nginx + django + uwsgi 配置

3 篇文章 0 订阅
1 篇文章 0 订阅

PYTHON安装扩展包有两个easy_install和pip,现安装pip

然后用pip 安装 uwsgi

sudo pip install uwsgi

好了。然后进去你的DJANGO项目目录下

新建一个django.ini的文件。

配置内容:

[uwsgi]

# set the http port

http-socket=:8001

# set socket port

socket=127.0.0.1:8000

# change to django project directory

chdir=/Users/piglet/wwwroot/zhima

# load django

module=zhima.wsgi:application

 

然后,保存可以启动了

uwsgi --ini django.ini

 

注意配置文件中配置了两个端口。第一个http-socket是配置可以通过端口访问的HTTP地址

第二个配置SOCKET连接地址,这样子就可以通过

http://127.0.0.1:8001访问。

另一个端口是配置给nginx用的。

配置nginx的站点文件

server {

    listen 80;

    server_name  z.my.com;

 

    location / {

        uwsgi_pass 127.0.0.1:8000;

        include uwsgi_params;

    }

}

因为NGINX是自带uwsgi的。所以直接用就可以了。

 

搞定。现在就可以访问啦。

 

uwsgi的配置还有很多参数

http://uwsgi-docs.readthedocs.org/en/latest/Options.html

django官方关于uwsgi配置的文档

https://docs.djangoproject.com/en/1.4/howto/deployment/wsgi/uwsgi/

 

后续会有些问题,关于文件自动更新的问题,修改了代码但是没有及时更新需要重启uwsgi,

这里需要去监听文件,自动重启uwsgi

可以在项目的wsgi.py中加入如下代码

 

Python代码   收藏代码
  1. import uwsgi  
  2. from uwsgidecorators import timer  
  3. from django.utils import autoreload  
  4.  
  5. @timer(3)  
  6. def change_code_gracefull_reload(sig):  
  7.     if autoreload.code_changed():  
  8.         uwsgi.reload()  

 但是当重新运行uwsgi --ini django.ini的时候,发现报错啦。

原来需要以master的方式启动

uwsgi --master --ini django.ini

现在可以啦。

还有就是import uwsgi这个模块要导入,需要以uwsgi的方式运行才行,要不会出现这个模块不存在的错误

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