ZeroC ICE+PHP整合

最近为了做分布式框架的技术选型,特地研究了多个分布式框架,刚好研究了Zeroc Ice 框架,特地记录以便后续查阅

本文主要介绍win环境下PHP与ICE 环境的整合

首先我们需要确保安装好基本环境

1、本机已经安装好Zeroc ICE

笔者安装在 C:\tools\Server\ZeroC\Ice-3.6.2 目录下

配置好环境变量

2、本地已经安装好了PHP运行环境

笔者本机直接安装了xampp套件,默认安装在了 C:\xampp 目录

配置PHP与ICE整合的必要插件

1、配置php_ice 模块

打开 C:\xampp\php\php.ini 文件,直接文件末尾追加如下行

extension = php_ice.dll

保存,并关闭文件

将C:\tools\Server\ZeroC\Ice-3.6.2\php\php_ice.dll拷贝到C:\xampp\php\ext目录下

2、配置apache 加载4个dll文件

注意:不同版本有所不同

(适用于3.5.1版本)

bzip2_vc90.dll,ice35_vc90.dll,iceutil35_vc90.dll,slice35_vc90.dll

(适用于3.6.2版本)

bzip2.dll,ice36.dll,iceutil36.dll,slice36.dll

将以上C:\tools\Server\ZeroC\Ice-3.6.2\bin\下的四个文件拷贝到\Apache\bin目录下

3、配置ICE对应的PHP依赖库(资源文件)

打开 C:\xampp\php\php.ini 文件

在文件中找到“include_path =" 直接在等于后面;追加ICE安装的PHP类库根目录

注意:有其他的资源文件目录,以";"分割,如下笔者的配置

include_path=".;C:\xampp\php\PEAR;C:\tools\Server\ZeroC\Ice-3.6.2\php\"

完成以上步骤我们就完成的环境的配置,接下来就可以写一个ice-php的客户端程序来测试一下了

ICE-PHP 示例见下一篇博文

 

 

 

转载于:https://my.oschina.net/u/1413584/blog/797043

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
zero ICE快速入门文档, ice是最优秀的rpc框架。 4、开发服务端代码如下 步骤一:编写Servant类即带有Disp的存根文件也就是说继承_HelloWorldDisp 这个类,这个类是个抽象类定义如下: public abstract class _HelloWorldDisp extends Ice.ObjectImpl implements HelloWorld{} servant类是ice所定义的接口,在服务器端的实现类。我们在该类中可以编写服务器端对请求的具体处理。 代码如下: package myHelloWorld.server; import Ice.Current; import myHelloWorld._HelloWorldDisp; public class HelloWorld_gaojs extends _HelloWorldDisp{ private static final long serialVersionUID = 1L; public void say(String s, Current __current) { System.out.println("Hello World!"+" the string s is " + s); } } 步骤二:创建远程的服务器类 package myHelloWorld.server; public class ServerStart { /** * @param args */ public static void main(String[] args) { int status = 0; // Communicator实例,是ice run time的主句柄 Ice.Communicator ic = null; try { // 调用Ice.Util.Initialize()初始化Ice run time System.out.println("初始化ice run time..."); ic = Ice.Util.initialize(args); // args参数可传可不传 // 创建一个对象适配器,传入适配器名字和在10000端口处接收来的请求 System.out.println("创建对象适配器,监听端口10000..."); Ice.ObjectAdapter adapter = ic.createObjectAdapterWithEndpoints( "SimplePrinterAdapter", "default -p 10000"); // 实例化一个PrinterI对象,为Printer接口创建一个servant System.out.println("为接口创建servant..."); Ice.Object object = new HelloWorld_gaojs(); // 调用适配器的add,告诉它有一个新的servant,传递的参数是刚才的servant,这里的“gaojs”是Servant的名字 System.out.println("对象适配器加入servant..."); adapter.add(object, Ice.Util.stringToIdentity("gaojs")); // 调用适配器的activate()方法,激活适配器。被激活后,服务器开始处理来自客户的请求。 System.out.println("激活适配器,服务器等待处理请求..."); adapter.activate(); // 这个方法挂起发出调用的线程,直到服务器实现终止为止。或我们自己发出一个调用关闭。 ic.waitForShutdown(); } catch (Ice.LocalException e) { e.printStackTrace(); status = 1; } catch (Exception e) { e.printStackTrace(); status = 1; } finally { if (ic != null) { ic.destroy(); } } System.exit(status); } }
Zero DCE是一种用于图像去模糊和增强的方法,该方法可以通过训练一个深度学习模型来实现。而PyTorch是一种常用的深度学习框架,可以在其中实现Zero DCE。 要实现Zero DCE,首先需要准备一个用于训练的图像数据集。可以收集模糊的图像作为输入,同时还需要准备它们清晰的参考图像作为标签。接下来,可以使用PyTorch创建一个深度神经网络模型,用于训练和测试。 在PyTorch中,可以使用torchvision库加载和预处理图像数据。可以使用torch.utils.data.Dataset和torch.utils.data.DataLoader来构建自定义数据集,并在训练过程中对图像进行批处理和数据增强操作。 然后,可以定义网络模型。可以选择使用现有的神经网络结构(如ResNet、U-Net等),并根据具体的需求进行适当的修改。可以使用torch.nn包中的各种层和函数来构建网络结构。 接下来,可以定义损失函数和优化器。可以使用PyTorch提供的各种损失函数(如均方误差损失、感知损失等),以及优化器(如随机梯度下降、Adam等)。 然后,可以进行模型的训练和测试。可以使用torch.nn.Module中的forward函数来定义前向传播过程,通过计算输入图像的模糊与清晰度之间的差异来更新网络参数。同时,可以使用torch.utils.tensorboard等调试工具进行模型的监控和可视化。 最后,在训练完成后,可以使用训练得到的模型对新的图像进行去模糊和增强操作。可以将模糊的图像输入模型,通过前向传播得到增强后的图像。 通过以上步骤,可以使用PyTorch实现Zero DCE方法,实现图像去模糊和增强的效果。但需要注意的是,具体实现过程中还需根据实际情况进行调试和优化,并通过适当的数据集和参数选择来提高模型的性能和效果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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