新服务器安装 -mima

安装部分:

机架的安装比较麻烦,导轨请参考安装说明(机架那里没卡住的话容易闪着腰)

线路安装包括,电源线,网线,vga线(连接屏幕),鼠标键盘的双usb线(机柜里是触摸板不需要)

电源在机架上,插上即可

网线安装,网线购买,大概2-4米,看机箱安排在哪儿

顺着145服务器的网线找到交换机,新买的网线一头插入交换机另一头插入服务器,服务器有两个网线口,记下插入网线口的名字(下面会用到),亮绿灯表示可用(黄灯可能是因为ip地址还未配置好)

安装好开机,在机箱里会有管理员账号密码,输入账号密码登录界面

 

网络部分:

首先问李老师要新分配的ip

接着使用指令

sudo  gedit /etc/network/interfaces 

这里会提示输入密码,输入我们刚才登录的密码

将文件修改如下(打注释的地方需要修改

auto lo

iface lo inet loopback


auto eno2  #  这里看网线插在哪个口,机箱背板上会有显示  如果插在第一个口就是auto eno1

iface eno2 inet static
address 211.87.232.140   #  这个是ip地址,根据李老师给的输入,这是140服务器的样板
gateway 211.87.232.129

netmask 255.255.255.128
dns-nameservers 198.168.254.141
dns-nameservers 192.168.254.245

使用指令刷新网络

sudo /etc/init.d/networking restart

输入  ifconfig  查看网络状态,如果地址正确,打开浏览器看是否正常工作

 

 

远程连接部分:

如果ssh可用,也可以我远程连接装,测试方法  ssh 211.xx.xxx.140 (这里是ip地址,使用其他电脑测试一下)

我们这里使用xrdp+xfce4

使用如下指令:

sudo apt-get install xrdp

sudo apt-get install vnc4server

sudo apt-get install xubuntu-desktop

echo "xfce4-session" >~/.xsession

配置xfce4
sudo vi /etc/xrdp/startwm.sh

在. /etc/X11/Xsession前一行插入
xfce4-session

重启xfce4

sudo service xrdp restart

安装到这里基本告成,接着使用指令

netstat -ntl

查看到3350和3389存在,则远程连接可用(如下)

这里最好用windows远程连接试一下,如果这部分实在不可用,一定要确保22端口可用,使ssh可以连!

环境配置部分:

试验nvidia-smi可用即可,nvidia-smi可用则驱动版本和cuda版本匹配可用

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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