docker(二)安装部署nginx以及常用命令

docker常用命令

在这里插入图片描述

ctrl + pq 	##退出容器但不关闭容器
[root@server1 ~]# docker attach vm3		##可以直接进入容器

ctrl + D	##退出并关闭容器,下次登陆时需要开启
[root@server1 ~]# docker start vm3		##打开关闭的容器
[root@server1 ~]# docker attach vm3		##再进入容器

docker rm vm3				删除容器
docker rm -f  vm2			强制删除容器
docker rmi ubuntu:vm3  		删除镜像

在这里插入图片描述

docker的安装

(1)添加软件源信息

在这里插入图片描述
在这里插入图片描述

(2)安装docker-ce
在这里插入图片描述
在这里插入图片描述
(3)安装必要的包
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
(4)查看信息
在这里插入图片描述
解决
在这里插入图片描述
在这里插入图片描述
(5)安装bash

在这里插入图片描述
在这里插入图片描述

容器部署nginx

(1)拉取一个镜像
在这里插入图片描述
拉取速度较慢,我们可以配置一个镜像加速器
在这里插入图片描述

(2)运行并查看信息
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

(3)访问
在这里插入图片描述
在这里插入图片描述

LSTM(Long Short-Term Memory)是一种常用于处理序列数据的深度学习模型。在使用LSTM进行训练时,通常会将数据集划分为训练集、验证集和测试集。 训练集(Training Set)是用于模型参数的学习和调整的数据集。通常情况下,我们会使用训练集中的样本来训练LSTM模型,并根据模型在训练集上的表现来调整模型参数。 验证集(Validation Set)是用于模型调优和选择的数据集。在训练过程中,我们会周期性地使用验证集来评估模型在未见过的数据上的性能,并根据验证集上的表现来选择合适的模型超参数、调整模型复杂度等。 测试集(Test Set)是用于最终评估模型性能的数据集。在模型训练和调优完成后,我们会使用测试集来评估模型在真实场景下的性能。测试集应该是与训练集和验证集独立且相似分布的数据,以便准确地评估模型的泛化能力。 划分数据集时,一般会采用随机抽样的方式,确保训练集、验证集和测试集的样本都具有代表性。常见的划分比例是70%的数据用于训练,15%的数据用于验证,15%的数据用于测试,但这个比例可以根据具体的任务和数据规模进行调整。 需要注意的是,在使用LSTM进行数据集划分时,应确保时间序列数据的连续性。即,验证集和测试集中的样本应该是在训练集之后的时间段内收集的数据,以模拟真实场景下模型的应用情况。这样可以更好地评估模型在未来数据上的泛化能力。
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