阿里云Docker部署Vue应用实践指南

使用 Docker 部署 Vue.js + Go 项目 最近公司要求搞一个 dashboard ,前端用 Vue.js 框架,后端用 Go 语言写的。在决定用 Docker 进行部署的时候,遇到了很多问题,特此记录。 由于这个项目需要使用 AWS 中的 DynamoDB,因此需要先在 Docker 的 image 中安装 aws-cli,然而 aws-cli 只能依赖 Python 进行安装。因为我考虑先从运行一个 Ubuntu 基础镜像(如果是 C... 阅读详情

      上一篇介绍了Docker部署node.js后端应用,那么本文让我们聊聊如何用Docker部署Vue.js应用到阿里云。

       假如已经编写好Vue.js应用代码,例如博主写了一个简单的demo,在页面中输出一行文字,demo代码见文章末尾。        

图1 demo页面

本文的提纲如下:

1. 准备工作:

   1.1 选择一个nginx版本

       Nginx 是一个高性能的HTTP和反向代理服务器,也是一个IMAP/POP3/SMTP服务器。在前端应用部署中,通常用它来做反向代理服务器访问服务器的静态页面。我们在终端输入:docker search nginx, 搜索到一堆nginx镜像。本文采用第一个官方nginx镜像。

图1.1 查找可用nginx镜像

 1.2 修改nginx.conf配置

      在项目的根目录下创建一个default.conf,修改端口号为vue.js代码中定义的端口,例如本文采用的端口号是:1233,default.conf的内容如下:

server {
    listen       1233;
    listen  [::]:1233;
    server_name  localhost;

    #charset koi8-r;
    #access_log  /var/log/nginx/host.access.log  main;

    # location / {

    # }

    # 解决刷新和vue-router404问题 start
    location / {
         try_files $uri $uri/ @router;
         index index.html;
     }
 
    location @router {
        rewrite ^.*$ /index.html last;
    }
    # 解决刷新和vue-router404问题 end

    root /usr/share/nginx/;
    index index.html index.htm;
  
    #error_page  404              /404.html;

    # redirect server error pages to the static page /50x.html
    #
    error_page   500 502 503 504  /50x.html;
    location = /50x.html {
        root   /usr/share/nginx/html;
    }

    # proxy the PHP scripts to Apache listening on 127.0.0.1:80
    #
    #location ~ \.php$ {
    #    proxy_pass   http://127.0.0.1;
    #}

    # pass the PHP scripts to FastCGI server listening on 127.0.0.1:9000
    #
    #location ~ \.php$ {
    #    root           html;
    #    fastcgi_pass   127.0.0.1:9000;
    #    fastcgi_index  index.php;
    #    fastcgi_param  SCRIPT_FILENAME  /scripts$fastcgi_script_name;
    #    include        fastcgi_params;
    #}

    # deny access to .htaccess files, if Apache's document root
    # concurs with nginx's one
    #
    #location ~ /\.ht {
    #    deny  all;
    #}
}

1.3 编写 Dockerfile (注意:开头必须大写,位置放在:项目的根目录下)

    如何编写Dockerfile,请参考官方指南:Docker Hub  -> Complex configuration。本文的Dockerfile内容如下:

FROM nginx

COPY default.conf /etc/nginx/conf.d/

COPY dist/ /usr/share/nginx/

2. 代码打包

在终端输入打包指令,项目dist目录生成了静态资源文件:

node build/build.js

3. 打包镜像

在终端输入以下指令:

docker build . 

图3.1 打包镜像

    最后一行log看到已经生成了一个ID为:ffdf55e238d4 的镜像。

    为了方便管理,给镜像打tag: 

docker tag ffdf55e238d4 vuejs-demo:v1.0.0

4. 检查镜像

 4.1 启动docker镜像

   docker run --name=helloword -p 8080:1233 -d vuejs-demo:1.0.0

   说明:

   1)给容器取名:--name helloword,容器名字为:helloword

   2)端口映射:-p 8080:1233:-p 本机端口:容器端口,1233是vue.js代码中取的访问端口

   3)后台运行:-d

  在终端输入以下指令 , 查看我们创建的容器运行情况。

docker ps

图4.1 查看容器运行

    我们可以看到刚刚创建的容器:helloword,已经运行起来了。

4.2 本地验证docker镜像是否正常运行

  4.2.1 地址栏输入地址查看

   在浏览器地址栏输入:http://localhost:8080/#/

   浏览器显示:  Hello world! 这是来自docker部署的web应用!

   OK,说明我们的应用已经部署好了。

4.2.2 查看docker容器运行日志

 可以查看容易的运行日志判断容器是否运行起来,查看指令如下(ctrl+c终止查看日志):

   docker logs -f  容器id

小技巧1:有时候需要进入容器内部查看nginx的配置情况,可以通过以下指令进入容器内部(进入内部之后,可以在终端输入:exit ,退出容器):

docker exec -it 容器ID /bin/bash

小技巧2:有时候需要将本地的文件挂载到容器中,例如打包的时候nginx.conf配置写错了,又不想重新打包,这时候可以通过文件挂载到容器的方式替换容器中的nginx.conf。具体方法如下:

docker cp nginx.conf 你的容器名字:/etc/nginx/

例如:docker cp nginx.conf vuejs-demo-v1.0.0:/etc/nginx/

5. 部署应用到阿里云

5.1 本地打阿里云vue镜像

sudo docker tag XX(本地镜像ID)  你的阿里云镜像库地址/你取的镜像名字

例如: sudo docker tag XX registry.cn-shanghai.aliyuncs.com/xx/vuejs-demo-v1.0.0

5.2 本地上传阿里云vue镜像

5.2.1 登录阿里云镜像库

sudo docker login --username=xx registry.cn-shanghai.aliyuncs.com

需要输入2次密码:

第一次输入的是你的本地机器登录密码:

Password:你的本地机器登录密码

第二次输入的是你的阿里云镜像库登录密码:

Password:你的阿里云镜像库登录密码

5.2.2 上传阿里云镜像

sudo docker push 你的阿里云镜像库地址/你取的镜像名字

例如:sudo docker push registry.cn-shanghai.aliyuncs.com/xx/vuejs-demo-v1.0.0

5.3 阿里云服务器运行镜像

5.3.1 登录阿里云服务器

ssh root@你的阿里云IP地址

5.3.2 拉取镜像

docker pull 上传的镜像名字

例如:docker pull registry.cn-shanghai.aliyuncs.com/xx/vuejs-demo-v1.0.0)

5.3.3 运行vue镜像

docker -d -p 本机端口号:容器端口号 --name=xx 镜像名字

(例如 docker -d -p 1233:1233 --name=vuejs-demo-v1.0.0  registry.cn-shanghai.aliyuncs.com/xx/vuejs-demo-v1.0.0)

5.4 将端口添加到阿里云服务器安全组

上一步的允许外网访问的端口号:1233,需要添加到阿里云服务器安全组,外网才可以访问。

在浏览器输入:http://你的阿里云外网IP地址:1233,可以看到阿里云的vue程序正常启动起来了。

6. Demo源码

 demo源码详见:GitHub - rzhaolin/Docker-Vuejs

阿里云部署docker项目流程 这是自己的项目项目原来的项目是一个手机远程管理交换机的项目,项目中包含嵌入开发,python+flash对接的flutter(android+ios),mysql,redis,vue3+ts的后台以及阿里云的物联网相关的东西,现在将项目精简下主要是docker部署的一套,修改项目目录下docker-compose.dev.yml文件,在nginx下添加vue项目使用的端口。此时完成了vue后台项目的添加部署,记得开放服务器的相应端口。安装特定版本的Docker引擎。卸载以前安装的docker。 阅读详情

相关推荐

阿里云ECS部署Spring Boot+Vue项目【宝塔面板】

教程基于宝塔面板,在购买服务器选择镜像时,需要选择带有宝塔面板的镜像,也可以自己装宝塔面板,安装教程可以查看。

Glubin的博客 1779

Vue——解决 Vue 项目 invalid host header 问题

解决 invalid host header 问题

weixin_43551242的博客 1946

ruoyi 微信小程序上线部署阿里云实践

本文记录了基于阿里云ECS服务器部署微信小程序的全过程。部署Java后端服务。重点介绍了前端Vue3项目的部署,包括Nginx的安装配置、SSL证书设置以及详细的Nginx配置文件示例。

刘一线的博客 1144

史上最详细阿里云服务器上Docker部署vue项目 实战 每一步都带详细图解!!!

史上最详细阿里云服务器上Docker部署vue项目 实战 每一步都带详细图解!!! 找了很多博客,最后才成功,????‍太难啦。 大家要是最后成功了一定要记得来给我点个赞哦。每一步都是带图带解析的实操。 步骤: 1、打包 先将前端vue项目打包 运行命令: npm run build 等它打包完就可以啦。 2、Dockerfile文件 写一个Dockerfile文件 FROM nginx #拉取nginx镜像 COPY ./dist/ /usr/share/nginx/html/ #将dist目录下内

北 3911

docker部署onlyOffice

本文介绍了如何在Docker环境中部署OnlyOffice Document Server,并通过HTML和Vue3进行集成测试。首先,拉取OnlyOffice的Docker镜像并创建挂载目录,然后运行容器并设置端口映射。接着,通过浏览器访问服务并进行健康检查,确保服务正常运行。最后,提供了HTML和Vue3的示例代码,展示了如何在前端页面中嵌入OnlyOffice编辑器,并配置文档的加载和权限设置。整个过程涵盖了从部署到测试的完整步骤,适合开发者快速上手OnlyOffice的集成。

weixin_47617631的博客 2192

深信服桌面云实战:从零部署到高效运维的关键配置指南

本文提供了一份深信服桌面云从零部署到高效运维的实战指南。内容涵盖项目启动阶段的资源、网络与存储规划,详细演示了VMP与VDC平台的安装与对接,并深入讲解了制作虚拟机模板、配置用户体系、优化终端策略等核心步骤。最后,分享了包括CPU公平分配、智能调度在内的关键性能调优与高阶运维技巧,旨在帮助管理员构建稳定、高效的云桌面环境。

blockchain9miner的博客 451

docker部署Vue.js项目

先是制作nginx镜像, 安装nginx: #从远程仓库拉去镜像 sudo docker pull ${name:version} sudo docker pull nginx:latest #运行nginx sudo docker run -it -p 81:80 nginx:latest #-i以交互模式运行容器,通常与-t同时使用 #-t为容器分配一个伪输入终端,通常与-i同时使用 #-p ...

Burette_Lee的博客 1462

图解说明JLink驱动与目标板电源匹配的关键细节

深入讲解JLink驱动安装及使用过程中,如何正确匹配目标板电源,避免常见通信故障。通过图解方式清晰展示关键连接细节,确保调试稳定可靠,是嵌入式开发中不可或缺的实战经验分享。

weixin_42173218的博客 431

面试ng,Vue全家桶之webpack详解(四),最详细的docker中安装并配置redis

所有nodejs历史版本的链接:找到10.13.0,里面是 nodejs V10.13.0所有类型安装文件.msi使用这个不用配置环境变量.zip解压即可用,但是需要配置环境变量我这里下载.msi后缀文件双击下载完成的,点击next点击next表示 npm包管理器在线文档快捷方式添加 node 安装路径到环境变量这就是.msi不需要手动添加环境变量的原因,node已经帮我们配置好了。

code8889的博客 1125

DexProtector内存校验绕过与DEX提取实战

DEX文件是Android应用的核心执行单元,其动态加载与运行时保护机制直接关系到App安全强度。DexProtector作为主流商业加固方案,摒弃传统文件级防护,转而依托ART虚拟机下的匿名内存映射段(anonymous mmap)构建多维校验体系——涵盖字节码完整性校验、内存页属性检测及运行时环境感知。其技术价值在于将防护锚点从静态APK迁移至动态内存态,大幅提升逆向门槛。典型应用场景包括金融类App的防篡改加固、游戏客户端的反外挂保护,以及政企应用的合规性安全增强。本文聚焦DexProtector v

weixin_30315435的博客 714

路径规划:D*Lite寻路算法详解

D*Lite详解目录

mkr67n的博客 2万+

Docker容器化部署SpringBoot+Vue项目:从零到一在阿里云宝塔面板的实践指南

Docker容器技术通过标准化"集装箱"模式,解决了传统部署中的环境不一致问题。其核心概念包括镜像(标准化模板)、容器(运行实例)、仓库(镜像存储)和Dockerfile(构建指令)。以SpringBoot+Vue项目为例,通过宝塔面板结合Docker Compose编排工具,可实现MySQL、Redis、Nginx和后端应用的一键部署,显著提升部署效率和环境一致性。Docker化部署优势包括:秒级启动、资源隔离、弹性扩展和版本化回滚,使开发、测试和生产环境保持完全一致,有效避免了&qu

承蒙关照! 1572

基于分段线性近似的Softmax硬件加速器设计

本文深入探讨了基于分段线性近似的Softmax硬件加速器设计。针对深度学习模型中Softmax函数在硬件实现时指数运算成本高昂的问题,提出用分段线性拟合替代传统泰勒展开,通过一次乘加操作高效完成计算,并详细分析了输入范围压缩、精度与硬件资源权衡、以及包含地址生成、参数查找、乘加计算和归一化的完整硬件架构。该方法在保证精度的同时,显著提升了AI边缘芯片的推理速度和能效。

weixin_28278377的博客 312

Vue项目Docker多阶段构建与阿里云部署实践

Docker多阶段构建是一种优化容器镜像大小和安全性的关键技术,通过分离构建环境和运行环境,显著减少最终镜像体积。其核心原理是利用多个FROM指令定义不同阶段,仅将必要的构建产物复制到最终镜像。这种技术在Vue等前端项目部署中尤为重要,能有效解决开发依赖冗余和跨环境兼容性问题。结合阿里云容器服务(ACR)和Nginx配置,可以实现高效的CI/CD流水线。实际应用中,多阶段构建可使镜像体积减少70%以上,同时提升部署速度和安全性,特别适合企业级前端项目的容器化部署需求。

weixin_30699955的博客 396

FreeRTOS深入教程(任务创建的深入和任务调度机制分析)

本篇文章将带大家深入学习任务的创建和分析任务调度的机制。本篇文章深入的讲解了任务创建的内部实现和任务调度的源代码分析和实现,学习这篇文章有助于更深入的学习FreeRTOS的源码。

m0_49476241的博客 6391

博途PLC模糊PID控制(附SCL完整源代码)

操作人员根据对象的当前状态和以往的控制经验,用手动控制的方法给出适当的控制量,对被控对象进行控制。用电脑模拟操作人员手动控制的经验,对被控对象进行控制。用模糊数学的知识模仿人脑的思维方式,对模糊现象进行识别和判决,给出精确的控制量,对被控对象进行控制。与经典控制理论和现代控制理论相比,模糊控制的特点是不需要建立对象的精确模型。根据操作人员手动控制的经验,总结的完整控制规则,在根据系统当前的运行状态,经过模糊推理,模糊判决等运算,求出控制量,实现对被控对象的控制。......

RXXW_Dor的博客 8966

基于阿里云 Vue+docker+niginx前端项目部署

1.首先,讲项目打包 npm run build 可以看到文件夹中多了一个dist文件 然后在根目录下创建两个文件,一个命名为Dockerfile,一个命名为default.conf。 2.在阿里云上安装nginx 首先需要在你的阿里云中安装好docker,具体过程这边就不详细讲解了,大家可自行百度。安装完之后可以使用docker version查看docker是否安装成功 接下来我们使用docker的方式去安装nginx。 1.查找nginx docker search nginx 2.下载ngi

qq_37361401的博客 655

YOLOv11改进 - C3k2融合 | C3k2融合CBSA 收缩 - 广播自注意力:轻量级设计实现高效特征压缩,优化处理效率 | NeurIPS 2025

本文介绍收缩 - 广播自注意力(CBSA)((Contract-and-Broadcast Self-Attention))机制,并将其集成到YOLOv11中。传统注意力机制存在黑盒难理解、计算复杂度高的问题,CBSA通过算法展开推导出本质上可解释且高效的注意力机制。它先从输入数据中选出少量代表性tokens,接着对代表进行收缩计算,再将结果广播给所有原始数据。该机制计算量线性增长,具有明确数学解释,还能统一多种注意力机制。我们将CBSA代码集成到YOLOv11的C3k2模块中。实验证明,改进后的YOLOv

魔改工程师的博客 852

【Docker】Docker快速部署SpringBoot+Vue项目

1、项目部署规划 2、准备工作 3、Docker安装 4、拉取镜像 5、Dockerfile构建个人镜像 6、Docker-compose容器编排 7、配置容器环境 8、项目测试 9、将镜像发布到阿里云镜像仓库

m0_51634403的博客 2559

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

《Docker》Docker完整部署Web应用(Vue+Node+MongoDB)

前言 折腾了2天,总算摸了点皮毛初步部署成功了,不会部署的服务的开发不是一个好前端(啥玩意…算了算了),简单的说,就是我自己写了一个demo,涉及了前后台,我想将其部署到公网上去; ​ 简介 这是一个虽然小,但这是一个较为完整的项目,完整的部署使得对项目的最终上线有了基础的了解,本次部署使用阿里云安装了Docker,之后通过docker部署了前台,后台,以及数据库,前台是基于Vue的网站,后台基于Node.js,数据库则采用的mongoDB,并使用Nginx反向代理; ​ 准备 前端:基于Vue的前端工程,

Oliver尹的博客 3640

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")

阿里云轻量应用服务器环境搭建-Docker部署vue-cli项目

阿里云轻量应用服务器环境搭建-Docker部署vue-cli项目 参考链接:https://cli.vuejs.org/zh/guide/deployment.html#docker-nginx 一些环境: Ubuntu 18.0 Docker 19.0 工具: XShell(敲命令) FileZilla Client(上传文件) 一个关键问题: 跨域问题,对于前后端分离项目,这是必须要面对的。我这个项目是主要在后端解决的跨域问题,但在前端也有一部分是通过webpack的proxy来解决跨

快乐的小小程序猿 1049

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

阿里云服务器项目部署docker-compose+vue+redis+nginx+minio+springboot

服务器 阿里云服务器前端 vue后端 springboot服务 redis 、nginx、minio 都做单机模式部署,不做集群部署博客内容参考了其他博文,会贴出来。

SurepMan的博客 1613

阿里云轻量应用服务器 docker部署Vue项目保姆级教程,纯小白也能看懂!!!

阿里云轻量应用服务器 docker部署Vue项目保姆级教程,纯小白也能看懂!!!

c327127960的博客 1576

使用Docker部署 vue 项目 (vue + docker + nginx)

使用Docker部署 vue 项目 (vue + docker + nginx) 在日常的开发与学习中,只会写不会部署显然是不行的,要把自己写的东西搭建到服务器上能供别人使用才是一名合格的开发,也是一名前端工程师必备的一项技能,网上搜索会有不少的教程,但是大多都是复制粘贴,略微粗糙,坑不少,所以自己整理一份出来,从服务器购买,工具使用,打包到部署一整套流程,希望对大家有所帮助 1.购买服务器 在这里我们采用购买阿里云的服务器https://developer.aliyun.com/plan/grow-up

qq_42882113的博客 1527

使用Docker将vue+springboot项目部署在服务器上

docker使用 部署springboot 部署vue docker网络

qq_46498663的博客 4960

码神之路博客部署教程【完整版】|基于Linux的Docker部署教程|非常详细

前记:最近跟着哔站码神之路做了一个SpringBoot练手项目,第一次操作碰到了很多困难和问题,尤其是在部署部分,走了很多弯路,这里写下自己的部署过程,供大家参考,也欢迎大家提出宝贵的意见。 哔站码神视频链接:https://www.bilibili.com/video/BV1Gb4y1d7zb?p=36 我的网站:www.zhangshidi.space 前置知识 以下知识点希望大家首先搜一搜,读一读,有一个大概的了解。 什么是Linux以及掌握Linux的一些基本指令。 什么是docke

学习 | 共享 | 前进 2万+
上一篇: Docker部署node.js后端应用
下一篇: 桌面应用之electron开发
tornyLin
博客等级 码龄11年 27粉丝 19原创
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
 
 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