在centos中使用Docker搭建LNMP环境,附Docker常用方法

在 CentOS 7 上基于 Docker 的 LNMP 部署 Hexo 由于 Hexo 是一个静态站点生成器,生成 HTML 文件后仅需 Web 服务器(如 Nginx)提供服务,因此 LNMP 中的 MySQL 和 PHP 是可选的,适用于需要额外功能(如评论系统或数据库集成)的场景。本指南详细、专业且循序渐进,涵盖了从环境准备、Docker 安装、Hexo 配置、Docker 容器化、Nginx 配置到可选的 MySQL/PHP 集成的全过程,专为 CentOS 7 定制。最后还是想熟悉下这两种博客的架设和部署方式,每次部署都有各种不同的问题,旨在提升自己的学习认知。 阅读详情

1️⃣本文章使用DockerFIile来搭建LNMP环境,和Docker监控。

docker 在centos中安装

  1. 卸载老版本的 docker 及其相关依赖
    sudo yum remove docker docker-common container-selinux docker-selinux docker-engine
    ​ 2. 安装 yum-utils,它提供了 yum-config-manager,可用来管理yum源
    sudo yum install -y yum-utils
    ​ 3. 添加yum源
    sudo yum-config-manager –add-repo https://download.docker.com/linux/centos/docker-ce.repo
    ​ 4. 更新索引
    sudo yum makecache fast
    ​ 5. 安装 docker-ce
    sudo yum install docker-ce
    ​ 6. 启动 docker
    sudo systemctl start docker
    ​ 7. 验证是否安装成功
    sudo docker info

安装LNMP 环境

dockerfile地址 :https://github.com/addcn/docker-lnmp

yum install git
git clone https://github.com/addcn/docker-lnmp.git

下载并构建镜像
cd docker-lnmp
docker build --tag wzj/mysql -f lnmp/mysql/Dockerfile .
docker build --tag wzj/php7 -f lnmp/php7/Dockerfile .
docker build --tag wzj/nginx -f lnmp/nginx/Dockerfile .

启动容器

docker run --name mysql -p 3306:3306 -v /data/mysql:/var/lib/mysql -e MYSQL_ROOT_PASSWORD=123456 -it wzj/mysql
docker run --name php7 -p 9000:9000 -v /var/www/html:/usr/local/nginx/html --link mysql:mysql -it wzj/php7
docker run --name nginx -p 80:80 -v /var/www/html:/usr/local/nginx/html --link php7:php7 -it wzj/nginx


docker ps -a 查看docker容器启动列表,可以看到启动的容器

cAdvisor、InfluxDB、Grafana搭建Docker1.12性能监控平台

监控参照这个教程即可 http://blog.youkuaiyun.com/liyingke112/article/details/74923178

docker常用命令

docker run docker create
● -a stdin: 指定标准输入输出内容类型,可选 STDIN/STDOUT/STDERR 三项;
● -d: 后台运行容器,并返回容器ID;
● -i: 以交互模式运行容器,通常与 -t 同时使用;
● -t: 为容器重新分配一个伪输入终端,通常与 -i 同时使用;
● –name=”nginx-lb”: 为容器指定一个名称;
● –dns-search example.com: 指定容器DNS搜索域名,默认和宿主一致;
● -h “mars”: 指定容器的hostname;
● -e username=”ritchie”: 设置环境变量;
● –env-file=[]: 从指定文件读入环境变量;
● –cpuset=”0-2” or –cpuset=”0,1,2”: 绑定容器到指定CPU运行;
● -m :设置容器使用内存最大值;
● –net=”bridge”: 指定容器的网络连接类型,支持 bridge/host/none/container: 四种类型;
● –link=[]: 添加链接到另一个容器;
● –expose=[]: 开放一个端口或一组端口;
● –expose=[]: 开放一个端口或一组端口;

docker exec与docker attach
一般使用docker exec~ docker attach 以后感觉要被淘汰。

查询docker 镜像中的信息
docker inspect [imageId]

在一台机器中,使用docker配置docker集群
安装 docker run -it --name redis-master redis /bin/bash
docker restart redis
docker inspect [reids continerId]

这里写图片描述

linux内核实现namespace的一个主要目的就是要实现轻量化虚拟服务

namespace的6项隔离,
UTS 主机名与域名
IPC 信号量、消息队列,和共享内存
PID 进程编号
NetWork 网络设备,网络栈,端口
Mount 挂载点
User 用户和用户组

namespace的Api包括,clone(),setns(),unshar()
这里写图片描述

clone() 是fork()的一种更通用实现方式,可以通过flags 来控制使用多少功能,
int clone(int(child_func)(void ), void *child_stach,int flags, void *arg );

child_func 传入子进程允许的程序主函数
child_stack 传入子进程使用的栈空间
flags 表示使用那些 CLON_* 标志位,与namespace相关的, CLONE_NETIPC、CLONE_NEWS、CLONE_NEWNET、CLONE_NEWPID、CLONE_NEWUSER、CLONE_NEWUTS
args用于传递用户参数

LIUNX内核从3.8开始,可以在 /proc/[pid]/ns 文件下看到不同namespace号的文件

如果两个进程指向的namespace编号相同,就说明他们在一个namespace下。docker中通过文件描述符定位和加入一个村庄的namespace是最基本的方法。

mount –bind /proc/27514/ns/uts ~/uts 也可以起到同样的作用~??

setns()加入已经存在的namespace

int setns(int fd ,int nstype)
fd 表示要加入namespace的文件描述符,是一个指向 /proc/[pid]/ns 目录的文件描述, nstype 让调用者可以检查fd指向的namespace是否符合实际要求。

execvp() 可以执行用户命令。 最常用的是调用 /bin/bash 并且接受参数

fd = open(argv[1], O_RDONLY);
setns($fd,0);
execvp(argv[2], &argv[2]) ;

假设编译完成后文件名为 setn-test
执行 ./setns-test ~/uts /bin/bash

unshare();
在原进程上线进行namespace隔离。不需要重新启动一个新的进程、
fork()创建新的进程,并且为其分配资源,并且将原代码中的值都复制到新的进程中。

IPC namespace 涉及的IPC资源包括,常见的信号,消息队列和共享内存
申请IPC的时候就申请了一个32为的ID,所以IPC namespace中实际包含了系统IPC标识符,以及实现POSIX消息队列文件系统。在同一个IPC下的进程彼此可见。
使用IPC namespace机制的系统不多,有名的有postgreSQL,Docker

PID namesapce
它对PID重新编号,寄两个不同namespace下的进程可以有相同的PID,每个PID namespace有自己独立的基数程序,内核为所有的PID namespace维护了一个树状结构,最低给您层是系统初始创建的,被称为 root namespace,所属的父节点可以看到子节点,并且可以通过信号产生影响,反过来。子节点却看不到父节点的任何内容

  1. 每一个PIDnamespace 都有第一个进程 PID 1
  2. 一个namespace 中,不可能通过kill 或ptrace影响兄弟节点的进程。因为其他节点的PID在这个namespace中没有任何意义
  3. 在新的PID namespace中重新挂载/proc 文件系统,会发现其下只显示同一个PID namespace 中的其他进程。
  4. root namespace可以看到所有进程,并且递归包含所有子节点的进程

    docker监控,就是监控docker daemon 所在的PID namespace下所有的进程及其子进程。

在容器中使用ps aux /top 命令发现还可以看到所有父进程的PID ,那是因为没有对文件系统挂载点进行隔离~ps top 调用的是真实系统下/proc 文件内容,看到的就是所有的进程。

传统的Unix系统PID为1的进程为init,他作为所有进程的父进程。维护一张进程表,一旦某个子进程因为父进程出错,成为了孤儿进程。init会负责回收资源,结束进程。所以在要实现的容器汇总,启动的第一个进程也要实现类似inti的功能。维护所有后续进程的运行状态(如bash)。如果某个子进程成为孤儿进程,收养孩子的责任交给了该子进程对应的父进程。所属的PID namespace中的init进程。

信号与ini进程、
内核为PID namespace中的init进程赋予了其他特权。

mac+virtualbox+centos7+docker搭建lnmp环境 1.安装virtualbox 下载地址 https://www.virtualbox.org/wiki/Downloads2.通过virtualbox安装centos7 下载地址 http://mirrors.aliyun.com/centos/7.1.1503/isos/x86_64/CentOS-7-x86_64-DVD-1503-01.iso 选择你下载的centos的镜 阅读详情

相关推荐

CentOS 下使用 Docker 快速搭建 LNMP 环境

CentOS 下使用 Docker 快速搭建 LNMP 环境 一、安装 Docker 更新 yum 包 yum -y update 卸载旧版本(如果之前安装过的话) yum remove docker docker-common docker-selinux docker-engine 安装需要的软件包,yum-util 提供 yum-config-manager 功能,另外两个是 devicemapper 驱动依赖 yum install -y yum-utils dev..

christinxu的博客 480

Linux 下使用Docker 安装 LNMP环境以及项目搭建 超详细

一、安装docker 1、Docker 要求 CentOS 系统的内核版本高于 3.10 ,查看本页面的前提条件来验证你的CentOS 版本是否支持 Docker 。 通过 uname -r 命令查看你当前的内核版本 uname -r 2、使用 root 权限登录 Centos。确保 yum 包更新到最新。 sudo yum update 3、卸载旧版本(如果安装过旧版本的话) sudo yum remove docker docker-common docker-selinux docker-en

最美不过下雨天 6154

基于 CentOS 的 Docker LNMP 集成开发环境

基于 CentOS 的 Docker LNMP 集成开发环境 前言 说明: 使用Docker构建的开发环境:Nginx、MySQL、Redis、PHP5.6、PHP7.1、PHP7.2、Memcached、支持 xdebug、Composer 制作 Docker 镜像文件选择 CentOS 为什么 Docker中选择CentOS还是Ubuntu/Debian,在知乎上有文章介绍;而 CentOS ...

weixin_43139174的博客 813

2024年Java常见面试题目,java集合框架面试

1.1 传统应用架构的问题1.2 微服务架构是什么1.3 微服务架构有哪些特点和挑战1.4 如何搭建微服务架构2.1 Spring Boot 是什么2.2 如何使用Spring Boot框架2.3 Spring Boot生产级特性3.1 Node.js 是什么3.2 如何使用 Node.js3.3 使用Node.js搭建微服务网关4.1 ZooKeeper 是什么4.2 如何使用 ZooKeeper4.3 实现服务注册组件4.4 实现服务发现组件5.1 Docker 是什么5.2 如何使用 Docker5.

2401_84413490的博客 1000

Excel转LaTeX表格神器:excel2latex.xla插件使用全攻略(含下载链接与配置教程)

本文详细介绍了Excel转LaTeX表格神器excel2latex.xla插件的完整使用攻略。从下载安装、基础转换到高级配置,深入讲解了如何利用该插件高效生成LaTeX代码,特别针对IEEE双栏等复杂排版需求提供了专业解决方案,帮助用户彻底告别手动编码,提升学术与专业文档的排版效率。

app77的博客 295

做小程序支付时,我是怎么被“虚拟支付”绊了一跤的

微信小程序支付开发中,普通支付与虚拟支付存在本质差异。开发者常误将虚拟权益(会员、点数等)当作普通商品支付,导致审核失败。两者在审核关注点、结算方式、API调用及平台政策上都截然不同。关键点在于:1)先明确交易对象类型;2)产品命名需真实反映权益性质;3)支付成功≠业务完成;4)审核说明要详细描述交付逻辑;5)避免依赖过时规则。正确顺序应是:判断商品属性→选择支付类型→设计订单系统→准备审核材料。这个认知差异比技术实现更重要,提前理解平台规则可大幅减少返工。

zhurizhe71的学习之路 2579

centos docker (简单版)搭建lnmp环境(php7.4 + nginx + mysql + redis )

1.docker基础 1.1 docker的安装 yum install -y docker 完成后查看docker的版本信息: [root@iZ2ze1tue8y8lvrxc5o8haZ shell]# docker version Client: Docker Engine - Community Version: 20.10.16 API version: 1.41 Go version: go1.17.10 Git commit:

weixin_41412505的博客 1363

HDR标准核心参数全解析:从PQ/HLG到元数据,一篇搞懂技术选型

本文全面解析HDR标准的核心参数,包括PQ/HLG传输函数和元数据机制,帮助读者理解技术选型的关键因素。通过对比主流HDR标准的技术细节,提供从内容创作到硬件适配的实用指南,助力实现更真实的视觉体验。

weixin_31766003的博客 300

详细记录docker部署lnmp

docker容器化部署lnmp 一、安装docker #1、更新 yum update #2、docker默认安装版本为1.13.1,这里安装docker-ce版,即使社区版 # step 1: 安装必要的一些系统工具 [root@localhost ~]# sudo yum install -y yum-utils device-mapper-persistent-data lvm2 # Step 2: 添加docker-ce源 [root@localhost ~]# sudo yum-config-ma

阿蔡的博客 4776

MiniMax H3本地部署实战:ComfyUI整合包安装与提速插件验证指南

在AIGC工具链快速演进的当下,本地部署内容生成模型成为许多创作者和开发者的关注焦点。本地部署意味着数据不出本机、可按需定制工作流,还能规避云端排队与外部依赖,其核心价值在于为内容生产提供可控、私密且可编程的生成环境。ComfyUI作为模块化节点式AI绘画工具,凭借灵活的工作流编排和API接口能力,成为承载这类模型的热门平台。MiniMax H3作为支持文本、参考图等多种输入的内容生成模型,与ComfyUI结合后,既适合个人进行概念验证,也能用于团队私有化流程搭建。实际落地过程中,中文整合包显著降低了环境配

weixin_29042035的博客 293

Python 爬虫实战:在房天下抓取房产信息,分析房价走势

通过本次 Python 爬虫实战,我们成功地从房天下爬取了房产信息,并进行了存储、处理、分析和可视化展示。在这个过程中,我们不仅掌握了爬虫技术的基本应用,还学会了如何对动态加载的数据进行处理和分析。然而,本次爬虫任务也存在一些局限性,例如仅爬取了部分区域的房产数据,且未对房产的图片和视频内容进行分析。在未来的工作中,我们可以进一步优化爬虫程序,爬取更多区域的房产数据,并深入分析房产的多媒体内容、用户行为模式等,为购房者和房地产从业者提供更有价值的数据支持。

u014481728的博客 1366

Docker基于centos部署lnmp

Docker 部署lnmp(详细)

多回访 3214

SolidWorks速成教程P4-4【装配体 | 第四节】——装配体内修改模型&编辑配合方法&配合报错的解决方法

截止目前已介绍完 SolidWorks装配体的常用功能,但基础薄弱的小伙伴或许对装配体的各类功能还不够熟悉。所以这节将进一步加强装配体的学习,同时介绍新手容易犯的错误。总结出三点,一是装配体内修改模型,二是编辑配合,三是配合报错的解决方法。

嵌入式阿齐Archie 5550

centos7基于docker搭建lnmp环境

docker的安装 yum install -y docker 启动docker服务并设置为开机自启动 systemctl start docker systemctl enable docker 镜像下载 下载nginx的镜像 docker pull nginx 下载mysql的镜像 docker pull mysql 下载php的镜像 docker pull php:7.1.0-fpm...

weixin_38587633的博客 1598

从零到一构建一个智能爬虫 Agent 完整教程

本文将打造一个具备自主决策、动态解析、反反爬、持久化能力的智能爬虫 Agent

数据知道的博客 4792

MATLAB R2023a下载链接及软件安装教程

MATLAB的基本数据单位是矩阵,它的指令表达式与数学、工程中常用的形式十分相似,故用MATLAB来解算问题要比用C,FORTRAN等语言完成相同的事情简捷得多,并且MATLAB也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。a是上半年,b是下半年版本,但是有些小弱们总是觉得只要是b一定功能多,这不一定的,同年版本b比a可能稍微全点,不同年的,比如21b,22a,肯定22a要比21b版本高功能多了。10、选择目标文件夹,默认的是C盘,想修改的话可以单击【浏览】,然后单击【下一步】

qq_53545309的博客 5157

使用docker搭建lnmp环境

1. 准备 docker 1. 下载安装依赖包 yum install -y yum-utils device-mapper-persistent-data lvm2 2. 网络问题就换源咯 yum-config-manager --add-repo https://mirrors.ustc.edu.cn/docker-ce/linux/centos/docker-ce.repo 3. 更新...

小明的博客 2579

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 10本地通过VMware CentOS 7虚拟机搭建Docker LNMP环境

完成以上步骤后,即可在Windows中用PhpStorm编辑代码,并通过浏览器实时查看效果。

长风破浪会有时的博客 761

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!

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

Docker之使用Docker-compose搭建LNMP环境

  之前有随笔介绍使用Docker-compose搭建LNMP环境(centos6 php5.6) https://www.cnblogs.com/minseo/p/10146982.html   本文介绍Docker-compose搭建LNMP环境(centos7 php7)   文件目录结构如下 ├── docker-compose.yml ...

abtmh02622的专栏 961

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。

自己如何在本地笔记本搭建的vmvware的centos7.0搭建一个docker环境LNMP的CI/CD?

在本地笔记本上通过VMware安装CentOS 7,并搭建一个支持LNMP(Linux, Nginx, MySQL/MariaDB, PHP)的Docker环境来实现CI/CD(持续集成和持续部署),可以按照以下步骤进行。

长风破浪会有时的博客 854

Centos下Docker搭建LNMP环境

Centos下Docker搭建LNMP环境   1. 安装Docker   [1]前提: Docker 要求 CentOS 系统的内核版本高于 3.10 ,查看本页面的前提条件来验证你的CentOS 版本是否支持 Docker 。 通过 uname -r 命令查看你当前的内核版本 [root@kewen ~]# uname -r   [2] Docker 软件包和依赖包已经包含在...

liu27th的专栏 839

docker快速搭建LNMP环境

一、环境准备 1、安装docker CentOS7安装docker:https://www.cnblogs.com/yufeng218/p/8370670.html ubuntu 16.04.4安装docker:https://blog.youkuaiyun.com/jinking01/article/details/82490688 2、从官方源拉取镜像 换成国内源,提高拉取速度:https://blog....

运维@小兵的博客 1165

CentOS7/Docker-搭建 LNMP 环境

CentOS7/Docker-搭建 LNMP 环境Docker 的一些命令查看docker 运行项目查看容器内的标准输出停止容器重启WEB应用容器移除WEB应用容器查找镜像下载镜像查看镜像删除镜像端口快捷查询运行容器查看 WEB 应用程序日志查看WEB应用程序容器的进程帮助命令Docker安装 NGINX+PHP-fpm Docker 的一些命令 查看docker 运行项目 docker ps ...

Jocker的博客 324

centos7 docker安装lnmp

惆怅,原本是打算在服务器上装一个node而已,考虑已经存在的lnmp环境可能会与之起冲突,于是就果断尝试新技术,docker安装lnmp,以及node,这是我根据这个博主的文章搭建的。一、安装docker以及docker-compose这里我借鉴的是阿里云的知识;1、centos使用yum安装# step 1: 安装必要的一些系统工具 sudo yum install -y yum-utils d...

Cym_summer的博客 1795

到底如何使用docker搭建LNMP环境?具体步骤是怎样的?底层原理是什么?

使用 Docker 搭建 LNMP(Linux, Nginx, MySQL, PHP)环境是一种非常高效的方法,可以快速部署和管理 Web 应用。Docker 容器化技术使得每个组件(Nginx、MySQL、PHP)都在独立的容器中运行,互不影响,同时还能轻松地进行版本管理和环境复制。

长风破浪会有时的博客 971

Centos7.5搭建docker并且部署Lnmp环境(小白入门docoker)

【代码】Centos7.5搭建docker并且部署Lnmp环境(小白入门docoker)安装Docker,开机自启动,安装Docker Compose,创建LNMP环境配置文件,搭建完成

雾里看花的博客 985
上一篇: key_load_public: invalid format 怎么办?
下一篇: virtual memory exhausted: Cannot allocate memory
o王o
博客等级 码龄13年 32粉丝 97原创
评论 1
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