iis7.5 php5.3,PHP5.5在IIS7.5上无法运行,改用5.3版本后正常

部门有个前端工程师要在IIS下部署PHP,给装了一个PHP5.5.14,结果部署完成后,打开页面一直提示500错误:发生未知 FastCGI 错误

网上搜索半天,有的说是没装PHP5.5.14用到的VC11运行时,于是去这里下载并安装,问题依旧

继续搜索,说是 PHP5.5开始,已不支持xp和win2003上运行了,只支持Win7以上系统,可是哥这就是Win7啊,一筹莫展啊。

后来尝试双击运行c:\php5.5.14\php-cgi.exe,结果弹出提示“c:\php5.5.14\php-cgi.exe 不是有效的Win32应用程序”,用这个去搜索,也是说“此为版本问题,PHP5.5版本 最低要运行于操作系统版本号最低要6.0”,这不扯吗?我的WIN7是6.1版本啊啊啊

后面抱着试一试的想法,下载了一个PHP5.3.5版本,首先双击php-cgi.exe,确认是可以执行,不会报错,然后修改IIS里的程序映射,指向这个5.3.5的cgi,果然php顺利运行了起来。

后记:谁再跟我说PHP5.5.14只支持WIN7以上,我跟谁急

注:我的PHP安装步骤如下:

1、去这里下载一个ZIP包,解压PHP到C:\php5.5.14,并修改文件名,把php.ini-development改名为php.ini;

2、修改php.ini里的配置,找到如下配置节,逐一修改(注:有些配置是我这边需要的环境): extension_dir = "ext"fastcgi.impersonate = 1extension=php_curl.dllextension=php_mbstring.dllextension=php_mysql.dlldate.timezone = "Asia/Shanghai"3、给Win7安装IIS,并注意要选中安装CGI

进入控制面板,找到并打开“程序与功能”,点击窗口左侧的“打开或关闭Windows功能,勾选”Internet信息服务“:

4、配置PHP,

a、开始=》运行,输入inetmgr,打开”Internet信息服务管理器“,并打开右侧的”处理程序映射“:

b、打开右侧的”添加模块映射“,添加php扩展名,并映射php目录下的php-cgi.exe程序:

到这一步,如果没有意外,PHP就配置完成了,可以在网站根目录下添加一个a.php文件,内容如下: 然后打开浏览器访问: http://127.0.0.1/a.php,正常会显示php的相关信息

本文原创发布php中文网,转载请注明出处,感谢您的尊重!

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