php mysql memcached_php使用memcache或memcached

前言

memcache和memcached就差一个字母,初次使用的时候很容易搞不清楚这些玩意都哪跟哪。memcached是一种数据库服务,就跟redis mongodb一样的服务,使用这个数据库的话需要一些客户端来操作它里面的数据,php提供啦两个扩展来使用memcached数据库,名字为memcache和memcached。问题就出现在这里啦

memcache版本是5.6以及以下可以使用,目前memcache已经停止维护啦php7.x没有对应的库,凡事都有但是哈哈,github上有人编译出来7.x可用的版本。memcached是php中操作memcached的另一个扩展出来的比memcache晚点并不多支持php全部版本,新东西嘛功能上肯定是有新意的,并且性能等其它方面也会有点变化,到底哪个好咱也没用过。但是但是这东西windows上用不了只能linux上用所以windows下还是乖乖的用memcache吧

安装memcached扩展和服务器

安装memcached服务器

请根据自己的系统和php版本下载对应的 memcached 版本,安装方法请参考  http://www.runoob.com/memcached/window-install-memcached.html  示例里面是安装为计划任务来执行的,如果只想测试下的话可以用下面脚本来启动和停止,注意修改里面的路径@echo off

set curpath="D:/GreenSoft/memcached/memcached.exe"

taskkill /f /im  memcached.exe

%curpath% -d start

telnet localhost 11211

::sc create "Memcached" binPath= "%curpath% -d runservice -p 11211" DisplayName= "Memcached" start= auto

pause

启动后如果没有报错直接连的话,说明成功

php扩展

官方memcache最高支持到php5.6版本,请注意,php7.1, 7.2, 7.3 github上有人编译出来对应的版本可以直接下载使用

php5.6及以下  https://windows.php.net/downloads/pecl/releases/memcache/3.0.8/

下载前请使用phpinfo查看自己的php支持哪个版本再下载对应的版本

ffdbf53840f90716d59ef30adc557ddf.png

下载对应的版本

7ea63ba554c85fba3079b886fa5aa898.png

开启php的memcached扩展然后使用代码测试是否可用$memcache->connect("127.0.0.1", 11211);

echo "Memcached's version: " . $memcache->getVersion() . "
";

$data = array(

'url'  => "http://www.zhaokeli.com",

'name' => "缓存数据",

);

$memcache->set("info", $data, 0, 10);

$info = $memcache->get("info");

echo '

';

print_r($info);

注意memcached的版本,否则会出现下面的错误

43668a84a3e648e6bc4a333fff292941.png

下面是成功后显示的内容

8b6e7b1bb0ffb42a478d86cb4b2c6c06.png

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