kubernetes 部署flannel

kubernetes(k8s)二进制部署——flannel网络 flannel前言一、Flannel简介二、Flannel原理三、Flannel的作用四、模拟实验4.1 master配置4.2 node节点操作 前言 此文接着上篇博客kubernetes(k8s)二进制部署——etcd部署继续学习k8s 当一个k8s集群创建好后一般会存在三种IP,分别是:Pod IP、Node IP、Cluster IP 这些IP可以理解为简单的套娃关系,即其中一个Cluster IP之下包含多个Node IP,而一个Node IP之下又包含多个Pod IP,同一个Pod包含多个容器( 阅读详情

简介

默认情况下个电脑间的 docker 容器相互之间不能通信

部署了 flannel 后就可以相互通信了

 

先决条件

确保已经正确安装了

etcd     etcd 安装

docker  docker 安装 用法, 其实centos下你装了 k8s ,docker 一般都自带了

              k8s 安装 示例

 

下载并安装

https://github.com/coreos/flannel   点开 release 下载最新的

wget https://github.com/coreos/flannel/releases/download/v0.10.0/flannel-v0.10.0-linux-amd64.tar.gz

解压

tar -vxf flannel-v0.10.0-linux-amd64.tar.gz 

拷贝到运行目录

其实就是把2个文件拷贝到运行目录

sudo mv flanneld /usr/bin
sudo mv mk-docker-opts.sh  /usr/bin

 

开机启动

/lib/systemd/system/flanneld.service

[Unit]
Description=Flanneld overlay address etcd agent
After=network.target
Before=docker.service

[Service]
Type=notify
EnvironmentFile=-/etc/sysconfig/flanneld
ExecStart=/usr/bin/flanneld  -etcd-endpoints=${FLANNEL_ETCD}  \$FLANNEL_OPTIONS
Restart=on-failure

[Install]
WantedBy=multi-user.target

配置文件

/etc/sysconfig/flanneld

FLANNEL_ETCD="http://192.168.255.130:2379"
FLANNEL_ETCD_KEY="/coreos.com/network"

注意 : 把上面的 ip 换成自己电脑的

 

etcd上加入如下字段

ETCDCTL_API=2 etcdctl set /coreos.com/network/config '{"network":"10.0.0.1/16"}'

 

docker 应该是已经启动的,我们需要把它关了

systemctl stop docker

 

然后启动 flannel

systemctl start flanneld

正常的话,应该就可以启动了。如果失败,建议 直接运行

类似下面这样。然后看看日志输出 解决相关问题。

systemctl status flanneld 的错误日志 不清不楚,不好定位问题

flanneld -etcd-endpoints="http://192.168.255.130:2379"

 

我启动后没有成功,systemctl status flanneld 提示如下

systemctl status flanneld
● flanneld.service - Flanneld overlay address etcd agent
   Loaded: loaded (/usr/lib/systemd/system/flanneld.service; disabled; vendor preset: disabled)
   Active: activating (start) since Thu 2019-01-10 20:39:20 CST; 43s ago
 Main PID: 54929 (flanneld)
    Tasks: 15
   Memory: 29.2M
   CGroup: /system.slice/flanneld.service
           └─54929 /usr/bin/flanneld -etcd-endpoints=http://192.168.254.158:2379 \$FLANNEL_OPTIONS

Jan 10 20:39:59 wjs flanneld[54929]: timed out
Jan 10 20:39:59 wjs flanneld[54929]: E0110 20:39:59.312410   54929 main.go:349] Couldn't fetch net...used
Jan 10 20:40:00 wjs flanneld[54929]: timed out
Jan 10 20:40:00 wjs flanneld[54929]: E0110 20:40:00.313829   54929 main.go:349] Couldn't fetch net...used

 应该是 没能连上etcd,查看后发现  etcd 开启的侦听ip地址有问题,应该要 0.0.0.0 才行

netstat -tln
Active Internet connections (only servers)
Proto Recv-Q Send-Q Local Address           Foreign Address         State      
tcp        0      0 127.0.0.1:10249         0.0.0.0:*               LISTEN     
tcp        0      0 127.0.0.1:2379          0.0.0.0:*               LISTEN     

修改 etcd.service 配置文件,问题解决。 详细配置请参考 etcd 安装

修改后 如果 etcd 启动不成功。 试试把 /var/lib/etcd/ 目录下的内容清空

 

重启docker

为docker 生成必要的参数

mk-docker-opts.sh -i

编辑 /lib/systemd/system/docker.service 如下

EnvironmentFile=-/run/flannel/subnet.env
ExecStart=/usr/bin/dockerd -H unix://\
          --bip=${FLANNEL_SUBNET} \
          --mtu=${FLANNEL_MTU}

其实就是把 --bip=子网网段 和 mtu 传给docker的启动参数

systemctl start docker

如果 ip addr 显示 docker0 子网段还没改过来,可以 systemctl stop docker 后再 systemctl start docker。

也许就可以了

 

如果有k8s,通常还需要重启 kubelet

systemctl restart kubelet

 

查看结果

如下,可以看到 docker 默认分配的网段已经变成了 flannel 一样的。

/var/lib/kubelet # ip addr
5: docker0: <BROADCAST,MULTICAST,UP,LOWER_UP> mtu 1472 qdisc noqueue state UP group default 
    link/ether 02:42:53:3a:39:a8 brd ff:ff:ff:ff:ff:ff
    inet 10.0.34.1/24 scope global docker0
       valid_lft forever preferred_lft forever
    inet6 fe80::42:53ff:fe3a:39a8/64 scope link 
       valid_lft forever preferred_lft forever
40: flannel0: <POINTOPOINT,MULTICAST,NOARP,UP,LOWER_UP> mtu 1472 qdisc pfifo_fast state UNKNOWN group default qlen 500
    link/none 
    inet 10.0.34.0/16 scope global flannel0
       valid_lft forever preferred_lft forever
    inet6 fe80::5264:6a18:3541:4b4f/64 scope link flags 800 
       valid_lft forever preferred_lft forever

再看看 kubectl 生成的 ip 已经都是 10.0子网下面的了 

kubectl get ep
NAME         ENDPOINTS              AGE
kubernetes   192.168.255.130:6443   11d
mysql        10.0.34.4:3306         5d
myweb        10.0.34.3:8080         5d

 

参考  《kubenetes 权威指南2》

 

附录

前面是我在centos下部署的 虚拟机 ip  192.168.255.130

现在我在ubuntu下再部署一个 flannel.  我ubuntu的ip地址是 192.168.255.129

 

scp 把 centos下的文件拷贝到我的 ubuntu 虚拟机中

scp flannel-v0.10.0-linux-amd64.tar.gz wjs@192.168.255.129:/home/wangjunsheng/kubernetes/flannel

 

下面这个是写给我自己看的

emacs 下打开相关文件
(opo "/sudo:localhost:/lib/systemd/system/docker.service")
(opo "/sudo:localhost:/lib/systemd/system/flanneld.service")
(opo "/sudo:localhost:/etc/sysconfig/flanneld")

flanneld 配置文件的 etcdip 不同 其余的 和 centos 下的一样

FLANNEL_ETCD="http://192.168.255.130:2379"

然后在 ubuntu 下 试试  果然可以 ping 通 centos 下docker 创建的容器

~/kubernetes $ ping 10.0.34.4
PING 10.0.34.4 (10.0.34.4) 56(84) bytes of data.
64 bytes from 10.0.34.4: icmp_seq=1 ttl=61 time=1.83 ms
64 bytes from 10.0.34.4: icmp_seq=2 ttl=61 time=0.490 ms

 

【kubernetes】二进制部署k8s集群之cni网络插件flannel和calico工作原理(中) /在 master01 节点上操作#上传 calico.yaml 文件到 /opt/k8s 目录中,部署 CNI 网络#修改里面定义Pod网络(CALICO_IPV4POOL_CIDR),与前面kube-controller-manager配置文件指定的cluster-cidr网段一样#等 Calico Pod 都 Running,节点也会准备就绪---------- node02 节点部署 ----------//在 node01 节点上操作cd /opt/ 阅读详情

相关推荐

k8s 部署flannel网络配置

目录docker引擎部署flannel网络配置1、写入分配的子网段到ETCD中,供flannel使用2、拷贝到所有node节点(只需要部署在node节点即可)3、所有node节点操作解压4、所有node节点创建k8s工作目录5、开启flannel网络功能6、配置docker连接flannel7、重启docker服务8、查看flannel网络9、测试ping通对方docker0网卡 证明flannel起到路由作用 部署flannel前先要在node节点安装docker docker引擎部署 1、安装dock

wyc788788的博客 1143

启动flanneld提示flanneld.service failed because a timeout was exceeded.

[root@localhost ~]# systemctl restart flanneld.service Job for flanneld.service failed because a timeout was exceeded. See "systemctl status flanneld.service" and "journalctl -xe" for details. [root@localhost ~]# 根据要求查看报错细节systemctl status flanneld.servi.

weixin_41831919的博客 3364

K8S-flannel网络部署脚本

K8S-flannel网络部署脚本 #!/bin/bash #处理host文件 dealhost(){ echo "/etc/hosts文件处理" hostname=$1 hostStr=$2 if cat /etc/hosts | grep $hostname > /dev/null then echo "host为$hostname已存在" else echo "host为$hostname不存在,追加$hostStr" cat >>/

388

helm install Error: no available release name found的解决方法

sudo kubectl --namespace=kube-system edit deployment/tiller-deploy 将automountServiceAccountToken修改为:true 保存退出即可 另外参考《每天5分钟玩转 Kubernetes》,可以尝试下面的方法 kubectl create serviceaccount --namespace kub...

guizaijianchic的博客 3909

Kubernetes ----部署flannel网络

Kubernetes ----部署flannel网络 一:介绍Flannel ​ Flannel是 Overlay 网络的一种,也是将源数据包封装在另一种网络包里面进行路由转发和通信,目前已经支持 UDP、VXLAN、AWX VPC 和 GCE 路由等数据转发方式。 Flannel主要思路是预先留出一个网段,每个主机使用其中一部分,然后每个容器被分配不同的ip;让所有的容器认为大家...

XuMin6的博客 1115

图片数据爬取工具Image-Downloader的安装和使用

文章目录1、python安装2、下载chromedriver并配置3、下载phantomjs并配置.4、安装相关python库5、使用 安装包地址:https://github.com/sczhengyabin/Image-Downloader 下载: 方式一:打开cmd,输入: git clone https://github.com/sczhengyabin/Image-Downloader.git 方式二:打开网址 1、python安装 该数据爬取工具要求python>=3.5,由于

wxplol的博客 6674

K8S - 各节点的kube-flannel-ds-amd64-xxxxx不能正常启动的问题

- pods "kube-flannel-ds-amd64-xxxxx" is forbidden: User "system:serviceaccount:kube-system:flannel" cannot get resource "pods" in API group "" in the namespace "kube-system"

crabdave的博客 1464

压电陶瓷传感器避坑指南:实测阻抗匹配对信号输出的影响(附示波器调试技巧)

本文深入探讨压电陶瓷传感器在工业振动监测中的阻抗匹配问题,通过等效电路模型和实测数据揭示负载阻抗对信号输出的关键影响。文章提供从元件选型到示波器调试的完整解决方案,特别强调100kΩ以上负载阻抗的重要性,并分享JFET缓冲器设计和PCB布局的实用技巧,帮助工程师避免信号失真和输出不稳定问题。

ooo22的博客 516

容器编排——安装flannel与配置

目录 1、离线安装: (1)软件下载: (2)软件上传: (3)软件解压: (4)创建目录: (5)安装flannel: (6)修改flannel配置文件: (7)创建flannel服务脚本: (8)授权flannel服务脚本: (9)重新加载系统服务脚本: 2、在线安装: (1)安装flannel: (2)修改flannel配置文件: 3、修改etcd中环境变量: 4、操作flannel服务: (1)启动服务: (2)停止服务: (3)查看服务状态: (4)服务开机自

LSY_优快云_的博客 2553

phpMyAdmin | mysqli::real_connect(): (HY000/2002): No such file or directory

第一次安装宝塔mysql服务是默认关闭的,需要手动打开,打开服务再次进入phpMyAdmin发现可以进入了。

吻等离子的博客 2872

SLAM Cartographer(18)后端优化问题求解器

了解经过闭环检测构建了子图与节点之间的约束之后,通过后端优化求解器进行优化求解。核心是基于Ceres库进行SPA(Sparse Pose Adjustment)的优化方法,把后端优化问题描述成为一个最小二乘的问题求解

氢键H-H 5680

Kubernetes(k8s) 部署Flannel网络

Kubernetes(k8s) 部署Flannel网络 目录Kubernetes(k8s) 部署Flannel网络一、Flannel 介绍(一)、Flannel网络概述二、Flannel部署2.1 flannel网络配置 一、Flannel 介绍 Flannel是CoreOS团队针对Kubernetes设计的一个网络规划服务,简单来说,它的功能是让集群中的不同节点主机创建的Docker容器都具有全集群唯一的虚拟IP地址。 在Kubernetes的网络模型中,假设了每个物理节点应该具备一段“属于同一个内网IP

Chenwei的博文 2528

【YOLOv8科研级优化】基于YOLOv9的GELAN模块重构C2f结构,实现精度与效率的同步提升

打开确保模型解析器能识别GELANBlock模块。通过将YOLOv9的GELAN模块集成到YOLOv8的C2f模块中,我们实现了一个“强特征表达+高效计算”的目标检测模型。这个改进不仅在工程上能提升复杂场景下的检测效果,更在科研上提供了“多分支特征融合”的创新思路——这种思路可以延伸到其他检测网络(如Faster R-CNN、SSD)的改进中,帮你在论文中打造独特的研究点。

know_F0727的博客 203

【kubernetes】二进制部署k8s集群之cni网络插件flannel和calico工作原理

k8s集群有三大接口:CRI:容器进行时接口,连接容器引擎--docker、containerd、cri-o、podmanCNI:容器网络接口,用于连接网络插件如:flannel、calico、ciliumCSI:容器存储接口,如nfs、ceph、gfs、oss、s3、minio。

qq_48810547的博客 2303

YOLO26改进策略【小目标改进】| 添加专用于小目标的检测层 附YOLOv1~YOLOv11的检测头变化详解

在目标检测领域,小目标检测一直是一个具有挑战性的问题。算法以其高效快速的特点受到广泛关注,然而在面对小目标时,仍存在一些局限性。本文将介绍如何在中添加小目标检测层,以提高对小目标的检测能力。原始模型结构如下: 二、有效特征层对应的检测头类别 2.1 P3/8 - small检测头 原始模型中的对应的检测头主要用于检测相对较小的目标。其特征图大小相对较大,空间分辨率较高。 适合检测尺寸大概在到像素左右的目标。 2.2 P4/16 - medium检测头 这个检测头对应的经过了更多的下采样操作,相比P3/

Limiiiing的博客 351

使用pytorch-superpoint与pytorch-superglue项目实现训练自己的数据集

superpoint与superglue的组合可以实现基于深度学习的图像配准,官方发布的superpoint与superglue模型均基于coco数据训练,与业务中的实际数据或许存在差距,为此实现基于开源的pytorch-superpoint与pytorch-superglue项目实现训练自己的数据集。然而,在训练pytorch-superpoint有诸多细节需要优化,特此整理成技术文档。本文档描述了实验pytorch-superpoint与pytorch-superglue项目训练自己的图像配准模型。

a486259的博客 9505

【Kubernetes】二进制部署k8s集群之cni网络插件flannel和calico

二进制部署k8s

weixin_68840588的博客 1663

C#上位机实战:工业产线数据采集与监控系统开发(附源码思路)

模块化设计:四层架构清晰,各模块独立可替换,便于后期维护与扩展;稳定性强:支持断线重连、异常重试、并发采集,满足工业7×24小时运行需求;实用性高:覆盖产线监控核心功能,可视化组件适配工业场景,操作简单;源码可复用:通信类、采集服务、报警管理器等可直接复制到其他上位机项目。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 1654

k8s(Kubernetes)实战(一)之部署etcd与flannel

k8s的结构想必大家已经了解过了,节点、pod、容器,使用controller来控制pod的实例数量。 今天我来实战部署k8s的集群,不过受限于环境,只准备了2台服务器,即2个节点。 这个章节安装etcd与flannel。etcd是一个分布式键值数据库,主要用来同步各个节点的各种信息;flannel用来使各个节点内的各pod的ip处于同一网段,并能够相互通信。 节点分为master节点与node节点,理论上来说,master与node的功能分开来最好,不过我们只有两台服务器,只能让两台都作为node节

Valhalla6416的博客 1432

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")

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

Kubernetes介绍之部署 flannel 网络

Kubernetes介绍之部署 flannel 网络 yum install flannel -y

zcg19911222的博客 541

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

学习kubernetes(一):kubeasz部署基于Flannel的k8s测试环境

参考http://aspirer.wang/?p=1205,使用kubeasz部署kubernetes,只涉及容器在节点间通信 测试环境 准备三台虚拟机(CentOS7.5) k8s-master:10.25.151.100 k8s-node-1:10.25.151.103 k8s-node-2:10.25.151.104 准备工作(主节点上进行) 下载安装必要软件 # yum inst...

ljyfree的专栏 650

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

kubernetes/k8s多节点部署之etcd存储的部署以及flannel网络配置的部署

文章目录k8s多节点部署之etcd存储的部署一、项目需求分析:二、项目步骤部署(master节点):【1】下载证书制作工具【2】定义ca证书【3】实现证书签名【4】生成证书【5】指定etcd三个节点之间的通信验证【6】生成etcd证书server端【7】etcd二进制上传【8】创建配置文件,命令文件,证书【9】使用另一个终端复制证书和systemctl管理服务脚本到其他节点【10】在另外两个节点修改cfg下的配置文件【11】检查群集状态是否健康k8s多节点部署之flannel网络配置的部署一、项目需求分析:

zhang_yazhou的博客 795

Kubernetes—二进制部署k8s之cni网络插件flannel和calico(2)

通过Overlay技术(可以理解成隧道技术),在原始报文外再包一层四层协议(UDP协议),通过。这种方式性能有一定损耗,主要体现在对原始报文的修改。是一种网络虚拟化技术,它使用一种隧道协议,将二层以太网帧封装在四层UDP报文中,通过三层。从而实现分布在不同的宿主机上的虚拟机或者容器就像在同一个局域网(LAN)里那样自由通信。叠加网络,在二层或者三层基础网络上叠加的一种虚拟网络技术模式,该网络中的主机通过虚拟链。网络传输,组成一个虚拟大二层网络,到达目的地后由隧道端点解封装并将数据发送给目标地址。

aran2002的博客 1272

centos7 kubernetes(k8s)1.12集群部署与使用(五):Flannel网络部署

概述     上一篇记录了Node节点的部署,然后master,node节点都已经部署完成, 已经完成了大半了,但是还需要部署flannel网络插件,才能实现pod之间的网络跨主机互访,好了,话不多说,照例进行 ps: 为了更好的让大家理解集群的整个结构,整个系列部署都是采用二进制包手动部署方式。    整个系列具体会出多少篇博客,也不一定,每有更新,便会在每篇博客的开头,进行导航: 《c...

夏冬丶王阳旭 1887

k8s----flannel部署详解

k8s----flannel部署详解docker引擎部署 docker引擎部署 所有node节点部署docker引擎 关闭防火墙 [root@server1 ~]# systemctl stop firewalld [root@server1 ~]# setenforce 0 [root@server1 ~]# vi /etc/resolv.conf nameserver 8.8.8.8 安装依赖包 [root@server1 ~]# yum install -y yum-utils device

weixin_50345059的博客 3456
上一篇: linux shell 常用命令备忘
下一篇: kubernetes 部署redis 集群 guestbook
乃不知有汉
博客等级 码龄17年 96粉丝 73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
 
 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