解决Docker在pull的时候报错Get https://registry-1.docker.io/v2/: net/http: request canceled (Client.Timeout e

本文介绍了在尝试从Docker仓库拉取镜像时遇到的网络超时错误,包括尝试更换镜像源和手动指定仓库的方法。在修改配置文件并重启后,问题仍未解决,但通过手动指定仓库成功完成了镜像拉取。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在从Docker上pull镜像的时候遇到了如下问题:
Get https://registry-1.docker.io/v2/: net/http: request canceled (Client.Timeout exceeded while awaiting headers)

该问题为网络原因 连接不通

解决方法:换源

修改/etc/docker/daemon.json文件
该文件用于配置项目参数 默认是不存在的 需要自己创建

vi /etc/docker/daemon.json

里面是空的
在这里插入图片描述
然后导入镜像仓库

Docker 官方中国区:https://registry.docker-cn.com
网易:http://hub-mirror.c.163.com
中国科技大学:https://docker.mirrors.ustc.edu.cn
阿里云:https://pee6w651.mirror.aliyuncs.com

"registry-mirrors":["https://pee6w651.mirror.aliyuncs.com"]

在这里插入图片描述
保存 关闭

最后 重启即可

systemctl daemon-reload 
systemctl restart docker
然而 我修改后还是从docker.io下载 还是报错

最终 我用了另一种方法:手动指定仓库

该方法意为在pull的同时指定仓库

docker pull 仓库名/镜像名:版本号

例:

docker pull docker.mirrors.ustc.edu.cn/library/mysql

在这里插入图片描述

成功

---------------------------------------------------------------------------2020.03.23更新---------------------------------------------------------------------------

又试着从官方仓库pull了一下 惊奇地发现竟然能下载了 而且速度还不慢
在这里插入图片描述
可能有时候网络不太行 就下载不了 只能看脸了 😃


### 比较DeepSeek与ChatGPT的功能差异 #### 功能特性对比 DeepSeek 和 ChatGPT 是两个不同的多模态对话模型,各自具备独特的功能和技术特点。 对于 DeepSeek 而言,该模型强调了其在处理复杂文本推理方面的能力。具体来说,采用多跳图卷积网络以及高阶切比雪夫近似技术来增强对文本的理解能力[^1]。这种架构使得 DeepSeek 特别擅长于捕捉文档内部结构化信息之间的关系,并能够更深入地理解语义层次上的联系。 相比之下,ChatGPT 的设计则更加注重通过精心构建提示词(prompt)来进行交互优化[^3]。有效的提示工程可以显著提高模型的表现力,确保生成的回答不仅连贯而且紧密贴合上下文环境;同时还能引导系统按照预期目标进行回应。此外,ChatGPT 还展示了强大的跨领域适应性和灵活性,在多种不同类型的任务中均能取得良好效果[^2]。 #### 技术实现方式 - **DeepSeek**: 利用了先进的图形神经网络框架,特别是针对自然语言处理任务进行了专门定制化的改进。这种方法有助于更好地建模实体间的关系并挖掘潜在模式。 ```python import torch class MultiHopGCN(torch.nn.Module): def __init__(self, input_dim, hidden_dims, num_hops=2): super(MultiHopGCN, self).__init__() layers = [] current_dim = input_dim for i in range(num_hops): layer = GCNLayer(current_dim, hidden_dims[i]) layers.append(layer) current_dim = hidden_dims[i] self.layers = torch.nn.Sequential(*layers) def forward(self, x, adj_matrix): h = x for layer in self.layers: h = layer(h, adj_matrix) return h ``` - **ChatGPT**: 主要依赖大规模预训练加微调策略,利用大量无标注数据作为基础资源完成初步学习过程之后再基于特定应用场景下的少量有标签样本进一步调整参数配置以达到更好的泛化能力和针对性表现。 #### 应用场景适用性 由于两者的技术路线存在明显区别,因此它们分别适用于不同类型的业务需求: - 当面对涉及深层次逻辑关联分析的需求时,比如法律文件解析、科研论文综述撰写等场合下,DeepSeek 可能会提供更为精准的支持; - 如果项目侧重于广泛话题交流互动或是创意内容创作,则 ChatGPT 凭借其出色的通用性和易用性的优势或许更能满足实际要求。
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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