第一个网站搭建过程额(1)

看完了整整800多页的《轻量级JAVAEE》,写了一个简单到不能简单的SSH项目,但总觉得欠缺了些什么,后来萌生了一个搭建自己网站,把项目放在网站的想法。但这过程却是如此之艰辛,下面说说我建立网站的过程,以后要是忘了怎么搭建,可以再回头看看O(∩_∩)O。自己总结的,大佬看到还望指点指点。

网站必备的:服务器+域名+项目

初步的准备:

服务器和域名的购买:
这个推荐去阿里云或者腾讯云购买,因为有学生价,当然土豪可以无视。最先我想去腾讯云买的,只买了一个.com的域名,价格45RMB/年,感觉还行吧,而服务器没有这里买,虽然有学生价,但需要9点起来抢购,抢了几天放弃了,后来发现了一个叫阿里云的东西,有卖服务器,还有学生价,就直接买了一个入门级的云服务器,windows server 2012 系统,好像也只有这个系统,118RMB/年,对于只用过windows系统的我毫不犹豫地选择了这个系统。
服务器+域名=163RMB/年=0.4RMB/日(每天少吃一个馒头就可以实现了)

网站备案:
域名如果没有备案的话,过不了几天就无法访问了,这个还是挺重要的。推荐去阿里云备案,一个很重要的原因是:在阿里云备案不需要邮寄一些什么身份证明,还要现场拍照一些麻烦的程序,阿里云只需要网上提交一些材料(直接手机拍照上传),然后过几天相关人员就会打电话过来核实情况。

远程桌面连接+文件共享:
一般在购买服务器的地方会提供一个远程桌面的功能,但是需要打开一个网页,而且显示的就会比较模糊,这个方式还是不够方便的,其实远程桌面连接的话直接用windows系统自带的就可以了,效果还比较好。这里说下windows系统的远程桌面连接:
1.win+r,输入 mstsc 进入远程桌面连接,首先登入设置里面的:计算机指的就是服务器分配给你的IP地址,这里填写服务器分配的公网的IP地址,用户名默认就是Administrator,这个是你服务器系统的用户名

这里写图片描述
公网的IP地址在服务器供应商那边会提供,例如我的阿里云的服务器,在管理页面会有,注意一个是公网,一个是私网,:

这里写图片描述

2.点击本地资源,点击详细信息,把驱动器勾选上,这样本地的文件就会在服务器上显示,方便文件的共享。这里设置完就可以进行连接了。
这里写图片描述
这里写图片描述

至此是搭建网站的初期准备。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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