Minecraft纯净服开服

willops willops 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.6w累计阅读 1.7w+平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄12年
关注
原创 2023-08-16 12:47:10 1.6w 阅读 AI 写同款· GEO 优化 ›
Linux搭建我的世界MC服务器 【Minecraft外网联机教程】_linux架设mc 最全的Linux教程，Linux从入门到精通第一份《Linux从入门到精通》466页内容简介====本书是获得了很多读者好评的Linux经典畅销书**《Linux从入门到精通》的第2版**。本书第1版出版后曾经多次印刷，并被51CTO读书频道评为“最受读者喜爱的原创IT技术图书奖”。本书第﹖版以最新的Ubuntu 12.04为版本，循序渐进地向读者介绍了Linux 的基础应用、系统管理、网络应用、娱乐和办公、程序开发、服务器配置、系统安全等。本书附带1张光盘，内容为本书配套多媒体教学视频。 阅读详情

Minecraft纯净服简介

Minecraft原版服务端Vanilla，又称香草服务端，由minecraft官方发布，仅呈现游戏内容以及多人联机的基础功能，无法添加插件，安装forge后可以添加Mod。
在这里插入图片描述
下面介绍如何搭建minecraft原版服务端，并使用客户端连接到服务端进行多人联机游戏。

项目地址：https://github.com/itzg/docker-minecraft-server

官方文档：https://docker-minecraft-server.readthedocs.io/

准备一台服务器

准备一台linux服务器，配置至少2核CPU、4G内存，100G磁盘，操作系统CentOS、Ubuntu、Debain等皆可，1个公网IP地址，推荐按量付费宽带，可根据需要购买一个域名，将域名绑定到公网IP。

以腾讯云轻量服务器为例：
在这里插入图片描述
云主机控制台注意配置安全组，放通服务端默认的25565端口，也可以指定端口范围，示例如下：
在这里插入图片描述

安装docker环境

使用SSH连接工具登录到服务器，执行以下命令，使用官方提供的脚本安装docker，支持大多数linux发行版本：

curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun

启动docker服务并配置为开机启动

systemctl enable --now docker

确认docker服务运行正常，状态为active (running)

[root@vm-centos ~]# systemctl status docker
● docker.service - Docker Application Container Engine
   Loaded: loaded (/usr/lib/systemd/system/docker.service; enabled; vendor preset: disabled)
   Active: active (running) since Tue 2021-11-30 18:03:33 CST; 1 day 3h ago
     Docs: https://docs.docker.com
 Main PID: 1490365 (dockerd)
    Tasks: 111
   Memory: 219.9M
   CGroup: /system.slice/docker.service
......

安装原版服务端

运行以下docker命令，启动纯净服服务端容器，默认使用官方发布的服务端jar包启动

docker run -d --name vanilla --restart always \
  -e EULA=TRUE \
  -e TYPE=VANILLA \
  -e VERSION=1.17.1 \
  -v /data/mc/vanilla/data:/data \
  -e OPS=willminec \
  -e ONLINE_MODE=FALSE \
  -p 25566:25565 \
  itzg/minecraft-server

参数说明：

  • -e TYPE 指定类型为原版服务器
  • -e VERSION 指定minecraft服务器版本

查看容器启动日志

[root@mcserver ~]# docker logs -f vanilla
[init] Running as uid=1000 gid=1000 with /data as 'drwxrwxr-x 2 1000 1000 4096 Dec  6 15:24 /data'
[init] Resolved version given 1.17.1 into 1.17.1
[init] Resolving type given VANILLA
[init] Downloading minecraft_server.1.17.1.jar ...
......
[15:33:12] [Worker-Main-6/INFO]: Preparing spawn area: 86%
[15:33:14] [Worker-Main-6/INFO]: Preparing spawn area: 92%
[15:33:14] [Worker-Main-6/INFO]: Preparing spawn area: 92%
[15:33:14] [Server thread/INFO]: Time elapsed: 26903 ms
[15:33:14] [Server thread/INFO]: Done (33.432s)! For help, type "help"
[15:33:14] [Server thread/INFO]: Starting remote control listener
[15:33:14] [Server thread/INFO]: Thread RCON Listener started
[15:33:14] [Server thread/INFO]: RCON running on 0.0.0.0:25575

初始化时从官网下载jar包，传递-e DEBUG=true参数可以在容器启动日志中看到实际执行以下下载命令，将server.jar重命名为minecraft_server.1.17.1.jar

mc-image-helper get -o minecraft_server.1.17.1.jar https://launcher.mojang.com/v1/objects/a16d67e5807f57fc4e550299cf20226194497dc2/server.jar

如果网络环境较差，可以提前下载server.jar到本地，下载地址：https://mcversions.net/

mkdir -p /data/mc/vanilla/data
cp server.jar /data/mc/vanilla/data/minecraft_server.1.20.1.jar

通过传递参数-e TYPE和-e CUSTOM_SERVER进行离线安装

docker run -d --name vanilla --restart always \
  -e EULA=TRUE \
  -e TYPE=CUSTOM \
  -e CUSTOM_SERVER=/data/minecraft_server.1.20.1.jar \
  -v /data/mc/vanilla/data:/data \
  -e OPS=willminec \
  -e ONLINE_MODE=FALSE \
  -p 25566:25565 \
  itzg/minecraft-server

查看容器运行状态

[root@mcserver ~]# docker ps -a
CONTAINER ID   IMAGE                                COMMAND                  CREATED          STATUS                    PORTS                                                      NAMES
7a74d101cd4d   itzg/minecraft-server                "/start"                 47 minutes ago   Up 47 minutes (healthy)   0.0.0.0:25566->25565/tcp, :::25565->25565/tcp, 25575/tcp   vanilla

查看主机持久化的数据目录

[root@mcserver ~]# ll /data/mc/vanilla/data/
total 42648
-rw-rw-r-- 1 lighthouse lighthouse        2 Dec  7 22:31 banned-ips.json
-rw-rw-r-- 1 lighthouse lighthouse        2 Dec  7 22:31 banned-players.json
-rw-rw-r-- 1 lighthouse lighthouse       68 Dec  7 22:30 eula.txt
drwxrwxr-x 2 lighthouse lighthouse     4096 Dec  7 22:31 logs
-rw-rw-r-- 1 lighthouse lighthouse 43626592 Dec  7 22:31 minecraft_server.1.17.1.jar
-rw-rw-r-- 1 lighthouse lighthouse      137 Dec  7 22:31 ops.json
-rw-rw-r-- 1 lighthouse lighthouse       11 Dec  7 22:31 ops.txt.converted
-rw-r--r-- 1 lighthouse lighthouse     1182 Dec  7 22:31 server.properties
-rw-rw-r-- 1 lighthouse lighthouse      108 Dec  7 22:31 usercache.json
-rw-rw-r-- 1 lighthouse lighthouse        2 Dec  7 22:31 whitelist.json
drwxrwxr-x 9 lighthouse lighthouse     4096 Dec  7 22:31 world

官方客户端登录服务端

官方客户端下载地址：https://minecraft.net/zh-hans/download/

官网注册账号，购买游戏，下载minecraft客户端并安装到个人电脑，启动客户端并登录，登录后界面如下：
在这里插入图片描述
选择开始游戏，然后选择多人游戏
在这里插入图片描述
输入服务器名称，可以默认，输入服务端公网IP或域名，点击完成：
在这里插入图片描述
点击加入服务器，即可登录游戏：
在这里插入图片描述
进入游戏后界面如下
在这里插入图片描述

HMCL客户端登录游戏

HMCL客户端下载地址：https://hmcl.huangyuhui.net/

官方客户端需要购买游戏使用账号登录，hmcl支持离线模式连接服务端，无需创建正式版账号。

首先添加一个离线模式账户，然后添加一个游戏版本，在版本列表中点击启动
在这里插入图片描述
启动后正常流程登录，执行/list命令可以看到两个玩家在线：
在这里插入图片描述

收录于
games

当前文章被收录于：

games
9 篇文章 2 人学习
订阅专栏 查看详情
标签
#games #docker #minecraft
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
Minecraft纯净服开服指南：从零搭建到稳定运营 在Minecraft中，搭建一个可供多人联机的服务器并非简单下载文件即可，它涉及Java运行环境、网络端口转发、服务端配置、玩家管理等一系列系统工程。理解服务端运行原理与基础运维知识，能帮助玩家将“自己开服”的愿望转化为稳定可用的在线服务。从环境准备到配置调优，从白名单管理到存档备份，掌握这些技能不仅适用于纯净服，也为后续扩展模组服或插件服打下基础。以1.21.11纯净服为例，完整演示了小型Minecraft服务器的搭建与运营流程，帮助玩家实现从“单机体验”到“与朋友共建”的跨越。 阅读详情

相关推荐

Minecraft 1.21.11纯净服务器搭建全指南：从零到开服

在多人联机游戏领域，稳定可靠的服务器是流畅体验的核心保障。对于Minecraft这类沙盒游戏，自建纯净服务器不仅意味着拥有自主管理权，还能定制邀请制社区，避免公共服务器的不确定性。其技术原理基于Java服务端进程，依赖CPU单核性能与内存分配，通过配置端口转发、防火墙规则及正版验证实现公网接入。技术价值在于，掌握服务器搭建能提升工程实践能力，涵盖环境配置、进程守护、数据备份等通用运维知识。适用于朋友联机、小型生存社区或红石研究等场景。本文围绕纯净1.21.11版本，从Java 21安装、服务端下载、启动验证

weixin_32183107的博客 335

Linux搭建 Minecraft 服务器

本篇文章介绍使用常规方式和docker容器方式在linux操作系统上搭建最新版本的minecraft服务器，并使用bungeecord配置为群组服务器模式。

IT 5万+

Minecraft 1.21.11纯净服搭建指南：从零开服到稳定运营

Minecraft服务器是基于Java运行环境的多人联机平台，而纯净服则通过保留原版生存、红石、建筑等核心机制，为玩家提供低门槛、高拓展性的游戏体验。搭建此类服务器需围绕Java 21环境配置、服务端初始化、server.properties核心参数调整及白名单管理展开。掌握端口转发、云服务器安全组放行和日志排查等工程实践，能显著提升服务器稳定性与玩家连接成功率。对于毕业季、暑假等新服开服高峰期，提前规划备份策略与定时重启机制，可有效保障长期运营。本文以1.21.11版本为例，系统梳理从环境准备、启动脚本到

weixin_32821533的博客 309

Minecraft-纯净服务器搭建全流程

MC纯净服务器搭建，主要介绍的是Spigot类型的服务端搭建。

害怕也得前进 1万+

Minecraft纯净插件服搭建指南：从Paper核心到权限与防熊配置

Minecraft服务器运维中，服务端核心的选择决定了扩展能力与性能表现。在原版与模组之间，存在一条以插件扩展为核心的路线，即基于Bukkit/Spigot/Paper生态的纯净插件服。这类服务器通过插件补全管理功能，在保留原版玩法的基础上，实现权限分级、领地保护、方块记录等实用特性。理解服务端、插件与Java版本的兼容关系，是搭建稳定服务器的前提。在实际工程中，合理选配云服务器资源、配置JVM参数、制定备份策略，能够显著提升服务器运行的可靠性。对于小型社区或好友联机场景，采用Paper核心搭配LuckPe

weixin_30536861的博客 261

gameserver-1:go 手游服务端

gameserver 手游服务端 ###todo 暂时用redis缓存，实际项目中会使用mysql保存冷数据，游戏角色超过一个星期没有上线，从缓存保存到mysql中并删除；缓存中的数据每天凌晨定时保存到mysql ###通讯架构 架构分为三部分，客户端，网关，中心服务器，以及其他逻辑服务器（例如pvp服务器，活动服务器）； 消息头为16个字节；id，消息源或者目标id，4byte；seq，消息序列号，2byte；ret，消息返回结果，2byte；cmd，消息命令字，2byte；unlen，未压缩前长度；len，消息体长度，2byte，理论上不要超过65535字节. 逻辑服务器不保存任何状态,所有热数据都保存在redis;逻辑服务器id不允许相同,启动同个id的服务器会覆盖掉前一个服务器; 逻辑服务器可以允许注册相同cmd,来分摊计算压力; ###项目说明 Gate - 网关服务器，用于转发

用Docker在Linux上开Minecraft纯净服

文章目录Minecraft纯净服简介docker镜像默认前置知识docker操作Linux进入游戏后台白名单OP权限游戏操作 Minecraft纯净服简介 Minecraft原版服务端Vanilla，又称香草服务端，由minecraft官方发布，仅呈现游戏内容以及多人联机的基础功能，无法添加插件，安装forge后可以添加Mod。 docker镜像 有能力的可以自己查看镜像参数的操作，本文只提供最基础开服教程 https://github.com/itzg/docker-minecraft-server 默认

Java小菜鸟滴博客 1488

valheim-server-docker：Valheim专用的游戏服务器，具有自动更新，世界备份和ValheimPlus mod支持

lloesche / valheim-server Docker映像 Docker容器中的Valheim Server（具有支持） Docker基本用法 Docker映像的名称是lloesche/valheim-server 。 将服务器配置目录卷安装到Docker容器内的/config中。 如果您在Windows系统上已有一个世界，则可以从以下位置复制它： C:\Users\Lukas\AppData\LocalLow\IronGate\Valheim\worlds到例如$HOME/valheim-server/config/worlds并在容器$HOME/valheim-server/config卷安装到/config运行映像。 容器目录/opt/valheim包含下载的服务器。 可以选择将其批量安装，以避免在每次重新启动时都必须下载服务器。 $ mkdir -p $HOME/

MC纯净生存服开服指南：从Java环境到长期运营

搭建Minecraft服务器是很多玩家从“会玩”走向“会开服”的第一步，而真正拦住新手的第一道坎，往往不是复杂的服务端框架，而是Java环境变量配置这类基础工程问题。只有把Java版本、启动参数与环境变量理顺，服务端才能稳定运行，这也正是Minecraft开服教程中反复强调“先配环境、再看玩法”的原因。在纯净生存、生电、养老等不同社区场景下，服务端选型与备份策略会直接影响玩家体验，尤其对于开荒招新类服务器，离线模式、白名单与规则设计更是兼顾便利与安全的平衡点。基于这些高频运维概念，从实际踩坑经验出发，系统拆

weixin_34095889的博客 301

CAN-do-paser：Java开发的CAN总线数据帧解析库

CAN总线数据帧使用DBC文件信息解析为物理量，基于Java开发的数据解析工具。

佳瑞的博客 1133

Python入门之机器学习（非常详细）篇幅拉满，一般人看不完！

什么是机器学习？监督学习 supervised learning;非监督学习 unsupervised learning;半监督学习 semi-supervised learning;强化学习 reinforcement learning;监督学习是不断向计算机提供数据（特征），并告诉计算机对应的值（标签），最后通过大量的数据，让计算机自己学会判断和识别。例如Google Photo，你在APP中输入狗，这时就会弹出与狗相关的图片，这背后使用的算法就是监督学习。

xiaolinyui的博客 2万+

MC 1.8.8服务器开服教程：Java环境与MCSManager面板实战

搭建《我的世界》服务器时，版本选型与运行环境是影响稳定性的关键。1.8.8版本凭借成熟的PvP机制、丰富的Mod生态以及对低配置硬件的友好性，成为小型生存服与亲友服的热门选择。然而，该版本服务端基于Java 8编译，需要匹配的JDK环境，否则容易出现版本冲突。同时，服务器管理方式影响日常运维效率，传统命令行操作门槛较高。通过引入MCSManager网页面板，可以大幅简化启动、备份与权限管理流程。一套基于Ubuntu系统的轻量级开服方案，覆盖从安装Java 8、部署服务端核心到配置MCSManager的完整过

weixin_33282146的博客 258

5分钟搞定！用ZLMediaKit+GB28181搭建低成本外网视频监控（含避坑指南）

本文详细介绍了如何利用开源ZLMediaKit流媒体服务器与国标GB28181协议，快速搭建低成本、可外网访问的企业级视频监控系统。文章提供了从服务端部署、设备配置到外网访问优化的完整实战指南，并重点分享了网络配置、性能调优及常见问题的避坑方案，帮助用户实现高清视频流的稳定推送与多格式播放。

bush的博客 332

Minecraft服务器Forge搭建、开服教程 （使用MCSL2开服器）| Windows操作系统

《我的世界》（Minecraft）作为全球畅销的沙盒游戏，其高自由度和创造性吸引了大量玩家。Forge作为Minecraft的模组加载器，允许玩家自定义游戏内容并共享。本文详细介绍了如何在Windows系统上使用MCSL2开服器搭建Minecraft的Forge服务器。

2504_92114783的博客 3745

基于Python的微信聊天记录分析——数据获取

本篇为“基于Python的微信聊天记录分析”第一篇，主要涉及数据获取，包括Python环境配置、WeChatMsg项目配置和运行、获取聊天记录等内容，流程简单、比较基础，后续这个系列会涉及基于Python的数据处理、统计分析、NLP技术等内容。希望和大家多多交流，共同进步！

Henryli1202的博客 1万+

CTF 命令执行绕过总结

tac:从最后一行开始显示，可以看出 tac 是 cat 的反向显示。或：rce-xor-or.php & rce-xor-or.py。# ls -t >shell 将输出输入到shell文件中。异或：rce-xor.php & rce-xor.py。%09（url传递）(cat%09flag.php)sh /flag 2>%261 //报错出文件内容。2、1使用空变量$*和$@，$x,${x}绕过。7、异或无符号（过滤0-9a-zA-Z）more:一页一页的显示档案内容。

jnszstmei的博客 1959

MineCraft生存服开设-完整教程

想要有一个Minecraft生存服？跟着下文一起来吧。

2301_77774575的博客 1399

【NAS系统】DSM7.2部署SVN服务

早期的群晖版本可以在套件中心找到SVN Server直接安装，然后配置仓库和用户。但‌2提到DSM7.0之后套件中心没有SVN了，得用Docker。

qq_38350004的博客 4849

Minecraft摸鱼开服日志(一)2022/4/23--2022/4/25

minecrraft 1.16.5 paper 开服文件夹内相关文件的说明，仅仅只是作为一个笔记。防止遗忘。

Colinaac的博客 2126

未连接互联网的银河麒麟v10安装g++，各种报错，如何处理？

🏆本文收录于《全栈Bug调优(实战版)》专栏，主要记录项目实战过程中所遇到的Bug或因后果及提供真实有效的解决方案，希望能够助你一臂之力，帮你早日登顶实现财富自由🚀；同时，欢迎大家关注&&收藏&&订阅！持续更新中，up！up！up！！ 备注：部分问题/疑难杂症搜集于互联网。

**My Coding Family** 1803

【系统架构设计师-2026上半年真题】综合知识-参考答案及详解（75题完全回忆版）

【系统架构设计师-2026上半年真题】综合知识-参考答案及详解（75题完全回忆版）

数据知道的博客 3102

我的世界MinecraftJava版开服教程（Linux）开服器开服包下载开服网站服务器开服核心开服端开服软件mac版Java启动器

相比于插件，MOD则是需要在服务端和客户端同时添加才能够使用，单独在服务端添加客户端将无法进入服务器，单独在客户端添加，能进入服务器，但MOD将不会起到作用（辅助类另说，如小地图，顶部显示物品，Xray透视等，这里仅指个人功能类）既可以加入mods又可以加入插件，兼容paper的一些插件支持，不需要多大的服务器即可运行，并且自带多线程，比较多插件不支持，部分mods不支持。是KC的优化版本，多线程进行运算，效率更高，支持Bukkit插件和ForgeMOD ，最高支持版本1.7.10。...

V13807970340的博客 2518

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术，以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索，主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式，计算机控制系统的数学描述与基本分析方法，以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

我的世界Minecraft Java开服教程（Windows）开服器开服包下载开服网站服务器开服核心开服端开服软件mac版Java启动器资源包

相比于插件，MOD则是需要在服务端和客户端同时添加才能够使用，单独在服务端添加客户端将无法进入服务器，单独在客户端添加，能进入服务器，但MOD将不会起到作用（辅助类另说，如小地图，顶部显示物品，Xray透视等，这里仅指个人功能类）既可以加入mods又可以加入插件，兼容paper的一些插件支持，不需要多大的服务器即可运行，并且自带多线程，比较多插件不支持，部分mods不支持。是KC的优化版本，多线程进行运算，效率更高，支持Bukkit插件和ForgeMOD ，最高支持版本1.7.10。...

V13807970340的博客 2138

老版QQ原生表情gif动态

这是老版的QQ表情，不过全是动态的的，Windows照片查看器是不会动的，可以右击用浏览器打开查看，再说一遍是老版的，只是分享给宁愿用老版也要动态的人。

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")

Minecraft-删除服务器地图区块（MCedit）

我的世界服务器中地图区块的删除

害怕也得前进 2万+

汉书HE8，好用的汇编代码编写工具

汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大

如何搭建一个基于spigot的minecraft插件服务器

直接搬自我自己的文章http://nerveplexus.tooo.top/?p=61 spigot插件服和纯净服的区别仅仅在于服务器核心，只要把mc纯净服务器的服务器核心换成对应版本的spigot服务器核心就完成了。所以我们只要知道如何获得spigot服务器核心就行了。 这里我们使用的系统是centos，首先第一步是搭建一个纯净版本mc服务器 可以参考http://nerveplexus.too...

qq_17085563的博客 5037

3分钟上手Docker版我的世界服务器：从纯净服到模组服的全平台部署指南

你是否曾因复杂的服务器配置望而却步？是否想在同一台设备上轻松切换不同类型的Minecraft服务器？本文将带你通过Docker技术，在5分钟内完成从基础纯净服到复杂模组服的部署，无需担心环境冲突与版本兼容问题。 ## 为什么选择Docker化部署？ 传统Minecraft服务器部署往往面临版本冲突、配置繁琐、迁移困难等问题。而通过[docker-minecraft-server](https:...

gitblog_00082的博客 1106
上一篇： linux安装docker-ce
下一篇： docker安装Nextcloud私有云盘
点赞 8
评论 6
书签 书签 47
willops
willops
博客等级 码龄12年 1815粉丝 232原创
+ 关注 专栏目录 订阅专栏
评论 6
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 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

打赏作者

willops

你的鼓励将是我创作的最大动力！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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