阿里云完成Web开发环境

在阿里云服务器搭建Java Web环境 一、登录云服务器 在购买ECS服务器后,系统会创建一个ECS实例。每一个ECS实例对应一台已购买的云服务器。您可以通过电脑上自带的终端工具访问云服务器,进行应用部署和环境搭建。 使用工具:Xshell、winSCP 1.打开Xshell,新建连接 名称任意,协议SSH,主机就是购买服务器实例中的共有地址(第二张图中),端口默认22 共有ip地址 2.用户身份验证 如下图,用户名root,密码是实例密码,并不是远程连接密码(下图中粗红线框那个) 实例密码和远程连接密码... 阅读详情

我们要部署的网站是 http://zlingspace.com

专注于众包的网站,理念是我们的程序猿遍布天下。所以在这个基础上,我们对服务器的稳定还有安全性可靠性的要求非常之高。

首先在阿里云上必须有一台自己的服务器,我装的Linux操作系统,非常的稳定高效,那我们就谈谈选择阿里云

选择阿里云

我就是看中了阿里云的高可用性 网站最重要的就是高可用性了,以及数据的安全,如果哪个IDC动不动数据就全部丢失了,我想没哪个站长敢用,其实我之前和很多站长一样,都是对国内的IDC有偏见的。这也是我为啥第一个网站是选择国外的虚拟主机。其实在很多站长的眼里,国外的那些大的IDC才靠谱,数据放在他们那里才不会丢失。所以Linode这样的VPS以及像Hostmonster这样的虚拟主机商才被国内的人看好,说实话,他们做的确实不错,我这些都用过,数据真没有丢失过。 

刚开始用阿里云的时候,说实话,我对阿里云也是不放心的,所以我的数据全部通过rsync同步到了国外的AWS上,每天一备份,数据库也做了主从同步。后来当我用了一年多,以及对阿里云的了解更加深入之后,我才发现,我的担心多余了。 

先要从架构角度去说。好吧,又要谈到架构了,很多站长可能不知道,阿里云的云主机是架构在非常着名的飞天云计算系统上。你可能不知道,但是了解架构的技术员都会知道,这是淘宝、天猫等都在用的底层架构,你有看到过淘宝和天猫挂掉吗?(当然一两个页面偶尔不能访问和这个没关系,很多是上层应用的问题),相反,再看看京东、苏宁之流,搞个小活动动不动服务器就瘫了,你有看到双11的时候,大家在0点疯抢天猫红包的时候,天猫有挂掉吗?我想没有吧。这都得益于整个底层架构啊。

你想想,你的云主机和天猫都是架构在同一种集群上,你能不放心吗?相反,你再想想那些自称自己是“云”的所谓VPS服务商,搞个VPS就叫云来骗人,你敢用吗?只要母鸡一挂,你的VPS就挂了。再者,相比很多人都知道AWS曾经出现过很大的故障,但是你看过淘宝和天猫这几年有出过这么大的故障么?  

再谈数据。数据我也不用说太多了,刚才在说架构的时候已经谈过了。普通VPS的数据是写到母鸡的硬盘上的,其实大家都知道,硬盘是易耗品,本身机械硬盘还是会出故障,用个两三年,说不定就出故障了,而且母鸡的硬盘坏掉了,你的数据肯定就回不来了,一般的VPS服务商也不会花巨款去给你恢复数据的。所以很多VPS商才声称自己做了RAID几几之类的。RAID是个好技术,是能保证一定的数据完整性的,但是还是几块硬盘,还是会坏,所以Linode有单独的备份系统。  

阿里云就不一样了,刚才说过了,阿里云的云主机的硬盘是放在单独的网络存储集群上,而且你的数据每份都给保存3份,你每次写入一次数据,就会通过集群的交换机写入到集群的不同位置上。集群最重要的特点就是数据高可用,这么大的集群,随便坏掉几块硬盘影响么?直接拿另外地方存储的数据同步过来就行了。

那你会问,如果这3份数据所在的硬盘都坏掉了,那岂不是就没救了?好吧,其实我告诉你,这相当于你从一个沙滩上画出一平方米(当然只是假设啊,别当真),然后从这一平方米里面选3粒沙子,然后涂上颜色,然后混入到这一平方米里面,蒙上眼睛,再把这3粒沙子一起挑出来,你觉得这和你中5百万有啥区别呢。。。除非整个集群或者集群的百分之几十挂掉,才能轮到你的数据丢失吧,不过话说回来了,你在淘宝上注册的帐号有丢失过么(排除自己的违规导致删号一类的)?

所以总结一句话,阿里云是web应用的首选。

这里写图片描述

下面我们三步走

1:Linux下安装jdk7
2:Linux下装Tomcat安装并使用
3:Linux下装mysql并搞定编码问题

1 Linux下安装jdk7

我们文件上传之类的就是用跟linux联系的WinSCP,下载安装即可。
链接:http://pan.baidu.com/s/1boLOcAN 密码:ltjy

装好之后把我们要安装的jdk用这个软件放到我们想要放置的文件夹类。

这里写图片描述

把这个传上去之后,比如我们这里放在opt目录下。

tar.gz包:解压缩

    # mkdir /usr/java
    # cd /usr/java
    # tar -zxvf /software/jdk-7u79-linux-x64.tar.gz

这里写图片描述

生成链接以便版本升级(这一步可做可不做)

    # ln -s jdk1.7.0_55 latest
    # ln -s latest default

rpm包:(如果你是rpm包就用这个命令)

    # rpm -ivh jdk-7u55-linux-x64.rpm

执行成功之后,你可以在WinSCP看到解压好的jdk,可以重命名。

这里写图片描述

接下来就是配置环境变量了。

     # vi /etc/profile

进到如下的界面,按一下 i 就会进入编辑模式。

这里写图片描述

用键盘把光标移到最下边,加上

export JAVA_HOME=/usr/java/default
export JAVA_BIN=$JAVA_HOME/bin
export PATH=$PATH:$JAVA_HOME/bin
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH

这里写图片描述

这里介绍几个常用命令,如果要退出编辑页面就按Esc。然后输入指令。

    不保存退出  :q!
    保存并退出  :wq
    重    启  reboot

记得source一下使配置生效

    # source /etc/profile

这里写图片描述

这个时候报错了,很常见的错误,因为我的default是没有配置的,所以我得去改成我现在的文件名。

export JAVA_HOME=/usr/java/jdk1.7
export JAVA_BIN=$JAVA_HOME/bin
export PATH=$PATH:$JAVA_HOME/bin
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH

在测试,jdk已经装好了。

这里写图片描述

这里写图片描述

2 Linux下装Tomcat安装并使用

我们继续利用WinSCP上传tomcat到Linux。同时也放在opt下。

Tomcat的安装 解压缩

    # mkdir /usr/local/tomcat
    # cd /usr/local/tomcat
    # tar -zxvf /software/apache-tomcat-7.0.54.tar.gz
    生成链接以便版本升级
    # ln -s apache-tomcat-7.0.54 server

这里写图片描述

启动Tomcat

    # cd /usr/local/tomcat/server/bin
    # ./startup.sh

这里写图片描述

启动成功了。

这个时候我们在本地访问以下tomcat测试成功了没。

这里写图片描述

如果不能成功很有可能是防火墙的原因。

打开防火墙,使外部能访问

    # /sbin/iptables -I INPUT -p tcp --dport 8080 -j ACCEPT
    # service iptables save
    # service iptables restart
    或直接修改文件/etc/sysconfig/iptables.
    # vi /etc/sysconfig/iptables
    -A INPUT -p tcp -m tcp --dport 8080 -j ACCEPT

停止Tomcat

    # ./shutdown.sh

Tomcat的使用

1. 配置web管理帐号

修改文件conf/tomcat-users.xml,在<tomcat-users>元素中添加帐号密码,需要指定角色.

    # vi /usr/local/tomcat/server/conf/tomcat-users.xml
    <tomcat-users>
       <user name="admin" password="admin" roles="admin-gui,manager-gui" />
</tomcat-users>

2.配置web访问端口

可以修改conf目录下的文件server.xml,修改Connector元素(Tomcat的默认端口是8080),需要重新启动Tomcat服务生效.

    # vi /usr/local/tomcat/server/conf/server.xml
    <Connector port="80" protocol="HTTP/1.1" connectionTimeout="20000" redirectPort="8443" /> 

3.配置https安全连接(ssl加密连接)

https连接需要用到数字证书与数字签名(MD5算法)
网站https连接首先需要申请数字证书,配置加密连接器,浏览器安装证书.
·使用Java的工具keytool产生数字证书

    # keytool -genkey -alias tomcat -keyalg RSA
     生成文件.keystore
     注意:CN为主机名称,本机可用localhost

·将文件.keystore放到Tomcat服务器的conf目录下

     # cp .keystore /usr/local/tomcat/server/conf/

·修改conf/server.xml文件,修改加密连接器,添加keystoreFile与keystorePass

    <Connector port="8443" protocol="HTTP/1.1" SSLEnabled="true"
maxThreads="150" scheme="https" secure="true"
               clientAuth="false" sslProtocol="TLS" 
               keystoreFile="conf/.keystore" keystorePass="123456"/>  

·重新启动tomcat.浏览器输入https://localhost:8443访问,并安装证书.

4.Tomcat的目录结构

·bin //存放Tomcat的命令脚本文件
·conf //存放Tomcat服务器的各种配置文件,最主要是server.xml
·lib //存放Tomcat服务器支撑jar包
·logs //存放日志文件
·temp //存放临时文件
·webapps //web应用所在目录,外界访问web资源的存放目录
·work //Tomcat的工作目录

5.web应用的目录结构

webapp – web应用所在目录
|— html, jsp, css, js文件等 – 这些文件一般在web应用根目录下,根目录下的文件外界可以直接访问.
|— WEB-INF 目录 – java类、jar包、web配置文件存在这个目录下,外界无法直接访问,由web服务器负责调用.
|— classes 目录 – java类
|— lib 目录 – java类运行所需要的jar包
|— web.xml 文件 – web应用的配置文件

6.虚拟主机的配置

指定虚拟主机名,修改conf/server.xml,添加<host>元素.

<host name="hostname.domainname" appBase="/webapps">
     <Context path="/webapp" docBase="/webapps/webapp"/>
   </host>

例:

<host name="www.163.com" appBase="/webapps">
   </host>
   <host name="mail.163.com" appBase="/mailapps">
   </host>

须设置DNS解析(host文件或DNS系统).

7.web应用和虚拟目录的映射.

可以修改xml配置文件的元素来设置web应用和虚拟目录的映射.
·conf/server.xml //在元素下添加,需要重新启动Tomcat服务生效,不建议使用.
·conf/context.xml //添加元素所有web应用有效.
·conf/[enginename]/[hostname]/context.xml.default //[enginename]一般是Catalina,主机[hostname]的所有web应用有效.
·conf/[enginename]/[hostname]/ //在目录下任意建一个文件(扩展名xml),文件名即为虚拟目录名.多级目录使用#分割. //缺省值web应用目录可以定义为ROOT.xml,添加,需重新启动Tomcat服务器.
·META-INF/context.xml //
可以将web应用放在webapps目录下让Tomcat服务器自动映射,适用开发环境,实际运用环境中不用自动映射。
如没有修改配置文件,web应用目录为ROOT时则为默认web应用。

8.web应用首页(welcome file)的配置

修改web应用的配置文件: [webapp]/WEB-INF/web.xml

 <welcome-file-list>
       <welcome-file>index.html</welcome-file>
       <welcome-file>index.htm</welcome-file>
       <welcome-file>index.jsp</welcome-file>
    </welcome-file-list>

3 Linux下装mysql并搞定编码问题

开始我准备下载gz文件装的,这种也行,给个下载地址吧

http://dev.mysql.com/downloads/mysql/#downloads

这里写图片描述

下载完了解压,然后配两个文件就行,也不是很难,自己百度哈。

下面介绍一个超级简单的方法,但是要在线下载。

1.首先检查系统是否安装了MySQL

    #netstat  -tap |  grep  mysql

这里写图片描述

如果是上图就说明安装了需要先卸载掉。没安装会不现实。

2.安装MySQL

    #apt-get  install  MySQL-server  mysql-client

过一会儿会让你输入一个密码(忘记截图了),那是你数据库root用户的密码,输入两遍就好了。

接下来等着完成就好了,然后我们登录测试一下。

    mysql -uroot -p

然后输入你的密码就能成功登录说明装好了。

3. MySQL数据库的一些简单管理

1)停止服务

     #/etc/init.d/mysql  stop

2)开始服务

    #/etc/init.d/mysql start

3)修改管理员密码:

    #/mysqladmin -u root password newpassword

4)设置远程访问(正常情况下,MySQL占用3306端口只是在IP127.0.0.1 上监听,拒绝了其他IP的访问(通过netstat命令可以查看到),取消本地监听需要修改配置文件 my.cnf)

    #vim /etc/mysql/my.cnf

找到以下内容并且注释

    bind-address = 127.0.0.1 //找到并注释

解决编码问题

在my.cnf文件的[client]后面添加一句
default-character-set=utf8
( 不是default_character_set=utf8[i][/i],这个配置我没有试过,不知道能不能成功)

在[mysqld]后面添加如下三句:没有client的自行添加即可
default-storage-engine=INNODB
character-set-server=utf8
collation-server=utf8_general_ci;

下面改一下时间,默认是如果隔八个小时没人访问,数据库关了,我们设置一下延时。
修改操作:打开/etc/my.cnf,在属性组mysqld下面添加参数如下:
[mysqld]
interactive_timeout=28800000
wait_timeout=28800000

保存退出;
重新启动mysql服务器就可以。

再来查看字节编码,就全部都是utf-8了

这里写图片描述

MySQL安装后的目录结构分析(只针对 apt-get在线安装情况)

数据库存放目录: /var/lib/mysql/

相关配置文件存放目录: /usr/share/mysql

相关命令存放目录: /usr/bin (mysqladmin mysqldump等命令)

启动脚步存放目录: /etc/rc.d/init.d/

MySQL图像化管理软件

有两个:

1)开源:MySQL workbench

2)商业:Navicat

说在后面

说在后面的话就是告诉读者,从我们在选择阿里云之后,阿里云没有辜负我们的期望,我们的要求阿里云都能满足,而且能保质保量,值得信奈。

Windows下PHP 8.0与ThinkPHP 8开发环境搭建全攻略(含阿里云镜像加速) 本文提供了一份详细的Windows系统下PHP 8.0与ThinkPHP 8开发环境搭建指南。内容涵盖PHP安装配置、Composer安装及关键的阿里云镜像加速设置,以解决国内开发者依赖下载慢的问题。最后通过创建ThinkPHP 8项目并运行内置服务器,帮助开发者快速完成环境部署并验证成功。 阅读详情

相关推荐

阿里云服务器如何搭建Java Web开发环境?

在上搭建Java Web开发环境,首先需要创建一个ECS资源,这是搭建的基础步骤。接下来,需要安装JDK(Java Development Kit),因为Java Web是基于Java技术的Web开发平台。安装完成后,可以通过命令行查看Java安装路径,确保Java安装路径配置正确。接着,安装Tomcat是一个重要的步骤,Tomcat是一个开源且免费的Java Web服务器,常用于托管Servlet、JSP页面、HTML页面、JavaScript等。

云计算 837

利用阿里云物联网平台(IoT)实现WEB数据可视化

阿里云IoT是物联网平台,能将你的设备接入云端实现相关功能。本文并不介绍硬件接入的方法,只记录WEB数据可视化的方法。

暂时先用这个名字 9235

在阿里云部署web项目和Mysql数据库

1、阿里云服务器的申请 首先是登录官网,注册账号,然后登录。登录后就可以在产品列表中申请你需要的服务器以及服务器的配置,我选择的系统是CentOS 7.6 64位,最后进入控制台。(注意这里一定要是CentOS版本不能是不支持Xshell的) 在控制台,可以看到自己的服务器信息和服务器的ip。 2、添加安全组规则 安全组在云端提供类似虚拟防火墙功能,用于设置单个或多个 ECS 实例的网络访问控...

weixin_44283232的博客 5389

阿里云搭建web界面教程

白嫖阿里云云服务器,并搭建自己的web界面!!

m0_52749295的博客 3574

阿里云服务器快速部署开发环境

本教程指导您一步步在云服务器上安装一套配置了Linux、Apache、MySQL和PHP应用的开发环境。仅供参考。

成都都成 1622

阿里云物联网应用层开发:第三部分,微信小程序和web客户端实现

故需要实现订阅阿里云物联网平台的topic,实时接收设备发布过来的数据,可以另外编写一个MQTT客户端,客户端再连接数据库,这样web端通过查询最新数据来实现将设备发布过来的数据实时显示(如温度数据)。我参考例程对原程序进行了修改,在为数据库添加数据上,使用多线程的方式,单独开设一个线程进行操作,这样对订阅数据和往数据库添加数据不会冲突。:使用js编写一个脚本,每隔一段时间向服务器发送一个请求,服务器接收到请求后往数据库要最新的温度数据。:使用HTTPS连接通信,参考阿里云物联网平台。

小途的博客 866

centos7开发java体验_《搭建Java Web开发环境》阿里云体验实验室 教程

## 体验平台简介阿里云开发者实验室提供免费云资源和丰富的场景化实践,旨在帮助开发者在学习应用技术,了解阿里云产品的特性。阿里云体验实验室地址:https://developer.aliyun.com/adc/labs/教程介绍本教程介绍如何在Linux实例上快速搭建一套Java Web开发环境。场景体验场景内容选自 阿里云体验实验室 阿里云体验实验室 提供一台配置了CentOS 7.7的ECS...

weixin_39837352的博客 183

远程控制智能灯,air202模块+web网页基于阿里云物联网平台开发(全套)

本资源主要是想告诉大家用luat开发air模块是如何接入阿里云物联网云平台,本地服务器是如何应用阿里云物联网云平台,以及整个系统的构架。适合刚学习luat、air、阿里云以及想做项目开发的人群。具体软硬件代码文件里都有,注释清晰明了。

阿里云Java Web环境搭建指南(CentOS7)

阿里云Java Web环境搭建指南(CentOS7)1. 登录到阿里云服务器(1)打开电脑上的命令行终端工具。(2)其他工具2. 安装JDK3. 安装mysql数据库4. 安装Tomcat 1. 登录到阿里云服务器 在购买ECS服务器后,系统会创建一个ECS实例。每一个ECS实例对应一台已购买的云服务器。您可以通过电脑上自带的终端工具访问云服务器也可以使用三方连接终端工具。 (1)打开电脑上的命令行终端工具。 --Windows:Powershell。 --MAC:Terminal。 Windows用户

rao991207823的博客 230

百度API实现人流量数量检测(动态)

百度的这个API还挺好用的,对与不追求高精度的人来说非常适用,结合他官方给的文档,极易上手。 需要做的就是通过API Key和Secret Key获取的access_token。 然后稍微修改下代码就行,但是他给的代码并没有直接从摄像头获取视频,而是读取一个文件夹,那么就需要自己先对摄像头的输出视频进行处理。 识别结果如下,"person_num"是当前画面的人数,in是累计进入的人数,out是累计走出去的人数。 他这个有个缺点就是返回值里边并没有实时返回in和out的值,而是都是0,但是这个图片上有,图片

qq_42479987的博客 3379

自考计算机系统原理(第六章计算机系统概论)-13015

名词解释 I/O 硬件 I/O软件 用户空间I/O软件 内核空间I/O 软件 系统调用处理程序 系统调用服务例程 设备驱动程序 中断服务程序 系统级1/O函数 虚拟文件系统 文件描述符 文件元数据 流缓冲区 索引节点 目录文件 目录项 系统打开文件表 磁盘高速缓存 高速缓存 RAM I / O 控制方式 程序直接控制I/O 就绪状态 中断控制I/O 中断屏蔽字 多重中断 中断嵌套 DMA 方式 DMA 控制器 设备控制器 I/O端口 控制端口 数据端口 状态端口 I/O 地址空间 独立编址方式 统一编址方

qq_23872947的博客 1150

idea2020创建javaweb项目配置tomcat_阿里云服务器部署Java Web项目全过程

最近需要将一个Java Web项目部署到服务器上,方便多人共享访问。这也是我第一次接触服务器之类的东西,也花了一点时间,最终总算部署成功。购买服务器第一步当然是需要购买一台服务器了,我选择的是阿里云的ECS,对于新用户有一定的优惠活动。服务器购好后可以在管理控制台下看到自己服务器的配置情况。我买的是centos7 1核2G的,详情如下:本地主机连接服务器购买了服务器之后,下一步当时是要远...

weixin_39875192的博客 367

避坑指南:LVGL在Arduino环境编译报错?3步搞定lv_conf.h路径问题(附ST7789屏幕调试技巧)

本文详细解析了在Arduino环境中配置LVGL图形库时,如何解决常见的“lv_conf.h file not found”编译报错问题。通过三步法:定位并复制模板文件、启用核心配置并指定路径、配置基础参数,从根本上解决路径问题。文章还结合ST7789屏幕驱动,分享了使用TFT_eSPI库进行显示适配、内存优化及背光控制等实战调试技巧,帮助开发者建立清晰、可维护的嵌入式UI工程基础。

lake5的博客 860

Java Web开发环境搭建与Maven项目创建指南

Java Web开发是现代企业级应用开发的重要技术栈,其核心在于开发环境的正确配置与项目构建工具的高效使用。JDK作为Java程序运行的基础环境,其版本选择与环境变量配置直接影响后续开发流程。Maven作为主流的项目构建工具,通过POM文件管理项目依赖和构建生命周期,大幅提升了开发效率。在实际工程实践中,合理的Maven配置(如镜像仓库设置、本地仓库路径优化)能显著加快依赖下载速度。本文以Java 17 LTS版本和IntelliJ IDEA为例,详细演示了从零开始搭建Java Web开发环境、创建Mave

weixin_30843121的博客 57

Qt上位机实战:5步搞定STM32 IAP固件升级(附拖拽文件处理技巧)

本文详细介绍了如何使用Qt开发STM32 IAP固件升级上位机。通过五个核心步骤,包括理解IAP机制、搭建Qt环境、实现拖拽文件加载、封装串口通信以及设计可靠通信协议,帮助开发者快速构建一个稳定、易用且支持图形化操作的固件升级工具,显著提升嵌入式产品开发与维护效率。

ss78901的博客 1076

酒店前台pms管理系统

对于酒店经营者来说,选择一款优秀的管理系统,是提升运营效率、优化客人体验的关键。PMS酒店管理系统凭借其强大的房态管理、实时数据监控、OTA直联、无人值守等功能,已经成为许多酒店提升管理水平的得力助手。无论是大中型酒店,还是小型民宿,PMS系统都能根据不同需求提供量身定制的解决方案,帮助酒店实现精细化管理、提高运营效率。如果你也在为酒店管理中的繁琐琐事而困扰,不妨尝试一下PMS酒店管理系统,感受科技带来的便利与高效,让你的酒店运营更上一层楼!

2409_89897808的博客 2483

Web实验1 T7详细步骤

本次实验的这一实验要点在操作的过程中遇到了许多问题,在AI以及部分博客资料的帮助下也是艰难完成了这一实验。下面我将根据AI所给的步骤,结合自己实际操作过程中出现的一些问题,完善一下解决这个实验的详细步骤。(本文主体是由AI生成)

2301_80052073的博客 779

微信小程序 - 最新实现项目适老化设计全流程及源码,老年模式大字版与常规版页面样式切换,老年人大字模式字体与布局更换关怀版解决方案(新老项目均适用的方案,全局页面统一修改文本字号/DOM排版元素等)

微信小程序,vue2,vue3,老年大字版设计,小程序开发如何实现适老化方案,放大字体字号及改变页面的布局,小程序关怀模式实现思路及代码,统一将布局都改了,全局修改字体大小适配老年人看不清问题,小程序怎么接入老年模式并根据模式改变页面的UI设计,实现全局修改字体大小适老化/关怀版改造,最新详细示例代码全流程,字体放大/缩小,老项目怎么适配老年人模式方案,小程序适老化设计指南,当切换成老年模式时页面所有排版都会发生变化,小程序vue开发,新手详细教程,老年模式字体设置思路和UI布局的设计,开发者可以通过wx.

🏆 前端领域优质创作者 7307

告别本地卡顿:用阿里云DSW搭建PyTorch训练环境,上传代码到出结果只要10分钟

本文介绍了如何利用阿里云DSW快速搭建PyTorch训练环境,实现从上传代码到出结果仅需10分钟的高效流程。通过对比本地与云端GPU服务器的性能差异,详细讲解了DSW实例创建、预装镜像选择、代码上传与管理等关键步骤,帮助开发者告别本地卡顿,提升深度学习模型训练效率。

weixin_30879833的博客 192

2025年华为杯中国研究生数学建模竞赛C题 围岩裂隙精准识别与三维模型重构 思路+代码

report += f"**位置 {i+1}**: ({loc[0]:.1f}, {loc[1]:.1f}, {loc[2]:.1f})\n"# ==================== 高级U-Net模型 ====================# ==================== 数据预处理与增强 ====================# ==================== 采样方法比较分析 ====================

YOLO 1527

RK3588开发板NPU加速YOLO目标检测完整实战教程

🚀 RK3588开发板NPU加速YOLO目标检测实战 本文详细介绍了如何在瑞芯微RK3588开发板上利用内置NPU加速YOLO目标检测的全流程: 1️⃣ 环境准备:配置RKNPU2 SDK和aarch64交叉编译器,搭建Ubuntu开发环境 2️⃣ 模型转换:从ONNX格式转换为专用RKNN模型,适配NPU硬件特性 3️⃣ 性能对比:NPU推理将处理时间从833ms降至50ms以下,帧率提升16倍 4️⃣ 实战应用:支持图像/视频流/摄像头实时检测,提供完整编译和运行命令 关键优势:专为边缘AI设计的6T

FJN110的博客 931

阿里云ECS——搭建Java Web开发环境

阿里云ECS——搭建Java Web开发环境 1. 安装JDK 1执行以下命令,查看yum源中JDK版本。 yum list java* 2 执行以下命令,使用yum安装JDK1.8。 yum -y install java-1.8.0-openjdk* 3 执行以下命令,查看是否安装成功。 java -version 如果显示如下图内容,则表示JDK安装成功。 2. 安装MySQL数据库 1 执行以下命令,下载并安装MySQL官方的Yum Repository。 wget http

weixin_46284302的博客 454

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

阿里云部署Java web项目初体验

本文主要讲了如何在阿里云上安装JDK、Tomcat以及其配置过程。最后以一个实例来演示在阿里云上部署Java web项目。

Evankaka的专栏 3万+

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

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")

阿里云进阶课程五——搭建Java Web开发环境

基于阿里云服务器搭建Java Web开发环境开通并连接阿里云服务器开通ECS并配置安全组远程访问ECS服务器安装组件安装JDK安装MySQL数据库安装Tomcat访问Tomcat 开通并连接阿里云服务器 开通ECS并配置安全组 今天是阿里云进阶课程的第五节,任务是基于阿里云服务器搭建Java Web开发环境。 今天就不需要我们去重新配置镜像之类的操作了,阿里云开发者社区为我们提供了临时的云服务器,可以利用其进行体验。 本次任务可以访问以下链接体验ECS服务器 https://developer.aliyun

wksgogogo的博客 533

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

利用阿里云搭建Java Web开发环境

安装jdk 查看yum源中的jdk版本 yum list java* 安装jdk1.8 yum -y install java-1.8.0-openjdk* 查看java的版本 java -version mysql 执行以下环境安装mysql wget http://dev.mysql.com/get/mysql57-community-release-el7-10.noarch.rpm yum -y install mysql57-community-release-el7-10.noarch.r

nishuiaee的博客 308
上一篇: 判断两个float或double是否相等
下一篇: 高并发服务端分布式系统设计概要(上)
杜鲁门
博客等级 码龄11年 219粉丝 316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