Linux学习笔记(LAMP-环境搭建)

1.安装mysql
cd  /usr/local/src/ 
wget http://syslab.comsenz.com/downloads/linux/mysql-5.1.40-linux-i686-icc-glibc23.tar.gz


注意:上面的地址是32位机器用的,如果你的机器是64位,下载这个包(http://syslab.comsenz.com/downloads/linux/mysql-5.1.40-linux-x86_64-icc-glibc23.tar.gz)安装方法是一样的。
tar  zxvf /usr/local/src/mysql-5.1.40-linux-i686-icc-glibc23.tar.gz 
mv  mysql-5.1.40-linux-i686-icc-glibc23  /usr/local/mysql 
useradd  -s  /sbin/nologin mysql 
cd  /usr/local/mysql 
mkdir  -p  /data/mysql 
chown  -R  mysql:mysql  /data/mysql 
./scripts/mysql_install_db  -user=mysql  --datadir=/data/mysql 
cp  support-files/my-large.cnf  /etc/my.cnf 


cp  support-files/mysql.server  /etc/init.d/mysqld


chmod  755  /etc/init.d/mysqld 
vim  /etc/init.d/mysqld   #修改datadir
chkconfig  --add  mysqld 
chkconfig  mysqld  on 
service  mysqld  start 

 

 

2. 安装apache
wget  http://syslab.comsenz.com/downloads/linux/httpd-2.2.16.tar.gz
tar zvxf httpd-2.2.16.tar.gz  
cd httpd-2.2.16 
./configure --prefix=/usr/local/apache2  --enable-mods-shared=most  --enable-so 
make && make install 

使用:cat /usr/local/apache2/build/config.nice:可以查看编译参数

./bin/apachectl  graceful:可以不把进程杀死

 

3.  安装php
wget http://cn2.php.net/distributions/php-5.3.28.tar.gz
tar zxf php-5.3.28.tar.gz 
cd php-5.3.28 
./configure   --prefix=/usr/local/php  --with-apxs2=/usr/local/apache2/bin/apxs  --with-config-file-path=/usr/local/php/etc  --with-mysql=/usr/local/mysql   --with-libxml-dir  --with-gd   --with-jpeg-dir   --with-png-dir  --with-freetype-dir   --with-iconv-dir  --with-zlib-dir   --with-bz2   --with-openssl  --with-mcrypt   --enable-soap  --enable-gd-native-ttf   --enable-mbstring  --enable-sockets   --enable-exif   --disable-ipv6 

(apxs是php的自动配置的)
make && make install 

查看安装了哪些模块:

/usr/local/php/bin/php  -m

/usr/local/php/bin/php  -i:可以看php的参数

 

 

4. 配置apache结合php
vim  /usr/local/apache2/conf/httpd.conf
找到:
AddType application/x-gzip .gz .tgz
在该行下面添加:
AddType application/x-httpd-php .php

检测:/usr/local/apache2/bin/apachectl -t


找到:
<IfModule dir_module>
    DirectoryIndex index.html
</IfModule>
将该行改为:
<IfModule dir_module>
    DirectoryIndex index.html index.htm index.php
</IfModule>
找到:
#ServerName www.example.com:80
修改为:
ServerName localhost:80

 

 

5. 测试解析php
vim /usr/local/apache2/htdocs/1.php
写入:

<?php
    phpinfo();
?>
保存后,继续测试:

curl localhost/1.php

 

 

如果解析不了php文件:

看看apache加载了php没有:

         ls  /usr/local/apache2/modules/libphp5.so

         ldd可以看加载成功了没有

看看加载了php成功没有:

grep -i  ‘addtype’  /usr/local/apche2/conf/httpd.conf

然后重启apache,然后再试试看看

 

测试mysql的连通性:

写一个文件并访问,文件内容如下

<?php

         $conn= mysql_connect("localhost", "root", "密码");

         if($conn){

                   echo"连接mysql成功!";

         }

         else{

                   echo"连接mysql失败!";

         }

?>

如果输出"连接mysql成功!"则连接成功!

2015年4月27日

by:champly 

转载于:https://my.oschina.net/ChamPly/blog/1526852

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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