GoLand远程开发实战:SSH连接Linux服务器+cpolar内网穿透保姆级教程

Windows系统部署GoLand结合内网穿透实现SSH远程Linux服务器开发调试(1) 最近很多小伙伴找我要Linux学习资料,于是我翻箱倒柜,整理了一些优质资源,涵盖视频、电子书、PPT等共享给大家! 阅读详情

GoLand远程开发实战:SSH连接Linux服务器与内网穿透深度配置指南

你是否曾因办公室的服务器性能强劲,却苦于无法在咖啡馆、家中甚至旅途中顺畅地使用它进行Go项目开发?那种本地机器编译缓慢、环境配置繁琐的体验,确实会拖慢灵感迸发的节奏。对于追求高效与灵活性的Go开发者而言,将本地的GoLand IDE与远端的Linux服务器无缝对接,构建一个随时可用的远程开发环境,早已不是可选项,而是提升生产力的核心技能。这不仅仅是连接一台远程机器那么简单,它关乎如何建立一个稳定、安全且如同操作本地文件般流畅的编码体验。本文将带你超越基础的连接步骤,深入探讨如何利用SSH协议建立稳固桥梁,并借助可靠的内网穿透工具,将你的开发环境从物理位置中解放出来。无论你是需要连接公司的测试服务器,还是想利用家中闲置的高性能设备,这套方案都能为你提供一个企业级、可长期依赖的远程工作台。

1. 基石构建:GoLand与SSH远程开发的深度配置

在开始远程连接之前,确保两端环境就绪是成功的第一步。这不仅仅是安装软件,更是理解其协作原理,为后续的稳定运行打下基础。

GoLand的安装与核心配置理念

从JetBrains官网获取GoLand安装包是起点,但安装后的初始配置往往被忽略。一个专业的做法是,在首次启动时,就为远程开发做好准备。不要急于创建本地项目,而是先进入 File | Settings | Tools | SSH Configurations(对于macOS用户是 GoLand | Preferences...)。在这里,你可以预先配置好服务器的连接信息,即使暂时不连接,也能让IDE提前熟悉你的工作环境。

提示:建议在GoLand中启用“Sync SSH Configurations with system”选项,这样你系统中已有的SSH配置(如 ~/.ssh/config 文件)会自动被GoLand识别,避免重复输入。

服务器端的SSH服务,其安全性配置同样重要。除了使用 sudo apt install openssh-server(针对Debian/Ubuntu)或 sudo yum install openssh-server(针对RHEL/CentOS)进行安装外,更应考虑修改默认的SSH端口(22端口是攻击频发目标),并禁用root用户的直接密码登录。下面是一个简单的SSH服务状态检查与基础安全加固命令示例:

# 检查SSH服务状态
sudo systemctl status sshd

# 编辑SSH配置文件
sudo vim /etc/ssh/sshd_config

# 在文件中进行如下修改(找到对应行并取消注释或修改):
# Port 2222                  # 更改默认端口,例如改为2222
# PermitRootLogin prohibit-password # 禁止root密码登录,仅允许密钥登录
# PasswordAuthentication no  # 禁用密码认证,强制使用密钥(初期调试可先设为yes)

# 修改后重启SSH服务
sudo systemctl restart sshd

建立首次连接与项目映射

在GoLand中创建新项目时,选择“SSH”作为项目位置。这里的关键在于理解“Host”字段的含义:在局域网内测试时,它填的是服务器的私有IP地址(如192.168.1.100);而当我们后续启用内网穿透后,这个地址将变为一个公网可访问的域名或IP。

连接建立后,GoLand会将服务器上的指定目录映射为一个本地项目。你会发现,所有的代码补全、静态分析、运行和调试操作,实际上都是在远程服务器上执行的,本地的GoLand只是一个极其智能的“前端界面”。这种模式下,服务器的计算资源(CPU、内存)和系统环境(Go版本、依赖库)被充分利用,而本机只需承担IDE的界面渲染和网络传输开销。

为了验证环境同步,一个经典的测试是修改服务器上的一个Go文件。例如,在服务器终端创建并编辑 test.go:

package main

import "fmt"

func main() {
    fmt.Println("Initial message from server.")
}

然后在GoLand中打开这个文件,将打印内容修改为 "Hello from GoLand over SSH!" 并保存。紧接着,在服务器的终端执行 go run test.go,如果输出是你刚刚修改的内容,则证明文件同步机制工作正常。这个简单的测试确认了代码编辑、保存、同步的整个链路是畅通的。

2. 跨越边界:内网穿透的原理与工具选型

当你成功在办公室局域网内通过SSH连接服务器后,下一个挑战是如何从外部网络(如家庭、咖啡馆)访问这台处于私有网络后的服务器。这就是内网穿透(也称为NAT穿透)要解决的问题。其核心原理是,在无法直接建立连接的内网客户端和公网服务器之间,通过一个拥有公网IP的第三方服务器进行数据中转。

为什么需要内网穿透?

大多数企业或家庭网络都处于运营商的路由器之后,设备获取的是内网IP(如10.0.0.x, 192.168.x.x)。外部互联网无法直接向这个内网IP发起连接请求。内网穿透工具的作用,就是在你的服务器上运行一个客户端,主动连接到一台拥有公网IP的中继服务器,并建立一个持续的隧道。当你在外网想连接服务器时,实际上是先连接到这个中继服务器,再由它通过已建立的隧道将请求转发到你的内网服务器。

市面上有多种内网穿透解决方案,它们在协议支持、稳定性、配置复杂度和成本上各有不同。对于个人开发者或小团队,选择一款易于配置、提供稳定免费额度且专注于TCP/UDP隧道(SSH正是基于TCP)的工具至关重要。

穿透工具的核心功能对比

在选择具体工具时,可以从以下几个维度进行评估:

特性维度基础要求进阶考量
协议支持必须稳定支持TCP隧道,用于转发SSH的22(或自定义)端口。额外支持HTTP/HTTPS、UDP等,以备未来Web服务或游戏服务器调试之需。
连接稳定性隧道断开后应具备自动重连机制,防止开发中途失联。提供多节点/多线路选择,优化不同网络环境下的延迟和速度。
配置复杂度提供一键安装脚本和清晰的Web管理界面,降低运维门槛。支持配置文件化管理,便于通过脚本批量部署或集成到CI/CD流程。
数据安全隧道传输应加密,防止代码等敏感信息在公网裸奔。支持自定义加密方式、身份验证,甚至私有化部署中继服务器。
成本与额度提供足够的免费流量和隧道数,满足个人开发者的日常需求。付费套餐价格透明,升级路径清晰,能平滑应对业务增长。

基于以上考量,一款设计精良的内网穿透工具应该能让开发者在几分钟内,就将内网的SSH服务暴露到公网,而无需关心复杂的网络拓扑和防火墙规则。其Web管理界面应该直观地展示隧道状态、带宽用量和连接日志。

3. 实战部署:从安装到创建首个公网隧道

假设我们选择了一款符合上述要求的工具(下文以通用流程为例,具体工具名称和命令请以其官方文档为准),接下来就是具体的部署步骤。这个过程可以分为服务器端安装、Web界面登录和隧道创建三个主要阶段。

服务器端的一键安装与服务管理

通常,这类工具会提供便捷的安装脚本。通过一行命令即可完成下载、安装和基础配置。安装完成后,需要将工具设置为系统服务,以确保服务器重启后隧道能自动恢复。

# 示例:通过官方脚本安装(具体命令请以工具官网为准)
curl -sSL https://example.com/install.sh | sudo bash

# 启用系统服务,实现开机自启
sudo systemctl enable your-tunnel-service

# 启动服务
sudo systemctl start your-tunnel-service

# 查看服务状态,确认运行正常
sudo systemctl status your-tunnel-service

安装成功后,工具会在服务器本地监听一个管理端口(例如9200)。你可以在服务器本机浏览器访问 http://localhost:9200,或者从同一局域网内的另一台机器访问 http://<服务器内网IP>:9200 来打开Web管理界面。首次登录通常需要使用注册的账号。

在Web界面中创建SSH隧道

登录管理界面后,核心操作是创建一条隧道。创建时,需要理解几个关键参数:

  • 隧道名称:一个便于识别的标识,如 go-ssh-tunnel。
  • 协议类型:选择 TCP,因为SSH协议基于TCP。
  • 本地地址:填写 127.0.0.1 或 localhost。这里指的是从内网穿透工具客户端所在机器(即你的服务器)的角度看,SSH服务在哪里。由于SSH服务就运行在本机,所以是 127.0.0.1。
  • 本地端口:填写SSH服务实际监听的端口,默认为 22。如果你之前修改过SSH端口(例如改为2222),这里就需要填写 2222。
  • 地区:选择离你服务器物理位置最近或网络质量最好的服务器节点,通常选择“China”或具体城市,以获得更低的延迟。

点击创建后,管理界面会生成一个临时的公网访问地址,格式通常为 tcp://random-subdomain.cpolar.io:12345。这个地址包含了一个随机子域名和一个随机端口号,它就是你在外网访问服务器SSH服务的“大门”。

注意:这种随机地址和端口通常有有效期(例如24小时),适用于临时测试或短期使用。过期后会变化,不适合作为长期开发环境。

此时,你可以立即在GoLand中进行测试。将之前项目配置或新建项目时的“Host”修改为生成地址中的域名部分(如 random-subdomain.cpolar.io),将“Port”修改为对应的端口号(如 12345)。点击连接,如果一切配置正确,你将能像在局域网内一样,成功连接到远程服务器。

4. 追求稳定:配置固定公网地址进行长期开发

临时地址用于验证流程完全没问题,但对于需要每天投入工作的远程开发环境,地址频繁变动是无法接受的。你需要一个固定的、不变的公网入口。这就需要使用工具的“固定TCP地址”或“域名保留”功能。

保留一个固定的TCP地址

在工具的管理界面或官网用户后台,找到“预留”或“保留TCP地址”功能。这个过程本质上是向服务商申请将一个公网端口长期分配给你的账户。

  1. 选择地区:同样,选择延迟最低的服务器节点区域。
  2. 填写描述:填写一个备注,如 My Go Dev Server SSH,方便日后管理。
  3. 点击保留:系统会为你分配一个固定的公网地址,格式可能变为 tcp://fixed-address.cpolar.io:20222。请注意,这个地址和端口将是长期有效的(只要你的账户状态正常且持续使用)。

将固定地址绑定到隧道

获得固定地址后,需要回到隧道管理列表,找到之前创建的SSH隧道,进行编辑。

  • 将“域名类型”从“随机临时TCP”修改为“固定TCP地址”或选择你保留的地址。
  • 保存更新。

隧道更新成功后,在线隧道列表里显示的公网地址就会变成你刚刚保留的固定地址。现在,你拥有了一个永久性的远程开发接入点。

在GoLand中更新为固定地址

这是最后一步,也是让一切变得便捷的关键。在GoLand中,找到你的远程项目配置,将连接信息中的Host和Port更新为固定的公网地址和端口。

为了进一步提升体验,我强烈建议将SSH连接配置保存到GoLand的“SSH Configurations”中,并为其命名,如 Remote-Go-Server-Fixed。这样,你可以在多个项目间轻松复用这个连接,而无需每次都重新输入。更进阶的做法是配置SSH密钥对登录,彻底告别密码输入,实现秒级安全连接。生成和部署密钥对的命令如下:

# 在本地机器生成密钥对(如果已有可跳过)
ssh-keygen -t rsa -b 4096 -C "your_email@example.com"

# 将公钥上传到远程服务器
ssh-copy-id -p <你的固定端口> user@fixed-address.cpolar.io
# 执行后会提示输入一次服务器密码,之后即可实现无密码登录

完成这些后,无论你身处何地,只要打开GoLand,选择配置好的远程项目,就能立即进入一个完整、强大且个性化的Go语言开发环境,所有的代码索引、编译、运行和调试都在远程服务器上高效执行。

5. 高阶优化与故障排查指南

建立一个能工作的环境只是开始,让它变得高效、可靠,才真正体现出一个专业开发者的素养。以下是一些提升远程开发体验的实用技巧和常见问题的解决方法。

性能与体验优化

  1. 文件同步模式:GoLand默认使用SFTP进行文件同步。对于大型项目,可以尝试在 Tools | Deployment | Configuration 中,将“Advanced”选项里的“Upload changed files automatically to the default server”设置为“On explicit save action (Ctrl+S)”,避免频繁的自动同步影响输入流畅性。
  2. 排除不必要的文件:在部署配置中,添加忽略模式(如 **/.git, **/node_modules, **/*.log),防止将版本控制文件、依赖目录或日志文件同步到本地,节省带宽和时间。
  3. 使用SSH连接复用(ControlMaster):在本地SSH配置(~/.ssh/config)中为你的固定地址添加以下配置,可以显著减少重复建立连接的开销:
    Host fixed-go-dev
        HostName fixed-address.cpolar.io
        Port 20222
        User yourusername
        ControlMaster auto
        ControlPath ~/.ssh/%r@%h:%p
        ControlPersist 1h
    
    这样配置后,GoLand会复用同一个SSH连接通道,打开新终端或进行文件操作时速度会快很多。

常见连接问题与排查

即使配置无误,网络环境的复杂性也可能导致连接失败。这里有一个系统化的排查思路:

  • 症状:GoLand连接超时

    • 检查1:隧道状态。登录内网穿透工具的Web管理界面,确认你所使用的隧道是否处于“活跃(active)”状态。
    • 检查2:防火墙规则。确保服务器本身的防火墙(如ufw或firewalld)放行了SSH服务端口(你自定义的端口,如2222)以及内网穿透工具客户端所需的端口。
    • 检查3:本地网络。尝试在本地终端使用 ssh -p 20222 user@fixed-address.cpolar.io 命令进行连接,观察错误信息。如果终端可以连接而GoLand不行,可能是GoLand的SSH配置或代理设置问题。
  • 症状:连接成功但文件列表加载缓慢或操作卡顿

    • 原因:这通常是网络延迟较高或带宽不足导致的。SFTP协议对延迟比较敏感。
    • 对策:
      1. 尝试更换内网穿透工具的服务器节点(地区)。
      2. 在GoLand的部署配置中,尝试增加“高级选项”里的连接超时时间。
      3. 考虑是否同步了过多、过大的文件,检查并优化排除列表。
  • 症状:固定TCP地址突然无法连接

    • 检查1:账户状态。确认你的内网穿透工具服务是否到期,或免费额度(如流量、隧道数)是否已用尽。
    • 检查2:服务器状态。登录服务器,检查内网穿透客户端进程是否在运行:sudo systemctl status your-tunnel-service。必要时重启服务:sudo systemctl restart your-tunnel-service。

安全加固建议

将开发环境暴露到公网,安全是重中之重。除了之前提到的修改SSH默认端口和禁用密码登录外,还应:

  1. 定期更新:保持服务器系统、GoLand IDE以及内网穿透工具客户端为最新版本,以修复已知漏洞。
  2. 使用强密码或密钥:为服务器用户设置高强度密码,并优先使用SSH密钥对认证。
  3. 限制访问源(如果工具支持):在高级配置中,可以设置只允许来自特定国家或IP地址的连接尝试。
  4. 监控日志:定期查看服务器SSH日志(/var/log/auth.log)和内网穿透工具日志,关注异常登录尝试。

我在多个项目的远程开发实践中发现,最影响体验的往往不是技术问题,而是网络波动。因此,为自己准备一个备用的连接方式(例如,让服务器同时连接两个不同服务商的内网穿透工具),可以在主线路不稳定时快速切换。毕竟,对于开发者来说,一个稳定、随手可得的编码环境,就是最高效的生产力工具。当你的环境搭建妥当后,你会发现,地点将不再成为限制,你可以更自由地选择工作和生活的节奏,而强大的服务器资源始终触手可及。

Goland远程开发:SSH内网穿透与安全配置指南 内网穿透技术通过建立加密隧道,实现外部网络访问内网资源,是远程开发和团队协作的基础设施。其核心原理是利用中继服务器转发流量,既保障了内网安全性,又解决了NAT穿透难题。在Go语言开发中,结合JetBrains Goland的远程解释器功能,开发者可以高效实现跨地域协作开发。通过SSH密钥认证和cpolar工具配置固定公网地址,既能满足日常开发调试需求,又能避免直接暴露内网服务的风险。这种方案特别适用于分布式团队协作、混合办公等场景,是现代化云原生开发工作流的重要组成部分。 阅读详情

相关推荐

GoLand+SSH+内网穿透:实现本地编辑远程运行与固定公网地址的全套方案

远程开发是当下程序员绕不开的工程实践,尤其是当代码在本地、运行环境在远端服务器时,如何打通一条稳定可靠的链路至关重要。SSH作为最基础的远程连接协议,保证了客户端与服务器之间的加密通信;而内网穿透技术则解决了服务器处于NAT后方、没有独立公网IP时的访问难题。通过将本地IDE与远程解释器结合,开发者可以获得近乎本地化的编码、调试体验。固定公网地址的引入,更让出差、移动办公时随时连接家中或内网机房服务器成为现实。本文从GoLand安装配置、SSH密钥认证、远程调试,到内网穿透隧道搭建与应用扩展,系统梳理了一套

weixin_28836989的博客 285

Goland 远程开发配置详细步骤(远程构建+远程调试)

本文讲解了Goland的远程开发配置,可以直接进行远程构建和远程调试,无需手动命令行

MCKZX的博客 3万+

博客系统 - 系统简介与首页设计

用Bootstrap实现手机端的博客导航栏效果。

m0_53450409的博客 1238

GoLand远程Linux开发环境搭建

开发工具就不多说了哈,GoLang的开发利器自行寻找了。 1、需要安装插件,preference-&gt;plugins-&gt;install jetbrain plugins  如下图   2、配置插件   这里只说上图的5、6、7、8 5、6:Linux的登录名和密码, 7:输入完访问IP后测试 8:Linux端访问的目录 我的Linux目录如下图:   ...

fkewksai的专栏 1万+

RFSOC实战解析:MTS多片同步的时序校准与相位相干实现

本文深入解析了在RFSOC平台上实现MTS多片同步的关键技术与实战流程。文章从相位相干的重要性出发,详细阐述了SYSREF与SYNC信号的协同工作机制,并提供了从硬件时钟配置到软件API调用的完整MTS实现步骤。重点探讨了时序校准的核心方法,旨在帮助工程师解决多通道系统相位不一致的难题,确保ADC与DAC达到精确的相位相干,从而构建高性能的MIMO和相控阵系统。

weixin_29206669的博客 194

Chapter2、HDR流水线

HDR内容的获取(不同曝光时间的图片合成) 相机响应函数 HDR视频

qq_55621259的博客 2598

Goland 远程 Linux 环境开发真香!

更多奇技淫巧欢迎订阅博客:https://fuckcloudnative.io前言今天看到我的 Goland 可以更新了,于是简单看了一下 Release Note,发现了一个似乎期待已...

云原生实验室 2776

数据仓库建模的步骤-从需求分析到模型优化的全面指南

数据仓库建模是一个系统化的过程,旨在设计和构建一个高效、可扩展的数据存储和分析环境。它的目标是将来自不同源系统的数据整合到一个统一的、面向主题的、随时间变化的数据集合中,以支持企业的决策制定过程。数据仓库建模不仅仅是创建表格和定义关系,它更是一门艺术,需要平衡业务需求、技术限制和未来的可扩展性。提供快速的查询性能支持复杂的分析需求适应业务的变化和增长保持数据的一致性和准确性接下来,让我们深入探讨数据仓库建模的每个主要步骤。

一个8年大数据开发工程师的碎碎念 2105

GoLand连接Linux子系统远程开发

windows开发Go语言远没有Unix方便,但是Linux没法用企业微信之类的,deepin特别不稳定。所以wsl成了开发首选。 基本配置步骤如下: 确保linux子系统安装完毕,自行百度教程 配置ssh套件 sudo apt-get update sudo apt-get install openssh-client openssh-server openssh-sftp-server sud...

Erick Lv的笔记 7612

Open3D (C++) 使用点云创建数字高程模型DEM

Open3D (C++) 使用点云创建数字高程模型DEM

点云侠的博客 1392

SAP SEGW 事物码里的 Function Import

开放数据协议(OData)包括标准的 CRUD (创建、检索、更新和删除)操作,这些操作映射到 HTTP 方法的 POST、GET、PUT/MERGE 和 Delete 几类。此外,OData还支持进一步的服务操作:,这些操作可以由HTTP方法GET或POST调用,用于处理不能映射到标准 CRUD 操作的任何内容。通过在数据模型中创建 ,可以在 service Builder 中实现此类额外的服务操作。例如,您可以为以下自定义操作创建函数导入:Work Item confirmation检查航班的可用性虽然

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 997

Windows系统部署GoLand结合内网穿透实现SSH远程Linux服务器开发调试

Windows系统部署GoLand结合内网穿透实现SSH远程Linux服务器开发调试

“路漫漫其修远兮,吾将上下求索。” 8776

windows 配置 libxml2

路径:\libiconv-1.9.2-1-src.zip\src\libiconv\1.9.2\libiconv-1.9.2\include\。执行完后,在当前win32目录中会生成了一个bin.msvc目录,其中就有开发需要的libxml2.lib和libxml2.dll文件。将 libiconv.la 复制到 新建的 lib 目录,并将其改名为 iconv.lib。路径:libiconv-1.9.2-1-bin.zip\lib\。将如下的 iconv.h 复制到新建的 include 目录。

SHELLCODE_8BIT的博客 3887

本地安装GoLand环境并实现远程ssh连接本地Linux服务器远程开发

本文主要介绍在Windows环境如何下载安装GoLand,并通过SSH远程连接服务器,结合cpolar内网穿透工具实现远程编程开发。GoLand是由JetBrains推出的一款专为Go语言开发设计的集成开发环境(IDE)。它集成了多种高级功能,包括但不限于智能代码补全、代码分析和高级调试功能。可以帮助编写Go语言更加便捷,支持各种高级IDE功能和各种Go语言框架。接下来教大家如何配置GoLand并且远程公司服务器进行编程开发。

m0_69984273的博客 1936

基于THUCNews数据集bert bert_wwm的新闻文本分类

基于THUCNews数据集bert bert_wwm的新闻文本分类

985

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

GoLand安装配置与ssh远程连接本地局域网内Linux服务器实战方案

本文主要介绍在Windows环境如何下载安装GoLand,并通过SSH远程连接服务器,结合cpolar内网穿透工具实现远程编程开发。GoLand是由JetBrains推出的一款专为Go语言开发设计的集成开发环境(IDE)。它集成了多种高级功能,包括但不限于智能代码补全、代码分析和高级调试功能。可以帮助编写Go语言更加便捷,支持各种高级IDE功能和各种Go语言框架。接下来教大家如何配置GoLand并且远程公司服务器进行编程开发。

Tiam_cr的博客 1262

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")

Windows环境部署GoLand并SSH连接本地Linux服务器远程编程开发

本文主要介绍在Windows环境如何下载安装GoLand,并通过SSH远程连接服务器,结合cpolar内网穿透工具实现远程编程开发。GoLand是由JetBrains推出的一款专为Go语言开发设计的集成开发环境(IDE)。它集成了多种高级功能,包括但不限于智能代码补全、代码分析和高级调试功能。可以帮助编写Go语言更加便捷,支持各种高级IDE功能和各种Go语言框架。接下来教大家如何配置GoLand并且远程公司服务器进行编程开发。

asdssadddd的博客 1022

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

GoLand远程开发实战:SSH连接与内网穿透配置全指南

本文提供GoLand远程开发的完整实战指南,涵盖SSH连接与内网穿透配置。详细介绍了如何通过SSH安全连接远程Linux服务器,并利用cpolar工具实现内网穿透,从而在任何网络环境下使用GoLand进行无缝远程开发,提升开发效率与灵活性。

m3n5b7v8c9x的博客 1053

如何使用GoLand远程SSH连接本地Linux服务器实现异地开发

本文主要介绍使用GoLand通过SSH远程连接服务器,并结合cpolar内网穿透工具实现远程编程开发。GoLand是由JetBrains推出的一款专为Go语言开发设计的集成开发环境(IDE)。它集成了多种高级功能,包括但不限于智能代码补全、代码分析和高级调试功能。可以帮助编写Go语言更加便捷,支持各种高级IDE功能和各种Go语言框架。接下来教大家如何配置GoLand并且远程公司服务器进行编程开发。

m0_73879806的博客 1030

Windows系统部署GoLand结合内网穿透实现SSH远程Linux服务器开发调试(2)

运行GoLand,选择SSH点击New Project。

qq_38197819的博客 893

Windows系统部署GoLand结合内网穿透实现SSH远程Linux服务器开发调试(3)

运行GoLand,选择SSH点击New Project。

qq_38197819的博客 1064

如何安装配置Goland并使用固定公网地址SSH远程连接本地服务器

我们在本地测试成功,但是我们如果需要长期异地办公,需要结合cpolar内网穿透实现公网远程使用服务器,这里我们需要将SSH使用的本地IP映射为公网TCP地址,才能实现异地开发。地址保留成功后,复制生成的公网地址,打开cpolar web ui管理界面,点击左侧仪表盘的隧道管理——隧道列表,找到我们上面创建的TCP隧道,点击。然而,它的缺点是网址是随机生成,这个地址在24小时内会发生随机变化,更适合于临时使用。为了方便演示,我们在前述过程中使用了Cpolar生成的TCP地址隧道,其公网地址是随机生成的。

yuweiade的博客 422
上一篇: Android系统字体权限踩坑记录:为什么你的Fonts.ttf总加载失败?
下一篇: Vue项目实战:5分钟搞定turn.js翻书动画效果(附常见报错解决方案)
Python
博客等级 码龄26年 1973粉丝 1567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  | 博主筛选后可见
 
 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