saltstack-7 pillar组件

1、定义pillar

编辑/srv/pillar/top.sls

base:
  '*':
    - apache

二级配置有两种方式:

  1. 直接新建apache.sls
  2. 新建文件夹,在文件夹里面添加init.sls

新建apache文件夹,在里面新建文件init.sls

pkgs:
{% if grains['os_family'] == 'Debian' %}
  apache: apache2
{% elif grains['os_family'] == 'RedHat' %}
  apache: httpd
{% elif grains['os'] == 'Arch' %}
  apache: apache
{% endif %}

根据操作心系统参数,获取到相应的安装包名称

# 同步pillar参数到客户机
salt '*' saltutil.refresh_pillar

 

 

 

2、利用pillar定义的参数,进行apache的安装

salt默认的入口为:/srv/salt/top.sls

base:
  '*':
    - apache

 

apache:
  pkg:
    - installed
    - name: {{pillar['pkgs']['apache']}}

  service.running:
    - name: {{pillar['pkgs']['apache']}}
    - require:
      - pkg: {{pillar['pkgs']['apache']}}
  • 利用pillar参数,配置安装包名字;
  • require参数,配置确保在apache安装成功后,才进行启动

 3、sate执行

salt '*' state.highstate

下面两图为已经安装和未按照httpd的执行结果对比:

 

 

转载于:https://www.cnblogs.com/zxw-xxcsl/p/11477245.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这段代码主要是用来训练一个名为CenterFusion的目标检测模型,使用了DDDet(一个基于PyTorch的目标检测框架)。其中: - export CUDA_DEVICE_ORDER=PCI_BUS_ID export CUDA_VISIBLE_DEVICES=0,1:设置使用哪些GPU进行训练。 - cd src # train:进入src目录下进行训练。 - python main.py:运行main.py文件,即训练脚本。 - ddd:指定使用的模型是DDDNet。 - --exp_id centerfusion:设置训练实验的名称为centerfusion。 - --shuffle_train:在每个epoch开始前,打乱训练集的样本顺序。 - --train_split mini_train:使用mini_train作为训练集。 - --val_split mini_val:使用mini_val作为验证集。 - --val_intervals 1:设置每隔1个epoch进行一次验证。 - --run_dataset_eval:在训练过程中进行数据集的评估。 - --nuscenes_att:使用nuscenes属性进行训练。 - --velocity:使用速度信息进行训练。 - --batch_size 24:设置batch size为24。 - --lr 2.5e-4:设置学习率为2.5e-4。 - --num_epochs 60:设置训练的总epoch数为60。 - --lr_step 50:设置学习率下降的epoch数。 - --save_point 20,40,50:设置保存模型的epoch数。 - --gpus 0:设置使用的GPU编号为0。 - --not_rand_crop:不使用随机裁剪。 - --flip 0.5:进行数据增强时,以0.5的概率进行翻转。 - --shift 0.1:进行数据增强时,以0.1的概率进行平移。 - --pointcloud:使用点云数据进行训练。 - --radar_sweeps 3:设置雷达扫描数为3。 - --pc_z_offset 0.0:设置点云高度偏移量为0.0。 - --pillar_dims 1.0,0.2,0.2:设置pillar的尺寸为1.0*0.2*0.2。 - --max_pc_dist 60.0:设置点云距离的最大值为60.0。 - --load_model ../models/centernet_baseline_e170.pth:加载已经训练好的centernet_baseline_e170.pth模型。 - # --freeze_backbone \:注释掉的代码,原本可以冻结骨干网络,使得训练更加稳定。 - # --resume \:注释掉的代码,原本可以从已经训练好的模型继续训练。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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