网络硬盘 excel服务器,Excel Server Tutorial

本文档详细介绍了如何配置和启动Excel服务器的网络硬盘功能,包括在系统选项中启用该功能,设置IP地址和端口,以及注册网盘根目录。用户网盘和系统网盘的配置方法类似,重点讲解了注册用户网盘的步骤,强调了安全性设置和IP输入的注意事项。配置完成后,管理控制台将显示新的‘网盘系统’节点,允许新建和管理网盘。
摘要由CSDN通过智能技术生成

24.2 网盘配置

设置系统选项,启动网络硬盘功能。

1874fd318ca204e57417e58405750ca6.png

图 24‑3

如图,在系统选项窗口上,勾选"使用网盘功能",勾选“报表上的图片、附件存入网盘”,然后点击【确定】。

网盘的用户有两种,一种是分配给用户使用,一种是分配给系统使用。注册网盘服务器和网盘根目录的方法是一样的。下文以注册用户网盘为例介绍。

1.点击“Excel服务器2010”菜单组中【网盘服务配置工具】菜单,打开如下窗口。

配置能够连接到此网盘服务器的IP地址和端口。可以选择单个IP,或多个IP。

在服务端配置时,可以选择是否选择连接时要求使用windows身份验证,建议选择,以增强安全性。

1aa379a9157a16ae597279eb97ddffdb.png

图 24‑4

2. 点击“保存”,网盘服务重启,配置完毕。

说明:

•当Excel服务器和网络文件服务器为同一台机器时一般选择【单个Excel服务器】。

•若有多个Excel服务器其中一台做为网络文件服务器时,Excel服务器想访问网络文件服务器,则要在作为网络文件服务器的机器上设置【网盘服务配置工具】并且选择【多个Excel服务器】后将要访问网络文件服务器的Excel服务器IP地址进行输入。

当在系统选项中设置了“使用网盘功能”之后,管理控制台的左侧树形会出现一个新的节点"网盘系统"。展开网盘系统节点,在“系统网盘”节点上点鼠标右键,选择新建菜单。

876f4369b4510b99e0e8d917d7e14127.png

图 24‑5

弹出"注册网盘根目录"窗口,在此窗口输入已安装了NFS服务的机器的IP地址,并自己给起一个逻辑的名称。如果要注册的文件服务器就是本机,也一定要输入本机的实际ip地址,而不能输入"127.0.0.1"或"localhost"等。因为客户端将实际访问这个ip地址上的7778,7779端口,和NFS服务通讯,如果输入127.0.0.1,则意味着只有本机客户端能访问。如果服务器有多个ip地址,彼此间用空格分隔。

•若网盘服务配置工具窗口中选择了“客户端连接时要求使用 Windows 身份验证”,则注册时需要输入网盘服务器windows账户及密码。(若未选择windows身份验证则可不输入windows账户及密码)。

选择文件服务器上的一个目录,起一个根目录名称,点击【确定】。

da098f85b8386db9b385a8b5d41e8b26.png

图 24‑6

【6层】一字型框架办公楼(含建筑结构图、计算书) 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。
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