华为OD真题题解

可上练习华子OD、大厂真题绿色聊天软件戳oj1441了解算法冲刺训练（备注【优快云】否则不通过）

weixin_48157259的博客 620

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料，已经经过了本人的筛选和整理，希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助！

CentOS7 上使用 yum 安装 MySQL8

解决报错[root@DESKTOP-07NAKTV /]# systemctl start mysqld Failed to get D-Bus connection: Operation not permitted 在centos7上使用 yum 安装 MySQL8

m0_74841987的博客 1708

温度PID控制PLC程序

温度PID稳定控制程序，适用于欧姆龙PLC，对其他PLC也具有很大参考价值

CentOS7 安装 MySQL8 、Docker 安装 MySQL8

按照提示回答问题，选择是否更改密码策略、删除匿名用户、禁止远程 root 登录等。可以通过在命令行中加入 --nogpgcheck 参数来暂时绕过 GPG 检查。启动时间超过1分钟基本上就是启动成功，然后把端口放开再使用连接工具测试即可。MySQL 安装完成后，初始密码会保存在日志文件中。首先，我们需要添加 MySQL Yum 存储库。MySQL 提供了一个脚本来加强安全性。这里需要注意的是MySQL8的主配置文件目录是。-e：设置环境变量，此处指定root密码。-v：挂载宿主目录到容器目录。

Java老兵的后端进阶与AI前沿探索之路。 2213

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能：商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传，基本资料下载，开钱箱、小票打印、收款结算，支持多币种付款方式（现金、储值卡、礼券、微信等）,支持多种促销。运行环境：.net 4.0登陆信息用户名:1001 密码:123456内置商品信息，商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

CentOS7 下安装mysql8

centos7系统安装mysql8(亲测) （centos是基于红帽系统开发的） step one: .首先卸载centos7中自带的mariadb rpm -qa|grep mariadb //查询出来已安装的mariadb rpm -e --nodeps 文件名 //卸载mariadb,文件名为上述命令查询出来的文件 3.查看是否已经安装了mysql rpm -qa | ...

Alves的博客 1万+
上一篇： Percona Toolkit MySQL主从检查工具安装
下一篇： Centos7 MySql8 集群1主3从搭建
点赞 0
评论 2
书签 书签 0
JavaAlpha
JavaAlpha
博客等级 码龄18年 910粉丝 511原创
+ 关注 专栏目录 订阅专栏
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值