Linux下安装 RabbitMQ (离线安装方式)

linux环境离线安装rabbitmq 这个错误表明在编译 Erlang/OTP 源代码时,找不到 Curses 库函数。很多linux系统都会自带openssl但是版本比较低,安装mq的时候可能会出现问题,这里建议安装1.1.1版本的。查询下mq端口即可默认端口5672和15672分别是rebbitmq服务端口和控制台端口,使用命令查询即可。解决方案:安装ncurses-devel,由于不能联网,因此只能手动安装。整合了网上查询的两篇文章,单独部署都会或多或少出现问题,这里坐一下整合。安装Erlang环境并配置Erlang环境变量。 阅读详情
AI摘要

本文详细介绍了在Linux环境下离线安装RabbitMQ的步骤,包括下载和上传安装包、安装类库、配置环境变量、修改配置文件、启动服务及后台管理插件等关键环节。

一、下载 otp 和 rabbitmq 安装包

erlang/otp 下载
rabbitmq-server 下载
在安装之前最好去 这里 查看这2个软件搭配的必要信息
我在这里用的版本是:

软件版本
otpotp_src_21.3.tar.gz
rabbitmq-serverrabbitmq-server-generic-unix-3.7.18.tar.xz

你们可以根据 RabbitMQ官网给出的信息 进行自由搭配

二、上传安装包

把刚才下载的 OTP安装包 和 RabbitMQ安装包 给上传到 Linux 上

[root@centos7_host rabbitMQ_install_package]# ll
total 93356
-rw-r--r--. 1 root root 85547038 Oct 11 15:09 otp_src_21.3.tar.gz
-rw-r--r--. 1 root root 10044888 Oct 11 15:01 rabbitmq-server-generic-unix-3.7.18.tar.xz

三、安装类库

如果以下4个类库已经安装过了就不需要再次安装
如果不知道是否已经安装过以下软件可通过linux下如何查看某软件是否已安装进行查看

yum -y install ncurses-devel
yum -y install openssl-devel
yum -y install unixODBC-devel
yum -y install gcc-c++
yum -y install perl

四、解压并安装

解压OTP

[root@centos7_host rabbitMQ_install_package]# tar -zxvf ./otp_src_21.3.tar.gz

解压完成后生成 otp_src_21.3 文件夹

[root@centos7_host rabbitMQ_install_package]# ll
total 93360
drwxr-xr-x. 12 2004 wheel     4096 Mar 12  2019 otp_src_21.3
-rw-r--r--.  1 root root  85547038 Oct 11 15:09 otp_src_21.3.tar.gz
-rw-r--r--.  1 root root  10044888 Oct 11 15:01 rabbitmq-server-generic-unix-3.7.18.tar.xz

进入 otp_src_21.3 文件夹,分别依次执行以下命令。这里的 /usr/local/software/erlang/ 表示我自己的安装路径,你们可以更改为自己的安装路径

[root@centos7_host rabbitMQ_install_package]# cd ./otp_src_21.3
[root@centos7_host rabbitMQ_install_package]# ./configure --prefix=/usr/local/software/erlang/
[root@centos7_host rabbitMQ_install_package]# make
[root@centos7_host rabbitMQ_install_package]# make install

添加环境变量,把以下信息添加到 /etc/profile 文件的最下面

export ERLANG_HOME=/usr/local/software/erlang
export PATH=$ERLANG_HOME/bin:$PATH

刷新环境变量

[root@centos7_host otp_src_21.3]# source /etc/profile

执行 erl -v 命令查看 erlang 环境是否安装成功,如果出现以下信息则表示安装成功。

[root@centos7_host otp_src_21.3]# erl -v
Erlang/OTP 21 [erts-10.3] [source] [64-bit] [smp:1:1] [ds:1:1:10] [async-threads:1]

Eshell V10.3  (abort with ^G)
1> 

现在回到存放 rabbitmq-server-generic-unix-3.7.18.tar.xz 的包下

[root@centos7_host rabbitMQ_install_package]# ll
total 93360
drwxr-xr-x. 12 2004 wheel     4096 Mar 12  2019 otp_src_21.3
-rw-r--r--.  1 root root  85547038 Oct 11 15:09 otp_src_21.3.tar.gz
-rw-r--r--.  1 root root  10044888 Oct 11 15:01 rabbitmq-server-generic-unix-3.7.18.tar.xz

解压 rabbitmq-server-generic-unix-3.7.18.tar.xz 分别顺序执行以下命令

[root@centos7_host rabbitMQ_install_package]# xz -d ./rabbitmq-server-generic-unix-3.7.18.tar.xz
[root@centos7_host rabbitMQ_install_package]# tar -xvf ./rabbitmq-server-generic-unix-3.7.18.tar

把解压出来 rabbitmq_server-3.7.18 的文件夹移动到你指的的文件夹内

[root@centos7_host rabbitMQ_install_package]# mv -f ./rabbitmq_server-3.7.18 /usr/local/software

五、修改 hosts 文件

vim 编辑 hosts 文件

[root@centos7_host rabbitMQ_install_package]# vim /etc/hosts

在最后加上主机名映射(这里我的主机名是centos7_host,你要写你自己的主机名
例如:[root@centos7_host rabbitMQ_install_package]# vim /etc/hosts @符号后面的就是你自己的主机名,因为RabbitMQ在启动的时候会ping自己的主机名,所以这里要进行映射)

127.0.0.1 centos7_host

六、关闭防火墙

[root@centos7_host rabbitMQ_install_package]# systemctl status firewalld
[root@centos7_host rabbitMQ_install_package]# systemctl stop firewalld

七、启动 / 关闭 / 查看状态

进入到 rabbitmq_server 安装的文件夹的 ebin 内,修改 rabbit.app 文件

[root@centos7_host ebin]# vim ./rabbit.app

搜索 {loopback_users, [<<"guest">>]},把这段代码修改为{loopback_users, []},去掉中括号里面的内容<<"guest">>(我这里加2个%是注释的意思,把上面的代码给注释掉)。
修改这段代码是因为guest用户不允许在非localhost上进行登录

%% {loopback_users, [<<"guest">>]},
 {loopback_users, []},

进入到 rabbitmq_server 安装的文件夹的 sbin 内

[root@centos7_host rabbitMQ_install_package]# cd /usr/local/software/rabbitmq_server-3.7.18/sbin/
[root@centos7_host sbin]# ll
total 556
-rwxr-xr-x. 1 root root 508786 Sep 17 12:18 cuttlefish
-rwxr-xr-x. 1 root root   1236 Sep 17 12:18 rabbitmqctl
-rwxr-xr-x. 1 root root   2058 Sep 17 12:18 rabbitmq-defaults
-rwxr-xr-x. 1 root root   1245 Sep 17 12:18 rabbitmq-diagnostics
-rwxr-xr-x. 1 root root  16795 Sep 17 12:18 rabbitmq-env
-rwxr-xr-x. 1 root root   1241 Sep 17 12:18 rabbitmq-plugins
-rwxr-xr-x. 1 root root  16652 Sep 17 12:18 rabbitmq-server

启动后台管理插件

[root@centos7_host sbin]# ./rabbitmq-plugins enable rabbitmq_management

启动服务

[root@centos7_host sbin]# ./rabbitmq-server -detached
Warning: PID file not written; -detached was passed.

查看状态

[root@centos7_host sbin]# ./rabbitmqctl status
Status of node rabbit@centos7_host ...
[{pid,1688},
 {running_applications,

这时候可以在你的浏览器中打开 http://你的IP:15672/ 会进入RabbitMQ后台管理页面,登录用户guest密码guest

关闭服务

[root@centos7_host sbin]# ./rabbitmqctl stop
Stopping and halting node rabbit@centos7_host ...

八、参考

https://blog.youkuaiyun.com/vinegar93/article/details/82867937
https://blog.youkuaiyun.com/qq_22075041/article/details/78855708
https://www.cnblogs.com/xrog/p/8519967.html
https://www.35youth.cn/476.html
https://blog.youkuaiyun.com/shenhonglei1234/article/details/82745601
https://www.bilibili.com/video/av36164757/?p=225

linux离线安装RabbitMQ linux离线安装RabbitMQ 一 现在相关离线安装包 下载erlang rpm包,下载地址:https://packagecloud.io/rabbitmq/erlang 选择对应版本的erlang rmp安装包。 现在socat rpm包,下载地址:http://www.rpmfind.net/linux/rpm2html/search.php?query=socat(x86-64) 下载... 阅读详情

相关推荐

linux系统下安装RabbitMQ

rabbitMq是用erlang分布式语言开发的,故需先安装erlang 下载erlang的tar包 : erlang下载 首先连接到linux,切换至root用户,并cd至usr/local目录下,在该目录下使用如下命令新建erlang文件夹 cd /usr/local ls mkdir erlang 使用如下命令给文件夹授权 //给local赋予读写权限 chmod 777 local /...

但惜流年的博客 3063

Linux环境下安装部署单机RabbitMQ(离线)

本文档适用于在Linux系统下部署单体RabbitMQ,是在无网的情况下部署的。涉及的任何操作都是通过手动下载安装包然后上传到服务器上进行安装,因此也遇到一些问题,并在此文档中记录。实际操作环境:Kylin V10,实际操作的Linux系统是银河麒麟。根据我安装的过程,觉得适用于所有Linux的操作系统。

m0_52985087的博客 9489

Kylin Server V10下离线静默安装RabbitMQ

在Kylin Server V10下离线静默安装RabbitMQ

禅与代码的艺术 2085

Linux系统离线安装RabbitMQ

在linux系统中离线安装RabbitMQ

itbestboy的博客 2548

Linux离线安装 RabbitMQ(RabbitMQ单机安装)

1、下载erlang和rabbitmq安装包 1)、下载Erlang路径:https://github.com/erlang/otp/releases 2)、下载RabbitMQ路径: https://github.com/rabbitmq/rabbitmq-server/releases 3)、版本对比:https://www.rabbitmq.com/which-erlang.html 2、上传安装包并解压安装 # tar -zxvf otp

GengJL 3263

Linux 7.4环境下RabbitMQ的离线安装指南

在本章节中,我们将揭开离线安装RabbitMQ的神秘面纱。首先,我们会解释为什么有时需要离线安装消息队列中间件,尤其是在没有互联网连接的环境下。其次,我们将概述RabbitMQ作为企业级消息代理在IT架构中的作用及其重要性。最后,我们将简要介绍在Linux操作系统上,尤其是在基于RPM(RPM包管理器)的发行版上进行离线安装时可能会遇到的挑战和最佳实践。离线安装的主要目的是保证在特定环境下,IT系统能够无互联网干扰地安装和更新关键组件,确保系统的稳定性和安全性。

weixin_42607969的博客 1526

国产凝思debian系Linux离线安装rabbitmq教程步骤

本文介绍了在国产凝思Linux Debian系统下离线安装RabbitMQ的步骤。首先下载所需的安装包(libsctp1、erlang和rabbitmq-server),按照顺序依次安装。安装完成后,启动RabbitMQ服务并设置开机自启。随后启用管理插件,创建管理员账户(用户名admin,密码123456)。最后可通过浏览器访问http://服务器ip:15672进入管理界面。该方案解决了国内访问apt源过慢的问题,完整记录了从下载到配置的全过程。

461

Linux 离线安装Rabbit MQ所需环境及安装包

Linux 离线安装Rabbit MQ所需环境及安装包, 主要包含ncurses,perl(perl-5.36.0.tar.gz),OpenSSL(openssl-1.1.1i.tar.gz),erlang(otp_src_23.2.tar.gz),rabbitmq(rabbitmq-server-generic-unix-3.8.11.tar)

基于 Linux 离线部署 RabbitMQ

基于 Linux 离线部署 RabbitMQ离线 RPM 安装包下载RPM 包安装启动 RabbitMQ 服务启动服务:配置管理账户设置管理员权限启动 web 管理启动 stomp 通道重启 RabbitMQ 服务 离线 RPM 安装包下载 erlang rpm包,下载地址。 socat rpm包,下载地址。 RabbitMQ rpm包,下载地址。 RPM 包安装 将安装包上传至 Linux 服务器指定的自定义文件夹内。 执行下列安装命令: sudo rpm -ivh erlang-22.3-1.el7

zx711166的博客 421

【医学影像】Deep Learning for Automatic Pneumonia Detection

写在前面的话: 这篇论文是北美放射学会(RSNA)在Kaggle平台上托管的肺炎区域检测挑战赛取得第二名成绩的解决方案。因为笔者需要用到其中的图像增强方案,因此本篇博客只介绍了数据集和图像增强,关于模型的改进和其它改进点没有涉及。 论文地址:https://arxiv.org/abs/2005.13899 代码地址:https://github.com/tatigabru/kaggle-rsna 比赛地址:https://www.kaggle.com/c/rsna-pneumonia-detection-c

chenzhoujian_的博客 1566

STM32F103上跑mbedtls 2.24.0:手把手教你为MQTTS加密通信打好基础

本文详细介绍了如何在STM32F103上移植和裁剪mbedtls 2.24.0,为MQTTS加密通信打下坚实基础。通过版本选择、开发环境配置、深度裁剪策略和加密功能验证,帮助开发者在资源受限的MCU上实现安全通信。文章还提供了常见问题解决方案和性能优化技巧,助力物联网设备开发。

weixin_30321709的博客 462

RabbitMQ安装(Linux安装附图片)

RabbitMQ安装(附图片) 在Linux上安装rabbitmq首先需要准备一台虚拟机,初学者可以把虚拟机克隆一下,防止配置出错重新建立虚拟机,拍摄快照,记录自己配置进成, 安装rabbitmq 可以使用yum安装也可以下载安装包,可直接在官网下载也可私信博主发放资料 准备一台虚拟机 启动虚拟机,上传安装包 上传离线安装包 将rabbitmq-install 目录上传到 /root 切换到...

QR 229

Field-Oriented Control (FOC) 矢量控制 磁场定向控制

Field-Oriented Control (FOC) 磁场定向控制(FOC),也称为矢量控制,是一种用于控制永磁同步电动机(PMSM)和交流感应电动机(ACIM)的技术。 FOC在整个扭矩和速度范围内都具有良好的控制能力。 FOC的实现需要将定子电流从固定参考系转换为转子磁通参考系(也称为d-q参考系)。 速度控制和转矩控制是FOC最常用的控制模式。位置控制模式不太常见。大多数牵引应用使用转矩控制模式,在该模式下,电动机控制系统遵循参考转矩值。在速度控制模式下,电机控制器遵循参考速度值,并生成用于形成内

>>> 1万+

Linux安装RabbitMQ实战:版本选型、三种部署方式与排错指南

消息队列是现代分布式系统解耦与削峰填谷的核心组件,而RabbitMQ凭借其稳定性和对AMQP协议的完整支持,成为企业级应用中最常选型的中件间之一。在Linux环境中部署RabbitMQ,看似简单却暗藏诸多陷阱,其中最关键的便是其底层语言Erlang的版本兼容性——版本不匹配往往导致服务启动失败或运行异常。本文从RabbitMQ与Erlang的版本映射关系出发,系统梳理了三种主流安装路线:适合快速验证的Docker Compose部署、常见的yum/apt包管理器安装,以及针对欧拉、龙蜥等纯内网环境的离线部署

weixin_35294091的博客 253

知识图谱实战:从零搭建一个企业级金融风控图谱(附完整代码)

本文提供了一份从零构建企业级金融风控知识图谱的实战指南。通过使用Neo4j图数据库和Python,手把手教你整合多源数据、设计数据模型,并利用Cypher查询与图算法挖掘隐藏的关联风险与欺诈网络,附有完整代码,助力金融科技从业者实现从数据孤岛到全局风险洞察的升级。

weixin_29095587的博客 355

手把手教你为STM32设备生成自定义MAC地址(基于芯片ID的5种算法对比)

本文详细介绍了基于STM32芯片ID生成自定义MAC地址的5种算法,包括直接截取、异或折叠、CRC32哈希、自定义混合运算及SHA-256摘要。通过对比分析各算法的计算复杂度、唯一性及适用场景,帮助嵌入式开发者根据项目规模与资源,选择最合适的方案,确保设备MAC地址的唯一性与合规性。

weixin_29170327的博客 526

linux安装rabbitmq离线版(含单机部署和集群部署)

rabbitMq离线部署文档 1.环境说明 对于linux系统版本、rabbitMq及相关依赖版本如下: 名称 版本要求 centos系统 7.0以上 rabbitmq 3.7.7~3.7.14 erlang 20.3.x~21.3.x socat 1.7.3.x rabbitMq及相关依赖的rpm包下载地址如下: rabbitMq:https://github....

zhourenfei17的专栏 3651

手把手教你用EGM96模型校正DEM数据(含在线工具推荐)

本文详细介绍了如何使用EGM96地球重力场模型校正DEM数据中的高程偏差。通过对比WGS84椭球面与大地水准面的差异,解释了校正原理,并提供了从在线工具快速验证到Python脚本批量处理的全流程实战指南,帮助GIS开发者和数据分析师确保高程数据基准一致,提升空间分析精度。

ttt77的博客 1007

Linux 离线环境下安装RabbitMQ

Linux 离线环境下安装RabbitMQ

陈Sir的博客 6033

解决MiGPT部署痛点:小米账号异地登录安全验证的解决方案

为让小米音箱更智能🤖,部署MiGPT时遇到小米账号异地登录验证问题,手动验证后仍无法解决。本文分享亲测有效的简化方案✨:通过浏览器F12获取passToken📝,手动创建mi.json配置文件并挂载到Docker容器,无需本地运行MiGPT,直接绕过异地验证,附完整操作步骤和问题排查指南。

XiaoqiangClub的博客 1435

Python爬虫实战:爬取Bilibili和YouTube视频、弹幕和评论

随着视频内容平台的爆发式增长,视频网站成为了人们获取信息、娱乐和知识的重要渠道。在这些平台上,视频、弹幕和评论数据可以为我们提供重要的信息,帮助我们了解用户的行为、视频的受欢迎程度以及内容的互动情况。本篇文章将带你实现一个Python爬虫,用来爬取Bilibili和YouTube上的视频、弹幕、评论等数据。我们将详细介绍爬虫的实现过程,使用最新的Python技术,并且会提供完整的代码。Bilibili网站提供了多种方式来获取视频数据,最直接的方式是通过其开放的API接口来获取视频、弹幕和评论等数据。

2201_76125261的博客 1775

linux 离线安装rabbitMQ Erlang

此文章讲述linux通过源码包离线安装rabbitMQ和erlang.centos73.7.2522.3.x。

qq_31366199的博客 2050

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")

linux离线安装rabbitmq,离线安装rabbitMQ

安装步骤整体软件环境|软件|版本||-|-||RHEL |7 update3||Erlong|19.3||rabbitMQ|3.6.10|Erlong语言安装离线安装rabbitMQ是使用erlang这种编程语言开发的,所以安装rabbitMQ的前提是安装Erlong语言。这次全都是离线安装,以便在远离internet的生产环境部署。软件依赖清单|编译报错|解决办法|下载网址||-|-|-||cr...

weixin_35820423的博客 947

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。

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

Linux离线安装RabbitMQ

Docker 离线安装RabbitMq

baidu_35160588的博客 1378

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

Linux中安装RabbitMQ

下载 官网地址:地址 可以去官方下载最先版本,当然也可以下载我网盘上的不是最新版本 -3.4.1版本: 链接:https://pan.baidu.com/s/166LT0nW-N8sHaZEzKXgCYA 提取码:31ia 一、安装Erlang 在线安装 yum install esl-erlang_17.3-1~centos~6_amd64.rpm yum install esl-erlang-compat-R14B-1.el6.noarch.rpm 离线安装 将上面的资料上传到自己的服务器中,一次

北平~ 2813
上一篇: jQuery 获取XXX标签的id/name以XXX开始/结尾的集合
下一篇: mysql数据库查询库/表的占用存储硬盘空间
bbccloud
博客等级 码龄11年 23粉丝 25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