(一)--Linux安装ActiveMQ

下载ActiveMQ

在这里插入图片描述
将下载好的tar.gz包存放在 /opt目录下,并解压安装包

tar -zxvf apache-activemq-5.15.11-bin.tar.gz

在这里插入图片描述
进入解压后的bin目录下,执行activemq
在这里插入图片描述

一、启动

1. 普通启动mq
./activemq start

activemq的默认进程端口是61616

这里屏蔽掉我不想看见含有grep的关键行

[root@localhost bin]# ps -ef|grep activemq|grep -v grep
root      54714      1  0 08:05 pts/0    00:00:37 /usr/java/jdk-13.0.1/bin/java -Xms64M -Xmx1G -Djava.util.logging.config.file=logging.properties -Djava.security.auth.login.config=/opt/apache-activemq-5.15.11//conf/login.config -Dcom.sun.management.jmxremote -Djava.awt.headless=true -Djava.io.tmpdir=/opt/apache-activemq-5.15.11//tmp -Dactivemq.classpath=/opt/apache-activemq-5.15.11//conf:/opt/apache-activemq-5.15.11//../lib/: -Dactivemq.home=/opt/apache-activemq-5.15.11/ -Dactivemq.base=/opt/apache-activemq-5.15.11/ -Dactivemq.conf=/opt/apache-activemq-5.15.11//conf -Dactivemq.data=/opt/apache-activemq-5.15.11//data -jar /opt/apache-activemq-5.15.11//bin/activemq.jar start
[root@localhost bin]# 

在这里插入图片描述

2. netstat -anp|grep 61616

netstat 查看端口61616是否被占用 端口被占用就表示activemq已经成功启动了
在这里插入图片描述
这里可以看到61616这个端口已经被我们的java 54714这个进程占用了

3. lsof -i:61616

在这里插入图片描述

二、重启

./activemq restart

在这里插入图片描述

三、关闭

./activemq stop

在这里插入图片描述
然后查看lsof -i:61616 已经是空的了 说明stop成功
在这里插入图片描述

四、带日志的启动方式

 ./activemq start > /run_activemq.log

在这里插入图片描述

ActiveMQ控制台

关闭linux的防火墙
在这里插入图片描述
查看linux的ip地址 windows的ip地址 双方ping一下看能否ping通,如果能ping通就基本没有问题了
在这里插入图片描述
在这里插入图片描述
前台默认端口是8161如果能看到下面的页面就说明成功了
在这里插入图片描述
登录一下
在这里插入图片描述
登录之后出现
在这里插入图片描述

备注

linux上采用61616端口提供JMS服务
window上访问采用8161端口提供管理控制台服务

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,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