Gitlab介绍与使用

Micky_Yang Micky_Yang 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 4.3k累计阅读 4.4k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8年
关注
原创 最新推荐文章于 2026-02-05 03:46:39 发布 4.3k 阅读 AI 写同款· GEO 优化 ›
【Git基础】Gitlab的使用 本文深入探讨了GitLab的关键功能和使用方法。GitLab是一个基于Ruby on Rails的开源版本管理系统，提供了自托管的Git项目仓库，支持源代码浏览、缺陷管理等功能。我们详细介绍了如何搭建和配置GitLab，以及GitLab的权限管理，包括用户注册、创建用户组、添加用户到用户组、为工程添加访问权限等。最后，我们讨论了如何在GitLab中进行代码审查和团队知识管理，利用Wiki、Issues、Merge Requests等功能进行有效的团队协作。总的来说，GitLab是一个强大的开发工具。 阅读详情

一、版本控制介绍
　　版本控制是指对软件开发过程中各种程序的代码、配置文件及说明文档等文件的变更管理，是软件配置管理的核心思想之一。
　　版本控制最主要的功能就是追踪文件的变更。它将什么时候、什么人更改了什么文件的什么内容等信息忠实的记录了下来。每一次文件的改变，文件的版本号都将增加。除了记录版本变更外，版本控制的另一个重要功能是并行开发。软件开发往往是多人协同作业，版本控制可以有效的解决版本的同步以及不同开发者之间的开发通信问题，提高协同开发的效率。并行开发中最常见的不同版本软件的错误(Bug)修正问题也可以通过版本控制中分支与合并的方法来有效的解决。
　　具体来说，在每一项开发任务中，都需要首先设定开发基线，确定各个配置项的开发初始版本，在开发过程中，开发人员基于开发基线的版本，开发出所需的目标版本。当发生需求变更时，通过对变更的评估，确定变更的影响范围，对被影响的配置项的版本进行修改，根据变更的性质使配置项的版本树能够继续延伸或产生新的分支，形成新的目标版本，而对于不受变更影响的配置规则不应产生变动。同时，应能够将变更所产生的对版本的影响进行记录和跟踪。必要时还可以回退到以前的版本。例如：当开发需求或需求变更被取消时，就需要有能力将版本回退到开发基线版本。在曾经出现过的季度升级包拆包和重新组包的过程中，其实就是将部分配置项的版本回退到开发基线，将对应不同需求的不同分支重新组合归并，形成新的升级包版本。
　　版本控制是软件配置管理的核心功能。所有置于配置库中的元素都应自动予以版本的标识，并保证版本命名的唯一性。版本在生成过程中，自动依照设定的使用模型自动分支、演进。除了系统自动记录的版本信息以外，为了配合软件开发流程的各个阶段。还需要定义、收集一些元数据来记录版本的辅助信息和规范开发流程，并为今后对软件过程的度量做好准备。当然如果选用的工具支持，这些辅助数据将能直接统计出过程数据，从而方便软件过程改进活动的进行。对于配置库中的各个基线控制项，应该根据其基线的位置和状态来设置相应的访问权限。一般来说，对于基线版本之前的各个版本都应处于被锁定的状态，如需要对它们进行变更，则应按照变更控制的流程来进行操作。

二、Gitlab介绍
　　Gitlab是一个用于仓库管理系统的开源项目，使用Git作为代码管理工具，并在此基础上搭建起来的web服务。Gitlab有乌克兰程序员DmitriyZaporozhets和ValerySizov开发，它由Ruby写成。后来，一些部分用Go语言重写，现今并在国内外大中型互联网公司广泛使用。gitlab-ce是它的社区版，gitlab-ee是企业版，是收费的。

Gitlab和GitHub的区别：
相同点：二者都是基于web的Git仓库，在很大程度上Gitlab是仿照GitHub来做的；
　　 　　　 它们都提供了分享开源项目的平台，为开发团队提供了存储、分享、发布
　　 　　　 和合作开发项目的中心化云存储的场所。
不同点：GitHuab如果要使用私有仓库，是需要付费的。Gitlab可以在上面创建私人的免费仓库。
　　　　Gitlab让开发团队对他们的代码仓库拥有更多的控制，相比于Gitlab，它有不少的特色：
　　　　允许免费设置仓库权限;允许用户选择分享一个project的部分代码;允许用户设置project
　　　　的获取权限，进一步的提升安全性;可以设置获取到团队整体的改进进度;通过innersou
　　　　rceing让不在权限范围内的人访问不到该资源。从代码私有性方面来看有时公司并不希
　　　　望员工获取到全部的代码，这个时候Gitlab无疑是更好的选择。但是对于开源项目而言
　　　　，GitHub依然是代码托管的首选。

三、Gitlab的搭建

1）设置gitlab的yum源

[root@agent ~]# cd /etc/yum.repos.d/
[root@agent yum.repos.d]# cat gitlab.repo 
[gitlab-ce]
name=Gitlab CE Repository
baseurl=https://mirrors.tuna.tsinghua.edu.cn/gitlab-ce/yum/el$releasever/
gpgcheck=0
enabled=1
[root@agent yum.repos.d]#

2）安装gitlab

[root@agent ~]# yum install gitlab-ce  -y

gitlab常用的默认安装目录：
　　　　gitlab组件日志路径：/var/log/gitlab
　　　　gitlab配置路径：/etc/gitlab/ 路径下有gitlab.rb配置文件
　　　　应用代码和组件依赖程序：/opt/gitlab
　　　　各个组件存储路径： /var/opt/gitlab/
　　　　仓库默认存储路径 /var/opt/gitlab/git-data/repositories
　　　　版本文件备份路径：/var/opt/gitlab/backups/

3）修改配置文件并初始化Gitlab

[root@agent ~]# vim /etc/gitlab/gitlab.rb
external_url 'http://192.168.126.142'      #把此处的地址修改为本地的ip地址;
[root@agent ~]# gitlab-ctl reconfigure   #初始化Gitlab

gitlab相关命令

gitlab-ctl start #启动全部服务
gitlab-ctl restart#重启全部服务
gitlab-ctl stop #停止全部服务
gitlab-ctl restart nginx #重启单个服务，如重启nginx
gitlab-ctl status #查看服务状态
gitlab-ctl reconfigure #使配置文件生效
gitlab-ctl show-config #验证配置文件
gitlab-ctl uninstall #删除gitlab（保留数据）
gitlab-ctl cleanse #删除所有数据，从新开始
gitlab-ctl tail <service name>查看服务的日志
gitlab-ctl tail nginx  #如查看gitlab下nginx日志
gitlab-rails console  #进入控制台

4）访问gitlab
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

四、从gitlab仓库中推送、拉取文件
1）在主机上生成公钥文件

[root@agent ~]# ssh-keygen -t rsa
[root@agent ~]# cat .ssh/id_rsa.pub 
ssh-rsa AAAAB3NzaC1yc2EAAAADAQABAAABAQCaT9ubTvuvpxLMa0MK6taduHl
MStRkyRSXWan4RFUH9BIKccZweibwfUw+qtSEyOiKhjckXEjtm2yEltP2WZlySMuZ6c
lM5XjKFJlD5YMW/DroGhHDIeCSVnX4xFPNJgRf3KtK8XhCBawSyuI9f/4vj1gmdR14K
mRhE+LY4hZmZKHEHZJEPNsZTe29NHLPzVlttit3BHLc8CT6MKaXom/wVTtRuFWrb
vPW/eG8cgTUfhr7dUXPEfrplvtxZ/TbYB7Sj5eMRXZt4SA/k8BvwvUPI6+2rIQwdoblYN
vCPBi5rclsuc37TYg2V1r6EOcYcKkMz4kXL5DlCl3oaCznMbxH root@localhost.localdomain

2）把公钥文件复制到gitlab上
在这里插入图片描述
3）配置git并添加远程仓库

[root@agent ~]# mkdir /githome
[root@agent ~]# cd /githome
[root@agent githome]# git init 
[root@agent githome]# git config --global user.name "jyy"
[root@agent githome]# git config --global user.email "jyy@163.com"
[root@agent githome]# git remote add origin git@192.168.126.142:root/test.git
[root@agent githome]# echo "Hello Gitlab"  >> aaa.txt 
[root@agent githome]# git add aaa.txt 
[root@agent githome]# git commit -m"Add aaa.txt"
[master (root-commit) f73b719] Add aaa.txt
 1 file changed, 1 insertion(+)
 create mode 100644 aaa.txt
[root@agent githome]# 
[root@agent githome]# git push -u origin master           
Counting objects: 3, done.
Writing objects: 100% (3/3), 213 bytes | 0 bytes/s, done.
Total 3 (delta 0), reused 0 (delta 0)
To git@192.168.126.142:root/test.git
 * [new branch]      master -> master
Branch master set up to track remote branch master from origin.

在这里插入图片描述
在这里插入图片描述
4）从仓库拉取文件

[root@agent githome]# ls
aaa.txt
[root@agent githome]# rm aaa.txt 
rm: remove regular file ‘aaa.txt’? y
[root@agent githome]# ls
[root@agent githome]# git clone git@192.168.126.142:root/test.git 
Cloning into 'test'...
remote: Enumerating objects: 3, done.
remote: Counting objects: 100% (3/3), done.
remote: Total 3 (delta 0), reused 0 (delta 0)
Receiving objects: 100% (3/3), done.
[root@agent githome]# ls 
test
[root@agent githome]# cat test/aaa.txt 
Hello Gitlab
[root@agent githome]#
收录于
运维系列

当前文章被收录于：

运维系列
38 篇文章 0 人学习

运维

订阅专栏 查看详情
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。
gitlab介绍安装及功能全部介绍 gitlab介绍与安装 我们了解git是以个人为中心，但是人人都得数据交互呀。Python程序员每天都忙着进行交易 交互式数据的方式 ● 使用github或者码云等公有代码仓库，托管代码的地方，谁都可以看 ● 公司内部使用github私有仓库 github****和gitlab的区别 ● gitthub国外公公仓库不安全，国内的码云仓库，可能会暴露自己公司代码机密，等着被开除吧。 ● 自建gitlab私有代码仓库，更加安全 ● 从代码私有性方面来看，公司不希望员工随意获取全部代码，使用gitlab无疑是最好 阅读详情

相关推荐

GitLab CI/CD 介绍和使用

一、持续集成介绍 持续集成是一种软件开发实践，即团队开发成员经常集成他们的工作，通常每个成员每天至少集成一次，也就意味着每天可能会发生多次集成。每次集成都通过自动化的构建（包括编译，发布，自动化测试)来验证，从而尽快地发现集成错误。许多团队发现这个过程可以大大减少集成的问题，让团队能够更快的开发内聚的软件。—— Martin Fowler 1 概念 持续集成(Continuous Integ...

程序员野蛮成长 1931

gitlab介绍及使用

一、gitlab介绍 前边介绍过CentOS7下Gitlab的安装，下边就要说说Gitlab的使用 GitLab 是一个用于仓库管理系统的开源项目，使用Git作为代码管理工具，并在此基础上搭建起来的web服务。GitLab由乌克兰程序员DmitriyZaporozhets和ValerySizov开发，它由Ruby写成。后来，一些部分用Go语言重写，现今并在国内外大中型互联网公司广泛使用。 ...

星空的风fly 8万+

大模型-高通qnn基础

提供较低级别、高度可定制的统一API，通过单独的库加速所有AI加速器核心上的AI模型, 可以直接用于针对特定的加速器核心或从流行的运行时（包括Qualcomm Neural Processing SDK、TensorFlow Lite和ONNX运行时）委派工作负载。一个支持异构计算、系统级配置的一体化SDK，旨在将AI工作负载引导到我们平台上的所有加速器核心。为开发人员提供灵活性，包括核心间协作支持和其他高级功能。是一个为训练好的神经网络模型提供高级量化和压缩技术的库。

点滴的岁月 4093

gitlab使用简介

一、简介 （1）版本控制定义 版本控制（Revision Control）是指软件开发中各种程序代码、配置文件及说明文档等文件变更的管理，是软件配置管理的核心思想之一，是一种方便查看历史变更记录，备份以便恢复以前的版本的软件工程技术。 简而言之：用于管理多人协同开发项目的技术 （2）版本控制的作用 忽视版本控制将产生诸多问题： 软件代码的一致性、软件内容的冗余、软件过程的事务性、软件开发过程中的并发性、软件源代码的安全性、以及软件的整合等问题 主要功能： 实现跨区域多人协同开发 追踪和记载一个或者多个文件的

qq_44801116的博客 873

Qt Coordinate System

Qt 坐标系统Qt 坐标系统 数学基础 Qt坐标系统 视口 平移变换 缩放变换 setWindow 旋转 总结数学基础 矩阵与线性变换坐标系变换Qt坐标系统 视口和OpenGL一样，视口确定了画面在窗口(QWidget)中显示的区域，Qt的绘图坐标会完全映射到视口(View port)上，就像图示一样。默认情况下，窗口和视口是重合的，视口的大小覆盖了整个窗口。和OpenGL一样，Qt的QPa

unclerunning的博客 1151

Marin说PCB之LPDDR5的布线注意事项--03

这个规则中是把每个字节中的WCK to RDQS 以及DM / DQ to WCK等长规则都加到了DM / DQ这个等长规则中去了，因为芯片手册上的设计要求中的DM / DQ这个group的等长误差是+-50MIL， WCK to RDQS的等长group的规则是62.5MIL，DM / DQ to WCK等长group的规则是相对松一些是150MIL。其实上面的等长规则还是建少了一些的，例如手册上要求的每个channel的WCK0:1，WCK2:3等长误差在+-488MIL，这个规则建议还是补上去吧。

weixin_45223454的博客 1229

GitLab

GitLab 一.GitLab简介 二.GitLab 的配置与使用……

Promise Sun special column 4630

【GNSS测试技术（一）】GNSS基础原理介绍

GNSS（全球卫星导航系统）是一种基于卫星信号的定位技术，通过使用分布在地球轨道上的卫星，为用户提供全球范围内的定位、导航和授时服务。

新猿异码的博客 5752

Gitlab介绍

GitLab是一个流行的版本控制系统平台，主要用于代码托管、测试和部署。GitLab是基于Git的一个开源项目，它提供了一个用于仓库管理的Web服务。GitLab使用Ruby on Rails构建，并提供了诸如wiki和issue跟踪等功能。它允许用户通过Web界面访问公开或私有的项目，并能够管理团队对仓库的访问权限。此外，GitLab还支持持续集成（CI）和持续部署（CD），使其成为软件开发过程中的重要工具。版本控制。

weixin_44227567的博客 5525

ESP32实战指南：SPI驱动ADXL345三轴加速度传感器的精准数据采集与姿态解算

本文详细介绍了如何使用ESP32通过SPI接口驱动ADXL345三轴加速度传感器，实现精准数据采集与姿态解算。从硬件连接到SPI通信优化，再到数据处理和低功耗策略，提供了全面的实战指南。特别适合物联网开发者和硬件工程师参考，帮助快速掌握传感器数据采集技术。

vim8coder的博客 1042

关于YOLOv8的面试题(持续更新中...)

本章将计划更新关于YOLOv8中可能会成为面试题的关键技术点，计划持续更新，可能想到合适的问题我就会整理下更新到本博客中。

ice 4167

GitLab介绍与使用

1 GitLab简介 GitLab是由GitLabInc.开发，使用MIT许可证的基于网络的Git仓库管理工具，且具有wiki和issue跟踪功能。使用Git作为代码管理工具，并在此基础上搭建起来基于局域网的web服务。 GitLab由乌克兰程序员Dmitriy Zaporozhets和Valery Sizov开发，它使用Ruby语言写成。后来，一些部分用Go语言重写。截止2018年5月，该公司约有290名团队成员，以及2000多名开源贡献者。GitLab被IBM，Sony，JülichResearchCe

Apple-yeran 的博客 1万+

AutoSAR系列讲解 - 前言

博主xyfx是一名汽车行业的嵌入式软件工程师，本职工作是同步电机的驱动控制（主要做FOC的，这个大家要是有兴趣，以后可以单独开一个专栏来讲解一下），由于做控制器的时候需要用到AutoSAR，所以特意的去学习了相关知识，同时博主自己也在同步提高中，有写的不合理的地方也请大家指正。我准备对AutoSAR开设两个大的方面来讲解，一是AutoSAR的入门篇，二是AutoSAR的实践篇，分别讲述AutoSAR的理论基础和工具的使用。

雪云飞星的博客 4万+

Gitlab CI/CD 简单介绍

基础概念 CI： CD : DevOps： Job Pipeline

wangjiang 3万+

MyBatis-Plus 实战：敏感字段自动加解密支持模糊查询

本文基于MyBatis-Plus框架提出了一种全链路敏感字段加密方案。通过自定义TypeHandler实现数据入库自动加密和查询自动解密，结合重写LambdaQueryWrapper处理查询条件加密，并适配多种查询方式。方案核心包括：1）AESUtil工具类提供加解密基础能力；2）EncryptTypeHandler实现字段类型转换；3）实体类通过注解配置加密字段。该方案在保证数据安全的同时，对业务代码侵入性小，支持姓名、手机号等敏感信息的全流程加密处理，满足系统开发的安全需求。

蔡定努 596

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox（带书签），MATLAB统计学习工具

关于公司Gitlab使用介绍和操作简单介绍

Gitlab使用介绍 一．公司 Gitlab 代码平台 Gitlab 代码平台为公司的主要代码仓库，请使用自己的Email 注册账号（用户名称要求中文真实姓名）；注册完成后联系技术主管添加相应的 group。网址如下： https://git.qdbdtd.com/ 步骤如下： 开发机安装 git （window 平台安装 git）-->建立.ssh 信任关系 本机登陆git Bash 终端，如图1、图2，图3。 图1 在 Gitlab 页面上添加...

洛阳泰山的博客 5311

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术，以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索，主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式，计算机控制系统的数学描述与基本分析方法，以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

Gitlab介绍及使用

Gitlab介绍及使用 文章目录Gitlab介绍及使用1.gitlab介绍2.gitlab安装2.1 配置gitlab的URL2.2 配置gitlab的邮箱2.3 关闭不用的程序2.4 gitlab初始化2.5 配置Hosts解析，访问网站2.6 验证邮箱功能是否有用3.gitlab汉化4.gitlab日常使用4.1 git修改为ssh连接方式4.2 gitlab备份4.3 gitlab出现问题恢复4.4 gitlab升级4.5 Gitlab更改默认Nginx4.6 gitlab迁移 1.gitlab介绍

每天进步一点点！！！ 908

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")

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

gitlab运用与介绍

gitlab1. 版本控制介绍2.gitlab部署3. gitlab网站常用操作3.1 创建用户3.2 创建组3.3 创建项目 1. 版本控制介绍 版本控制是指对软件开发过程中各种程序代码、配置文件及说明文档等文件变更的管理，是软件配置管理的核心思想之一。 版本控制最主要的功能就是追踪文件的变更。它将什么时候、什么人更改了文件的什么内容等信息忠实地了记录下来。每一次文件的改变，文件的版本号都将增加。除了记录版本变更外，版本控制的另一个重要功能是并行开发。软件开发往往是多人协同作业，版本控制可以有效地解决版本

yeqixian123456的博客 341

gitlab 介绍与使用

开源仓库之gitlab

weixin_47252600的博客 1414

GitLab分支介绍

GitLab简介： GitLab是由GitLabInc.开发，使用MIT许可证的基于网络的Git仓库管理工具，且具有wiki和issue跟踪功能。使用Git作为代码管理工具，并在此基础上搭建起来的web服务。 GitLab由乌克兰程序员DmitriyZaporozhets和ValerySizov开发，它由Ruby写成。后来，一些部分用Go语言重写。截止2018年5月，该公司约有290名团队成员，以...

DYZ的博客 1万+

GitLab介绍及Docker部署GitLab

GitLab 是一个基于 Git 的开源分布式版本控制系统，最初由荷兰开发者 Dmitriy Zaporozhets 和 Valery Sizov 于 2011 年创建。它不仅是代码托管平台，更是一个集成了 DevOps 全生命周期管理的协作工具，帮助团队实现从代码开发、测试、部署到运维的全流程自动化。截至 2025 年，GitLab 已成为全球最受欢迎的 DevOps 平台之一，被广泛应用于企业级软件开发，例如微软、IBM、NASA 等机构均在使用。回到顶部。

weixin_36946442的博客 289
上一篇： Dockerfile命令详解
下一篇： Docker的网络模式
点赞 0
评论 1
书签 书签 12
Micky_Yang
Micky_Yang
博客等级 码龄8年 58粉丝 143原创
+ 关注 专栏目录 订阅专栏
评论 1
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