centos7搭建svn服务器

yum install -y subversion  #安装svn

cd /

mkdir svnrepo #创建一个svn仓库

svnadmin create /svnrepo/test #创建一个项目仓库test

 

vi /svnrepo/test/conf/svnserve.conf #编辑该项目的svn配置文件

可以修改以下几个字段如下,也可以复制粘贴。

anon-access = read # 未登录无任何权限

auth-access = write # 登陆之后有读写权限

password-db = passwd

realm = svn存储库  #svn的说明

 

vi /svnrepo/test/conf/passwd #配置访问用户及密码

添加 用户=用户密码

admin=admin111 

user=user111

tom=tom

 

vi /svnrepo/test/conf/authz # 配置新用户的授权文件

group_admin=admin,tom #创建admin组,成员是admin,tom

group_user=user #创建user组,成员是user

[ \ ]  #权限设置

@group_admin=rw  #admin组有读写的权限

@group_user = r  #user组只有读的权限

*=      #表示除了上面设置的权限用户组以外,其他所有用户都设置空权限,空权限表示禁止访问本目录。

 

 

更改 svnserver.conf 时需要重启SVN服务,更改authz,passwd文件时则不需要重启服务

 

启动服务:

svnserve -d -r /svnrepo/  以指定目录为根目录启动

 

重启:没有直接的命令,只能手动。

ps aux | grep svn 查看服务启动情况

    root 5308 0.0 0.5 162212 2824 ? Ss 05:54 0:00 svnserve -d -r /svnrepo/ 得到这个进程的端口号5308

    root 5377 0.0 0.4 112672 2324 pts/1 S+ 06:30 0:00 grep --color=auto svn

kill -9 5308 结束进程

svnserve -d -r /svnrepo/

 

创建更多的仓库

svnadmin create /svnrepo/repoName,然后修改新的仓库的 svnserve.conf ,passwd ,authz配置。重启svn服务进程。

 

 

 

 

 

 

 

 

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
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