IBM supervessel power云平台 之 send mail 篇

声明 : 此文档只做学习交流使用,请勿用作其他商业用途
author : 朝阳_tony
E-mail : linzhaolover@163.com
Create Date: 2015-3-9 22:55:43 Monday
Last Change: 2015-3-9 22:55:52 Monday
转载请注明出处:http://blog.csdn.net/linzhaolover

摘要:
朝弟,咱们今天有个新的任务,在你的机器上运行一个测试实例,然后将结果通过mail发送到我的邮箱,方便后期查阅!先通过文本模式发送,后期改为html格式的,增加美观。

程序运行平台

IBM supervessel power云平台 https://ptopenlab.com/cloudlab/index.html

测试获取ifconfig信息

opuser@gto:~/Smail$ ifconfig >  ifconfig_info.txt
opuser@gto:~/Smail$ cat ifconfig_info.txt
eth0      Link encap:Ethernet  HWaddr fa:16:3e:2f:e6:63
          inet addr:10.10.1.29  Bcast:10.10.1.255  Mask:255.255.255.0
          inet6 addr: fe80::f816:3eff:fe2f:e663/64 Scope:Link
          UP BROADCAST RUNNING MULTICAST  MTU:1454  Metric:1
          RX packets:33241 errors:0 dropped:0 overruns:0 frame:0
          TX packets:19081 errors:0 dropped:0 overruns:0 carrier:0
          collisions:0 txqueuelen:1000
          RX bytes:7482632 (7.4 MB)  TX bytes:4848283 (4.8 MB)

lo        Link encap:Local Loopback
          inet addr:127.0.0.1  Mask:255.0.0.0
          inet6 addr: ::1/128 Scope:Host
          UP LOOPBACK RUNNING  MTU:65536  Metric:1
          RX packets:10 errors:0 dropped:0 overruns:0 frame:0
          TX packets:10 errors:0 dropped:0 overruns:0 carrier:0
          collisions:0 txqueuelen:0
          RX bytes:954 (954.0 B)  TX bytes:954 (954.0 B)

测试结果有了,那么接下来就是要将结果发送到我的mail中去

#!/usr/bin/env python
# -*- coding:UTF-8 -*-
import sys, os, string, time
import smtplib,base64, StringIO
from email.MIMEMultipart import MIMEMultipart
from email.MIMEText import MIMEText
from email.Utils import COMMASPACE, formatdate
from email import Encoders
def send_mail(send_from, send_to,subject, text,
          server="localhost", user = None, password = None):
    assert type(send_to)==list
    msg = MIMEMultipart()
    msg['From'] = send_from
    msg['To'] = COMMASPACE.join(send_to)
    msg['Date'] = formatdate(localtime=True)
    msg['Subject'] = subject
    msg.attach( MIMEText(text) )

    try:
        #smtp = smtplib.SMTP(server)
        smtp = smtplib.SMTP_SSL(server)
        if (user != None):
          smtp.ehlo()
          smtp_userid64 = base64.encodestring(user)
          smtp.docmd("auth", "login " + smtp_userid64[:-1])
          if password != None:
            smtp_pass64 = base64.encodestring(password)
            smtp.docmd(smtp_pass64[:-1])

        smtp.sendmail(send_from, send_to, msg.as_string())
        smtp.quit()
        print "Send Ok"
    except Exception as e:
        print "send maill error", e


### set mail server config
### 465 is open ssl port 
mail_server='smtp.163.com:465'
CODEC = 'utf-8'
mail_subject='Test result report mail'

### read test result information, add to mail , use 'utf-8' encoder
text='This is my first mail , for ifconfig infomations!'
fp=open('ifconfig_info.txt','r')
text=text+'\n'+fp.read()
mailtext=text.decode(CODEC)
fp.close()

mail_from='myaccount@163.com'
user='myaccount'
passwd='mypassword'
send_to=['zhaoyang_tony@163.com']

send_mail(mail_from, send_to, mail_subject, mailtext,
          mail_server,user ,passwd )
print 'Done'

注意: 465是mail服务器的加密端口,通常使用这个相对安全一些,当然你也可以更换为非加密端口25, 但这时要用smtp = smtplib.SMTP(server) 注释掉下面那加密那行#smtp = smtplib.SMTP_SSL(server)。

mail内容是通过read直接读取的文件内容,然后通过utf-8编码发送的邮件内容, 后期会考虑修改为html格式,会更加的美观一些,

run demo

opuser@gto:~/Smail$ python Smail.py
Send Ok
Done

有图有真相

sendmail

总结: 老板收邮件

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
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