linux基础(八)openssh-server

安装openssh-server 今天在自己非常老的明基笔记本上装了个ubuntu11.10,想把这个笔记本打造成linux服务器,这样就可以用putty在PC上登录就行了。 结果有ssh登录失败了,一般默认就能登录的,看网上说还是需要安装一个openssh-server. 所以就 sudo apt-get install openssh-server. 居然没找到这个软件,里面只有openssh-client. 所以就用s 阅读详情
openssh-server

[客户端station:172.25.254.48,

服务端redhat(被远程):172.25.254.148]

一、功能

让远程主机可以通过网络访问sshd服务,开始一个安全shell

二、客户端连接方式

1.ssh    远程主机用户@远程主机ip
[root@station Desktop]# ssh root@172.25.254.148

The authenticity of host '172.25.254.148 (172.25.254.148)' can't be established.
ECDSA key fingerprint is a5:b4:2c:dd:e6:9c:2f:b4:9e:26:0a:7e:8c:5f:75:e6.
Are you sure you want to continue connecting (yes/no)? yes            ##连接陌生主机时需要建立认证关系
Warning: Permanently added '172.25.254.148' (ECDSA) to the list of known hosts.
root@172.25.254.148's password:                                                        ##远程用户密码  
Last login: Tue Nov 14 17:17:20 2017 from 172.25.254.48
[root@redhat ~]#                                                                                          ##登陆成功
2.ssh 远程主机用户@远程主机ip -X                ##调用远程主机图形工具

3.ssh     远程主机用户@远程主机ip        command        ##直接在远程主机运行某条命令

[root@station Desktop]# ssh root@172.25.254.148 touch /root/Desktop/file
root@172.25.254.148's password:
##远程创建文件,成功了


三、sshkey加密

服务端:

1.生成公钥私钥

[root@redhat ~]# ssh-keygen                                                              ##生成公钥私钥的工具
Generating public/private rsa key pair.
Enter file in which to save the key (/root/.ssh/id_rsa):[enter]          ##加密字符保存文件(建议用默认)
Enter passphrase (empty for no passphrase):[enter]                     ##密钥密码,必须>4个字符(建议不设,否则一会远程连接还需要输入这个密码)
Enter same passphrase again:[enter]                                                ##确认密码
Your identification has been saved in /root/.ssh/id_rsa.
Your public key has been saved in /root/.ssh/id_rsa.pub.
The key fingerprint is:
df:7d:d0:d4:63:76:45:da:57:cc:a5:ff:5f:ba:88:bc root@redhat
The key's randomart image is:
+--[ RSA 2048]----+
|               +*|
|               +*|
|              o+*|
|              o++|
|        S     . o|
|         . . . ..|
|          . . . +|
|         . . . oo|
|          E.. o..|
+-----------------+
[root@redhat ~]# ls /root/.ssh/
id_rsa  id_rsa.pub

###id_rsa        ##私钥,就是钥匙
###id_rsa.pub    ##公钥,就是锁
2.添加key认证方式
[root@redhat ~]# ssh-copy-id -i /root/.ssh/id_rsa.pub root@172.25.254.148
The authenticity of host '172.25.254.148 (172.25.254.148)' can't be established.
ECDSA key fingerprint is a5:b4:2c:dd:e6:9c:2f:b4:9e:26:0a:7e:8c:5f:75:e6.
Are you sure you want to continue connecting (yes/no)? yes         ##确认
/usr/bin/ssh-copy-id: INFO: attempting to log in with the new key(s), to filter out any that are already installed
/usr/bin/ssh-copy-id: INFO: 1 key(s) remain to be installed -- if you are prompted now it is to install the new keys
root@172.25.254.148's password:                                                     ##输入root用户密码
Number of key(s) added: 1
Now try logging into the machine, with:   "ssh 'root@172.25.254.148'"
and check to make sure that only the key(s) you wanted were added. ####这条命可以生成authorized_keys将id_rsa.pub中的内容加到/root/.ssh/authorized_keys文件中
[root@redhat ~]#

参数说明:

ssh-copy-id        ##添加key认证方式的工具

-i                           ##指定加密key文件
/root/.ssh/id_rsa.pub    ##加密key
root                      ##加密用户为root
172.25.254.148        ##被加密主机ip
3.分发钥匙给client主机
[root@redhat ~]# scp /root/.ssh/id_rsa root@172.25.254.48:/root/.ssh/
tip:如果172.25.254.48这台主机通常需要ssh多台电脑,可以将来自不同电脑的私钥文件id_rsa改成不同的名字即可保证多个私钥都存在并且全部可以正常使用
4.测试
[root@station Desktop]# ssh root@172.25.254.148           ##通过id_rsa直接连接不需要输入用户密码
Last login: Tue Nov 14 18:17:41 2017 from 172.25.254.48
[root@redhat ~]#
四、提升openssh的安全级别
1.openssh-server配置文件
/etc/ssh/sshd_config
78 PasswordAuthentication yes|no        ##是否开启用户密码认证,yes为支持no为关闭
48 PermitRootLogin yes|no                    ##是否允许超级用户登陆
49 AllowUsers student redhat               ##用户白名单,只有在名单中出现的用户可以使用sshd建立shell
50 DenyUsers linux                                  ##用户黑名单
2.控制ssh客户端访问
vim /etc/hosts.deny
sshd:ALL        ##拒绝所有人链接sshd服务
vim /etc/hosts.allow
sshd:172.25.254.250    ##允许250主机链接sshd
sshd:172.25.254.250, 172.25.254.180    ##允许250和180链接
sshd:ALL EXCEPT 172.25.254.200        ##只不允许200链接sshd
3.ssh登陆提示修改该
vim /etc/motd        ##显示登陆后字符
hello world        ##在登陆后就会显示这个字符
Windows Server OpenSSH密钥登录配置全攻略:从原理到实践避坑指南 SSH(Secure Shell)是一种广泛用于远程登录和管理的网络协议,其核心原理是通过非对称加密技术实现身份认证与数据加密。在Linux环境中,基于密钥的认证方式因其高安全性和便利性已成为运维标准实践。然而,在Windows Server环境下,OpenSSH的部署与配置存在诸多特殊性,尤其是权限模型和服务行为与Linux存在显著差异。本文聚焦于Windows Server 2019/2022平台,深入解析OpenSSH Server密钥登录的完整配置流程。文章将详细阐述Windows特有的权限机制(如 阅读详情

相关推荐

如何部署Linux系统openssh服务

OpenSSH Server(openssh-server)是一个免费的、开源的SSH(Secure Shell)协议实现,它提供了一种安全的方式来管理远程服务器、传输文件以及执行远程命令。其主要功能是让远程主机可以通过网络访问sshd服务,从而开始一个安全的shell会话。通过SSH协议,用户可以在本地计算机与远程计算机之间建立一个加密的会话,确保数据传输的安全性。

qq_37330657的博客 778

linux安装ssh-server,linux下安装openssh-server

系统是ubuntu14.04,系统默认安装了openssh-client,但没有安装openssh-server,需要手动安装终端输入:sudo apt-get install openssh-server下载openssh-server但出现下列提示:正在读取软件包列表... 完成正在分析软件包的依赖关系树正在读取状态信息... 完成有一些软件包无法被安装。如果您用的是 unstable 发...

weixin_35747051的博客 2680

OpenSSH Server与SFTP配置实战指南

SSH(Secure Shell)协议作为网络安全通信的基石,通过加密通道实现远程登录和文件传输。其子协议SFTP(SSH File Transfer Protocol)继承了SSH的安全特性,无需额外配置TLS/SSL即可实现加密传输,成为替代传统FTP的首选方案。OpenSSH作为最广泛使用的SSH实现,内置SFTP子系统,可快速搭建企业级文件传输服务。在Linux服务器运维中,通过配置ChrootDirectory实现用户隔离,结合密钥认证和权限管理,可构建高安全的文件交换系统。典型应用场景包括网络设

weixin_34289454的博客 392

linux下安装openssh-server

系统是ubuntu14.04,系统默认安装了openssh-client,但没有安装openssh-server,需要手动安装 终端输入: sudo apt-get install openssh-server 下载openssh-server 但出现下列提示: 正在读取软件包列表... 完成 正在分析软件包的依赖关系树 正在读取状态信息... 完成

八行书 1万+

Windows Server当跳板机?手把手配置OpenSSH Server实现安全内网穿透与管理

本文详细介绍了如何将Windows Server配置为SSH跳板机,实现安全内网穿透与管理。通过企业级安全配置、OpenSSH Server的加固、多级跳转优化以及PowerShell Remoting的协同应用,提升混合云环境下的运维效率与安全性。特别适合需要统一管理Windows和Linux服务器的企业IT团队。

【洪波@阿里云】 349

中国30米分辨率城市建成区数据集 (1972-2023年)

全国城市建成区空间分布数据(1972-2023年),利用Google Earth Engine平台,基于Landsat系列遥感影像提取了1972–2023年城市不透水面,后经过不透水面聚集密度计算方法计算了不透水面聚集密度,通过阈值划分提取了城市建成区,并设置了建成区面积阈值,去除了噪点,获取了全国城市建成区空间分布数据集。该提取能准确刻画城市形态,提取精度高,保持了建成区的完整性。数据集包括41期数据,1972年,1978年,1985-2023年逐年,分辨率为30米,有栅格和矢量两种格式。

地球资源数据云的官方博客 5825

linux服务器openssh怎么安装,Ubuntu下手动安装OpenSSH Server

本例以Ubuntu 9.10为例,由于系统版本旧了,失去了在线下载安装的支持,所以只能手工安装了。这里我们需要这几个安装包(下载里面都有):zlib-1.2.5.1.tar.gz、openssl-0.9.8o.tar.tar、 openssh-5.6p1.tar.gz。相关文件下载在Linux公社的1号FTP服务器里,下载地址:用户名:www.linuxidc.com密码:www.muu.cc在 ...

weixin_27146053的博客 727

eDP/DP接口简介

目前,在视频传输协议以及接口领域,外部接口主要是DP与HDMI两分天下,当然之前出现过很多接口-VGA, DVI等等,最新平台基本以这两个为主;笔记本内部接口就基本上使用eDP((Embedded Display Port))作为标准接口来驱动液晶屏了。那么问题来了,eDP和DP,是完全兼容的么?eDP,DP,HDMI,这三种接口的显示器,可以插在同一个接口上使用么?这篇文章,就会从硬件和一部分协议的角度分析一下这三大协议。

weixin_50518899的博客 2万+

linux中openssh服务搭建,配置OPenSSH服务器

一、安装机配置OPenSSH服务器1、安装与启动OpenSSH首先查询系统是否安装了与OpenSSH相关的软件包:#rpm -qa| grep openssh安装完成后,可以使用下述命令启动:#servicesshd start查看opensshd进程和端口号是否正常,使用下面命令:#netstat-nutap | grep sshd; ps -ef | grep sshd如果需要在系统启动时就自...

weixin_31014025的博客 3089

海思MIPI屏调试实战:从参数计算到点亮屏幕的完整指南

本文提供了一份海思平台MIPI屏幕调试的完整实战指南。文章以Hi3516DV300调试800x1280分辨率屏幕为例,详细讲解了从参数计算、配置文件修改到最终点亮屏幕的全流程,并分享了常见问题排查与进阶优化技巧,旨在帮助嵌入式开发者高效解决MIPI屏调试难题。

weixin_29190573的博客 740

【Out-of-Distribution Detection】Evidential Deep Learning in NeurIPS 2018 个人理解

核心思想是将分类器的概率输出视为一个狄利克雷分布(Dirichlet Distribution)并替换,之后引入两个损失分别负责保证预测结果准确性和提升被错误分类的样本的不确定性。

研究兴趣:开放集识别、开放世界识别、新类发现、增量学习、少样本学习 2436

Ubuntu下安装OpenSSH Server并在客户端远程连接Ubuntu

Ubuntu 下安装 OpenSSH Server有三种方法:   方法一(最麻烦的方式):手动安装             具体方法及所需的安装包可以参照http://packages.ubuntu.com/lucid/openssh-server           我个人不推荐这种方式,因为OpenSSH Server需要很多的依赖包,如果手动安装起来相当麻烦。     方法

酒樽舞曲的博客 7235

Hi3516CV610开发板实战:从零搭建智能视觉监控系统

本文详细介绍了从零开始基于Hi3516CV610开发板搭建智能视觉监控系统的完整实战流程。涵盖硬件连接、系统配置、摄像头集成、网络设置、固件烧录到视频处理与智能分析功能开发,提供了丰富的实践经验和调试技巧,帮助开发者快速掌握嵌入式视觉系统开发。

vvv99的博客 566

Linux下的openssh-server

1.openssh-server 功能:让远程主机可以通过网络访问sshd服务,开始一个安全shell 2.客户端连接方式 ssh    远程主机用户@远程主机ip [root@desktop0 ~]# ssh root@172.25.75.20 The authenticity of host '172.25.75.20 (172.25.75.20)' can't be establish...

lm236236的博客 512

AWR2243的等效相位中心与虚拟通道

在俯仰维方向上,不重合的虚拟通道有8个,排序为1:4,9:12。每个虚拟阵元之间的间隔为lambda/2。实际y轴方向虚拟阵列只跨越了8*lambda/2的距离。等效相位中心与虚拟通道类似,只是每个相位中心之间间隔为lambda/4,实际y轴方向等效相位中心只跨越了8*lambda/4=7.59mm的距离

qq_50974341的博客 1983

python基础:工作会用到的90%的python代码都在这了(万字详解!)

Python 备忘单是 Python 3 编程语言的单页参考表 著名的“Hello World”程序在 Python 中的实现 Python 不能在没有赋值的情况下声明变量 变量可以存放不同类型的值 内置数据类型 序列指一批有序的元素,集合指一批无序且不重复的元素查看: 数据类型 查看: 字符串 查看: 列表 查看: 判断 查看: 循环 查看: 函数 查看: 文件处理 表示 x 和 y 的商, 表示 x 和 y 的底商,另见 StackOverflow f-字符串 (Python 3.6+) 查看

数据知道的博客 1万+

openssh升级步骤_Linux OpenSSH升级方案

由于Linux服务器SSH版本过低,会遇到如下OpenSSH安全漏洞(建议:升级至最新版)前期准备:a.关闭防火墙,防止其他同地址端机器无法telnet连接至升级SSH的机器。b.开启telnet服务(此处是为了防止SSH升级失败,导致无法连接至服务器)1)使用命令查看已经安装的telnet包。通常telnet包是系统默认安装的,做为客户端,telnet-server包需要自行安装,做为服务端。2...

weixin_29353947的博客 8139

从 SAP GUI 到 API 自动化,为什么 SAP 团队必须把 API 拉到路线图中央

摘要: SAP项目正从传统手工操作转向API驱动,以应对业务敏捷性需求。API不仅是技术接口,更是核心业务能力的标准化封装,助力自动化、低代码、AI集成和系统升级。通过SAP Business Accelerator Hub等工具,企业可复用标准API替代定制开发,减少技术债。API还赋能自动化平台、实时集成和AI Agent执行,确保安全治理与审计追踪。未来,API将成为企业系统与AI交互的核心桥梁,缺乏API将迫使业务依赖脆弱的UI自动化方案。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 304

linux升级openssh提示密码错误,Linux升级openssh及问题总结

系统版本:[root@db ~]# uname -aLinux db 2.6.32-431.el6.x86_64 #1 SMP Sun Nov 10 22:19:54 EST 2013x86_64 x86_64 x86_64 GNU/Linux[root@db ~]# cat /etc/redhat-releaseRed Hat Enterprise Linux Server release 6...

weixin_39875832的博客 4829

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

linux下如何离线安装openssh,Ubuntu离线安装openssh-server

许三爷说,Ubuntu的离线安装跟屎一样。最近的经历让我对如此不逊的言语十分赞同。那屎一样的离线安装。联网的日子里,安装openssh-server只需要执行:sudo apt-get install open-server即可,工具会自动解决依赖问题。没有安装的依赖会自动安装。Windows的日子中,一个安装包,下一步,下一步,搞定。可是离线的Ubuntu要怎么安装openssh-server呢...

weixin_31742467的博客 3564

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")

误删openssh-server删除,复原操作

为什么80%的码农都做不了架构师?>>> ...

weixin_34290390的博客 972

Linux学习:openssh-server

1.openssh-server功能:让远程主机可以通过网络访问sshd服务,开始一个安全shell2.客户端连接方式ssh    远程主机用户@远程主机ip下面用两台虚拟机做实验。1)为区分两台主机,先将其主机名改下。命令:hostnamectl set-hostname 新的主机名2)使用ifcofig命令查看本机ip可以看到,server0主机的ip为172.25.254.207,deskt...

Lislie_chen的博客 4620

Linux OpenSSH升级

安装telnet-server以及xinetd,防止openssh升级失败导致无法远程连接服务器。配置telnet登录的终端类型,在/etc/securetty文件末尾增加一些pts终端,如下。1.官网下载https://www.openssh.com/releasenotes.html。启动telnet服务,并使用telnet连接至服务器。查看当前服务器zlib、openssl信息。输入服务器用户名和密码。2.上传服务器,并解压。

weixin_43620122的博客 557
上一篇: linux练习题1
下一篇: linux基础(九)系统日志
ToryCode
博客等级 码龄3年 44粉丝 130原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 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