nginx学习笔记4 nginx的配置文件2 虚拟主机的配置

一.什么事虚拟主机

将一个真实服务器,通过虚拟化技术,划分成多个独立的虚拟的子服务器,这些子服务器都在这台真是服务器中,每个虚拟子服务器都是一个虚拟主机。

 

二.nginx配置虚拟主机有两个步骤,先配置ip,在绑定ip地址与虚拟主机。



三.ip地址的配置(通过linux的命令行)

1.查看本机ip
ifconfig

(eth0)设备名称,inet addr的值为本机ip


2.为eth0设备指定ip

ifconfig eth0 192.168.1.1-59(1到59的范围) netmask(子网掩码) 255.255.255.0


3.为eth0配置虚拟主机
配置eth0的第一个虚拟主机的ip,broadcast为以前的值不变,通过ifconfig可见 netmask子网掩码的配置,可固定255.255.255.0 
icongif eth0:1 192.168.1.7 broadcast 10.135.191.255 netmask 255.255.255.0
配置eth0的第二个虚拟主机的ip
icongif eth0:2 192.168.1.17 broadcast 10.135.191.255 netmask 255.255.255.0

第三个......


四.虚拟主机的配置:将对于的ip与对应的虚拟主机建立联系(通过nginx的配置文件)

1.安全起见,新建配置文件xnzj.conf,

touch xnzj.conf


2.将基本的配置文件的框架复制进去


3.虚拟主机的配置http下的server为虚拟主机的配置


http{

 #第一个虚拟主机的配置

    server{
        #监听192.168.1.7主机的80端口,如果有请求访问此处,讲进行处理
        listen 192.168.1.7:80;
        #同一个ip可以配置不同的域名,配置的n个域名对应了一个server域,如果某个指向此ip的域名没有对应的server,会默认访问第一个配置的server
        #如果一个域名对应了两个server,nginx会警告,但不影响使用,会使用第一个匹配的server,忽略后面匹配的server

        server_name tianxiaolin.cn;

  #设置此虚拟主机的日志文件,格式使用combined默认格式

  access_log logs/server1.log  combined;

        location /{

    #需要发送给后端服务器的客户端的信息

          proxy_set_header X-Forwarded-For $remote_addr;
          proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;

       #默认访问的首页,优先级从左到右
       index index.html index.jsp index.htm;
       #访问192.168.1.7:80的默认根目录,此为与此配置文件同级的相对路径
       root  mytest/htmlpage1;
       #访问192.168.1.7:80会默认访问与nginx.conf同级目录下的mytest下的htmlpage目录下的index等默认首页文件

        }

    }

 #第二个虚拟主机的配置

    server{

        listen 192.168.1.17:80;

  server_name 192.168.1.17;

  access_logs logs/server2.log combined;

  location /{

    index index.html index.htm index.jsp

    root mytest/htmlpage2;

  }

    }

}


浏览器输入192.168.1.7会访问mytest/htmlpage1下的文件

浏览器输入192.168.1.17会访问mytest/htmlpage2下的文件

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,能够捕捉数据中的时间依赖性。 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,它们在神经网络中用于添加非线性,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