第三周作业

1.简述HTTP交互原理

   第一步:浏览器分析超链接的URL

   第二步:由浏览器发送域名给DNS服务器

   第三步:由DNS服务器解析返回对应的IP地址

   第四步:浏览器对DNS解析后的地址发起TCP三次握手

   第五步:浏览器向web服务器发出GET请求

   第六步:web服务器响应浏览器的请求

   第七步:连接断开

2.实现一个Nginx热部署

     实现nginx的热部署主要原理

  1. 修改nginx.conf配置文件
  2. 执行reload或者HUP信号进行重启
  3. Master使用新的配置文件启动新配置的worker进程
  4. 旧的进程处理完原来的用户请求之后退出
  5. 最后由新进程处理用户请求,整个过程平滑过渡,用户无感知

3.搭建一款Wordpress博客系统

 4.简述对称加密与非对称加密

     对称加密: 加密和解密的密钥是同一个

     非对称加密:比对称加多一个私钥,公钥加密的需要私钥解开,私钥加密的需要公钥解开

5.实现一个keepalive高可用测试

  使用两台虚拟机做keepalived高可用测试,虚拟IP为172.16.1.100  正常情况下的lvs01节点信息

将RS的nginx停掉模拟RS节点故障后的lvs01信息,此时只能访问172.16.1.6节点上的内容

将lvs01的keepalived停掉模拟lvs01节点故障,可以发现虚拟地址漂移到lvs02节点上,此时依旧能正常访问

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
你好!改善深层神经网络的方法有很多,以下是一些常见的方法: 1. 使用更好的激活函数:传统的激活函数如Sigmoid、tanh等可能存在梯度消失或爆炸的问题。可以尝试使用ReLU、Leaky ReLU、ELU等激活函数,以减轻这些问题。 2. 使用批标准化(Batch Normalization):批标准化对网络的输入进行标准化,有助于加快网络的训练速度,并且可以缓解梯度问题,使得更深层的网络也能够训练得更好。 3. 使用残差连接(Residual Connections):残差连接可以帮助信息在网络中更好地流动,从而减轻梯度消失的问题。通过将某些层的输出与输入相加,可以使得网络更易于训练。 4. 使用更好的优化算法:传统的梯度下降算法如随机梯度下降(SGD)可能存在训练速度慢、易陷入局部最优等问题。可以尝试使用更高级的优化算法如Adam、RMSprop等,以加快模型的收敛速度。 5. 添加正则化:过拟合是深层神经网络常见的问题之一。可以通过添加正则化项如L1正则化、L2正则化等来限制模型的复杂度,防止过拟合的发生。 6. 数据增强:通过对训练数据进行一些随机的变换,如平移、旋转、缩放等,可以增加模型的泛化能力,防止过拟合。 这些方法只是改善深层神经网络的一部分,具体的选择和调整需要根据具体问题和数据集来进行。希望对你有所帮助!
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