随笔记录学习安装配置MongoDB

MongoDB的安装与配置
  MongoDB的简介
 1.MongoDB(来自于英文单词“Humongous”,中文含义为“庞大”)是可以应用于各种规模的企业、各个行业以及各类应用程序的开源数据库。作为一个适用于敏捷开发的数据库,MongoDB的数据模式可以随着应用程序的发展而灵活地更新。与此同时,它也为开发人员 提供了传统数据库的功能:二级索引,完整的查询系统以及严格一致性等等。 MongoDB能够使企业更加具有敏捷性和可扩展性,各种规模的企业都可以通过使用MongoDB来创建新的应用,提高与客户之间的工作效率,加快产品上市时间,以及降低企业成本。
2.MongoDB是专为可扩展性,高性能和高可用性而设计的数据库。它可以从单服务器部署扩展到大型、复杂的多数据中心架构。利用内存计算的优势,MongoDB能够提供高性能的数据读写操作。 MongoDB的本地复制和自动故障转移功能使您的应用程序具有企业级的可靠性和操作灵活性。
推荐网址:
   https://www.mongodb.com/cn
下载网址:
   https://www.mongodb.com/download-center?jmp=nav#community 

选择

1.  Community Server  

2.  Windows Server 2008 R2 64-bit and later, with SSL support x64 

3.DOWNLOAD即可下载MongoDB

安装步骤:
1. 解压压缩包
在D盘新建文件夹MongoDB,将压缩包中的所有 .exe 拷贝到D:MongoDB文件夹中。
2. 建立工作目录
  D:\mongodb\data
  D:\mongodb\log\mongodb.log
3. 设置环境变量
       我的电脑--属性--高级--环境变量--系统变量中的path,加上;D:\MongoDB ,注意前面加上分号
 
4. 启动MongoDB服务
进入控制台中,输入mongod.exe --dbpath=D:\MongoDB\data
 
 
在浏览器中输入http://localhost:27017/。会出现

Itlooks like you are trying to access MongoDB over HTTP on the native driverport. 表示成功!

5. 安装成 windows 服务。在d:\MongoDB\data 下新建文件夹log(存放日志文件),并且在新建的 log 文件夹中新建文件 mongodb.log。同时,在 d:\MongoDB 文件夹下新建文件:mongo.config;

6. 用记录本打开 mongo.config,拷贝如下内容:

  dbpath=d:\MongoDB\data\db

  logpath=d:\MongoDB\data\log\mongo.log,保存;

7. 不要关闭当前这个控制台窗口,另起一个控制台,输入mongo
 
  表明已成功连接到mongdb.

8.  将mongdb作为windows服务随机启动。
    控制台中输入:mongod.exe --dbpath=D:\mongodb\data --logpath=D:\mongodb\logs\mongodb.log --install
    正常情况下会显示 

  

8. 连接MongoDB

   在控制台输入net start mongodb ,会出现“MongoDB 服务已经启动成功”的提示信息

  

   输入mongo就会连接到test,在我的电脑->管理->服务和应用程序中可以看到MongoDB服务已经启动成功

  

  



恭喜你已经成功启动了 MongoDB 喽!!!





























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