nginx+uwsgi+django 搭建web

学习了一下django, 试着用nginx + uwsgi + django 来搭建一个web


1. nginx 的搭建

   下载nginx 的code  nginx-1.6.2.tar.gz, 然后解压code ,   ./configure xxxx  && make , build 出相应的nginx, 我把nginx build 在/usr/nginx 

    然后conf dir 下面有一个nginx.conf, 我简单做一下配置,在http 下面做以下配置:

        server {
        listen       80;
        server_name  localhost;
        charset utf-8;
        access_log /usr/nginx/logs/host_access.log;
        location / {
            #root   html;
            #index  index.html index.htm;
            uwsgi_pass 127.0.0.1:9000;
            include uwsgi_params;
        }

         location /static/ {
            alias  /usr/nginx/static/;
            index  index.html index.htm;
        }

     }


2. uwsgi 的搭建

   下载uwsgi , 我download 的是uwsgi-1.4.5.tar.gz 然后 build (或者easy_install uwsgi) 然后做配置uwsgi.ini

   [uwsgi]
   http = 127.0.0.1:9000  (注意如果前面加nginx了,这个时候我们不能用http了, 改用socket , 增加protocol = uwsgi)
   chdir =/root/myWebApp/mysite  (django 的project path)
   wsgi-file = mysite/wsgi.py         (django project 下面的wsgi.py)
   processes = 4
   threads = 2
   stats = 127.0.0.1:8000


然后我们将django 下面的static 文件放在nginx 下面,看nginx 的配置location /static/ 
所以我们可以run :python manage.py collectstatic  /usr/nginx/static/

但是我们要在setting 中STATIC_ROOT = "/usr/nginx/static/", INSTALLED_APPS 中要有'django.contrib.staticfiles'

3.最后可以用supervisor 来run uwsgi , 写一个启动脚本来同时run nginx + uwsgi
supervisor.ini
[program:uwsgi]
command=uwsgi --ini /usr/nginx/scripter/django_uwsgi.ini --ignore-sigpipe --ignore-write-errors
autostart=true
startsecs=5
redirect_stderr=true
stdout_logfile=/usr/nginx/logs/dj-uwsgi.log
stdout_logfile_maxbytes=10MB
stdout_logfile_backups=5



   

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