linux下创建多版本svn

linux SVN服务器创建版本库

 1.安装服务

     安装svn就简单化了,直接用yum解决了。    

1
yum  install  -y subversion

 2.创建版本库

1
2
       mkidr  /svn/obj
       svnadmin create  /svn/obj

 3.配置

   用svnadmin后,会在/svn/obj目录下生成conf目录,此目录下有三个文件,authz、passwd、svnserver.conf

   authz   用户权限配置文件

   passwd  用户密码配置文件

   svnserver.conf  主配置文件

  

  编辑svnserver.conf文件: 

1
2
3
4
   anon-access = none     #关闭匿名访问
   auth-access = write    #验证用户可写
   password-db =  passwd   #指向验证用户名密码的数据文件 passwd
   auth-db=authz          #指向验证用户的权限配置文件 authz


  编辑passwd文件:   

1
2
[ users ]
admin=admin    #用户名在等号前面,密码在后面相对应,注意:前面不能有空格


  编辑authz文件:

1
2
3
4
5
6
[ groups ]
admin=admin,admin2,admin3
user=user1,user2,user3
[/]
@admin=rw    #admin组内的用户有obj的读写权限
@user=rw     #user组内的用户有obj的读写权限


4.启动服务

1
svnserve -d -r  /svn/obj

 现在用客户端TortoiseSVN-1.6.15.21042-win32-svn-1.6.16.msi 工具就可以上传和下载使用了

1
  地址是: svn: //ip


5.使用多个版本库

1
2
3
4
    mkdir /svn/book
    mkdir /svn/sport
    svnadmin create /svn/book
    svnadmin create svn/sport

上面操作又创建了两个版本库 book和sport

 把obj目录下的conf里的三个文件分别复制到book和sport的conf中

1
2
   /bin/cp  /svn/obj/conf/ /svn/book/conf/
   /bin/cp  /svn/obj/conf/ /svn/book/conf/

重新启动svn服务:

   kill 'svn id'   先杀掉之前启动的 

   svnserve -d -r /svn 

用客户端工具下载和上传时,写url的时候后面加上文件夹的名字即可分开,如:

   svn://ip/obj 

   svn://ip/book

搭配apache登陆。

yum install httpd.

修改配置文件 vi /etc/httpd/conf/httpd.conf

最后添加:

<location />

DAV svn
SVNParentPath /opt/svndata (此处配置你的版本库根目录) --注意这里不要是svnpath,单库用此
AuthType Basic (连接类型设置 基本验证)
AuthName "Hello welcome to here" (此处字符串内容修改为提示对话框标题)
AuthUserFile /etc/httpd/conf/passwd (此处修改为访问版本库用户的文件,通过http访问的账号是Apache http验证的。通过svn://访问的账号是svn仓库conf目录下passwd指定的。两个是独立的认证方式。)
AuthzSVNAccessFile /opt/svndata/authz(此处修改为访问版本库权限的文件)
Require valid-user ("Require valid-user"告诉apache在authfile中所有的用户都可以访问。如果没有它,则只能第一个用户可以访问新建库)
</location>

保存文件退出!

注:通过http验证的用户文件生成方式:

1 . 添加用户:
# /usr/bin/htpasswd –c /etc/bin/conf/passwd user1
第一次设置用户时使用-c表示新建一个用户文件。回车后输入用户密码,完成对用户的增加
第二次添加用户不需要带 –c 参数 如:
# /usr/bin/htpasswd/etc/httpd/conf/passwd user2

重启httpd:systemctl restart httpd,即可http://访问了。

  • 0
    点赞
  • 0
    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
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