62、虚拟机器管理与企业计算指南

虚拟机器管理与企业计算指南

1. 虚拟机器检查点的使用

虚拟机器检查点允许你复制虚拟机器的状态,并防止该状态发生变化。在需要时,你可以恢复到某个检查点,撤销最近所做的更改。

如果你有用于测试的虚拟机器,可在进行任何更改之前创建一个检查点。测试完成后,你可以恢复到该检查点,使系统恢复到干净状态。这对于迭代测试也非常有用,能将测试环境重置为初始状态。

需要注意的是,检查点不能替代备份。如果重新创建测试环境需要大量工作,或者虚拟机器包含重要数据,你需要将虚拟机器备份到单独的磁盘驱动器,以确保磁盘故障不会导致数据丢失。

此外,你还需要了解测试环境中的应用程序如何影响不同的虚拟机器。如果应用程序的组件分布在不同的虚拟机器上,为了保证应用程序的一致性,你可能需要同时在所有相关虚拟机器上创建检查点。例如,如果你要对应用服务器应用服务包,而该服务包还会更新 Active Directory 中的数据,那么在应用服务包之前,你应该对应用服务器和域控制器虚拟机器都创建检查点。

2. 检查点的内容

一个检查点包含了虚拟机器的所有方面,包括配置、虚拟硬盘内容和内存内容。你可以对正在运行的虚拟机器创建检查点,当恢复到该检查点时,虚拟机器仍会保持在创建检查点时的运行状态。然而,对正在运行的虚拟机器创建检查点的一个缺点是,内存内容会以 .bin 文件的形式保存到磁盘上。如果有很多虚拟机器的检查点,这些 .bin 文件可能会占用大量的磁盘空间。

对于虚拟硬盘,创建检查点会触发差异磁盘的创建。差异磁盘用于存储在创建检查点之后虚拟硬盘发生的更改。如果你创建了多个检查点,每个检查点都会创建一个新的差异磁盘。多个差异磁盘可以链接在一起,

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关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优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、模型参数配置结果后处理环节,充分利用ENVI Modeler进行自动化建模参数优化,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
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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