Linux -- 安装 ftp

转载: https://www.imooc.com/article/68351

1、yum 安装 vsftpd

yum install -y vsftpd

2、修改配置文件/etc/vsftpd/vsftpd.conf

# 原有初始配置
local_umask=022
dirmessage_enable=YES
xferlog_enable=YES
connect_from_port_20=YES
xferlog_std_format=YES
tcp_wrappers=YES
local_enable=YES
write_enable=YES
pam_service_name=vsftpd

# 不支持匿名访问
anonymous_enable=NO

# 所有用户都被限制在其主目录下
chroot_local_user=NO    #此处需要改为NO,否则无法创建文件夹
chroot_list_enable=NO
allow_writeable_chroot=YES

# 支持IPv4及IPv6, 监听端口8021
listen=NO
listen_ipv6=YES
listen_port=8021

# 只允许userlist_file文件中的用户可访问ftp
userlist_enable=YES
userlist_deny=NO
userlist_file=/etc/vsftpd/user_list

# ftp用户主目录
local_root=/home/ftp

# passive模式,数据端口范围自定义(6000-6010),要确保这些端口已开放给外网访问
pasv_enable=YES

#解决 425 Security: Bad IP connecting 问题
pasv_promiscuous=YES

3、配置允许登录的用户/etc/vsftpd/user_list

ftp

4、创建 ftp 登录用户

#添加组
groupadd ftp

#添加用户
useradd -d /home/ftp -s /sbin/nologin -g ftp -G root ftpUser

#用户设置密码
passwd ftpUser

#修改目录权限
chown -R ftp /home/ftp

5、启动服务

systemctl start vsftpd

6、SFTP 工具使用注意事项

需要取消勾选,下图中的被动模式

7、docker 方式

 

# 拉取镜像 
docker pull fauria/vsftpd

# 创建用户和目录
groupadd ftpuser
useradd ftpuser -g ftpuser
passwd ftpuser

# 启动镜像
docker run --name vsftpd -p "20:20" -p "21:21" -v /home/ftpuser:/home/vsftpd/ftpuser -e FTP_USER=ftpuser -e FTP_PASS=ftpuser -d docker.io/fauria/vsftpd

8、docker-compose 方式

version: "3"
 
services:
  ftp:
    image: docker.io/fauria/vsftpd
    ports:
      - "20:20"
      - "21:21"
    volumes:
      - "/home/ftpuser:/home/vsftpd/ftpuser"
    container_name: ftp
    environment:
      FTP_USER: ftpuser
      FTP_PASS: ftpuser

 

  • 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