在Ubuntu Server 12.04 LTS上搭建可远程访问的PostgreSQL 9.1环境

1. 搭建Ubuntu Server 12.04 LTS

参看:Ubuntu Server 12.04 LTS 安装截图 http://www.linuxidc.com/Linux/2014-01/95849.htm

用VMware 8安装Ubuntu 12.04详细过程图解 http://www.linuxidc.com/Linux/2012-07/64897.htm

Windows XP硬盘安装Ubuntu 12.04双系统图文详解 http://www.linuxidc.com/Linux/2012-04/59433.htm

注:安装方式中选择了Postgresql数据库服务器安装

2. 搭建Postgresql环境

注:第二章的参考文章: 《Ubuntu 10.10 Server+Nginx+Django+Postgresql安装步骤》 http://www.linuxidc.com/Linux/2010-10/29524.htm

2.1 【服务器端】修改Ubuntu用户密码

$sudo passwd postgres

2.2 【服务器端】修改数据库用户postgres的密码

2.2.1 切换到Linux下postgres用户

$sudo su postgres

2.2.2 登录postgres数据库

$psql postgres

2.2.3 修改密码

ALTER USER postgres with PASSWORD '新密码';

3. 配置远程访问环境

如果不进行相关配置的话,在终端使用pgADMIN III访问数据库时会出现如下错误

设定接续信息

点击确定按钮后出错

3.1 【服务器端】配置可连接接口(postgresql.conf)

3.1.1 打开postgresql.conf文件

$sudo vim /etc/postgresql/9.1/main/postgresql.conf

3.1.2 检索修改位置

/listen_addresses

3.1.3 修改文件(i,进入编辑模式)

# YU ADD 2012-4-30

listen_addresses = ‘*’

3.1.4 保存文件(:wq)

3.2 【服务器端】配置可连接服务器信息(pg_hba.conf)

3.1.1 打开pg_hba.conf文件

$sudo vim /etc/postgresql/9.1/main/pg_hba.conf

3.1.2 检索修改位置

元文件内容

host all all 127.0.0.1/32 md5

3.1.3 修改文件(i,进入编辑模式)

在3.1.2后添加下述设定内容

# YU ADD 2012-4-30

host all all 192.168.11.0/24 md5

注:该修改的目的是允许所有机器,所有用户都使用TCP/IP协议连接,用密码进行认证的方式

如果想指定数据库的话,需要修改第一个 all,如果需要指定用户的话,修改第二个all

如果想明确访问机器的ip地址的和话,修改192.168.11.1/24部分,目前这部分的设定含义是允许从192.168.11.0到192.168.11.255的IP地址的机器访问数据库。

3.1.4 保存文件(:wq)

3.1.5 重启postgres数据库

$sudo /etc/init.d/postgresql restart

3.3 【终端】尝试连接

成功。

 

PostgreSQL 的详细介绍请点这里
PostgreSQL 的下载地址请点这里

PostgreSQL缓存详述 http://www.linuxidc.com/Linux/2013-07/87778.htm

Windows平台编译 PostgreSQL http://www.linuxidc.com/Linux/2013-05/85114.htm

Ubuntu下LAPP(Linux+Apache+PostgreSQL+PHP)环境的配置与安装 http://www.linuxidc.com/Linux/2013-04/83564.htm

Ubuntu上的phppgAdmin安装及配置 http://www.linuxidc.com/Linux/2011-08/40520.htm

更多Ubuntu相关信息见Ubuntu 专题页面 http://www.linuxidc.com/topicnews.aspx?tid=2

linux
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