搭载Azure的开发环境及相关资源的使用

1. 搭载Azure的开发环境及相关资源的使用 
http://azure.microsoft.com/zh-cn/downloads/?rnd=1下载azure开发工具,Visual Studio 2013 update 4 ; 安装好之后,下载Azure SDK, 
这里写图片描述 
这里写图片描述

下载后,通过 Microsoft Web平台安装程序来获得并安装它们。接下来,你去可以微软下载官网,下载试用版的SQL-Server 2014 ;

现在我们就可以导入Azure 订阅了: 
首先,从https://manage.windowsazure.cn/publishsettings/index 
这里写图片描述
这里写图片描述

下载你的Windows Azure 账户的订阅文件,然后就可以将文件导入你的Visual Studio 2013.

打开,Visual Studio 2013 工具栏的“视图”中的服务器资源管理器 
这里写图片描述 
点击“管理订阅(M)”菜单之,就会弹出“管理Windows Azure 订阅”窗口。里面有三个选项卡:”订阅”、”区域”和”证书” 。在这里导入Windows Azure账户的订阅文件,所以选择”证书”。点击”导入”,选择上面步骤中,下载的Azure 订阅文件,再点击页面中的”导入”按钮; 
这里写图片描述 
注意:如果导入成功,你就能够在”证书”选项卡里面看到相关的订阅信息;如果你完成上面的操作,你就可以很方便地在Visual Studio 2013 的服务器资源管理器里面管理你的Azure 资源。

下面,你就可以简单的将ASP.NET WEB 应用程序部署到Windows Azure 网站了 
1. 在Windows Azure管理门户中,单击”网站” ,创建网站; 
这里写图片描述 
这里写图片描述

创建过程很简单,这里就不继续讲;

  1. 创建Web 应用程序(ASP.NET MVC4), 
    这里写图片描述
  2. 讲应用程序部署到Windows Azure 上: 
    打开 在Azure上创建的网站: 
    这里写图片描述 
    点击”仪表盘”Tab页,单击”下载发布配置文件”; 
    这里写图片描述

下载一个文件并保存在本地文件夹中,这里包含Web应用程序部署到你的网站的全部配置。 
这里写图片描述
,在vs中,在”解决方案资源管理器”中右键单击项目,然后选择”发布”。 
这里写图片描述

进入到”发布网页”的配置文件选项卡中,点击”Microsoft Azure 网站(W)”, 
这里写图片描述
这里写图片描述 
在上面,“选择现有网站”,选择上面创建好的Azure网站。点击确定;

这里写图片描述
继续点击”下一步”,配置,要发布的版本与数据库连接信息。 
这里写图片描述

继续点击“下一步”,就可以预览项目网站发布的文件: 
这里写图片描述
继续点击”发布”,web应用程序,会将文件发布,并跳转到浏览器访问你的网站; 
这里写图片描述


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据) 1、数据准备 需要准备yolo格式的目标检测数据,如果不清楚yolo数据格式,或者有其他数据训练需求,请看博主yolo格式各种数据合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据,且在不断更新,基本都是实际项目使用。来自于网上收、实际场景采制作等,自己使用labelimg标注工具标注的。数据质量绝对有保证! 本项目所使用的数据,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练的图片路径 val:验证的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用
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