基于Centos7环境下搭建的LAMP+WordPress，软件版本：Centos 7.4.1708、 Apache 2.4.6、MarriDB 5.5.56、PHP 5.6.36

DNS / DHCP手册 配置Bind9和ISC DHCP服务器以支持DHCP客户端的多个子网，区域文件和动态DNS。 服务器 这本剧本是为Ubuntu 14.04 LTS服务器设计的。 该服务器应该是文件中列出的唯一主机。 配置 在文件中，设置一个标记为权威的子网（已启用DHCP），如果要为其中列出的系统配置其他DNS区域，请设置任何其他子网。 每个子网可以具有一个列表，这些列表可以接收静态分配的IP，并且可以在additional_records部分中配置其他DNS记录。

利用pytorch实现图像分类的一个完整的代码，训练，预测，TTA，模型融合，模型部署，cnn提取特征，svm或者随机森林等进行分类，模型蒸馏，一个完整的代码。 实现功能： 基础功能利用pytorch实现图像分类 包含带有warmup的cosine学习率调整 warmup的step学习率优调整 多模型融合预测，加权与投票融合 利用flask + redis实现模型云端api部署（tag v1） c++ libtorch的模型部署 使用tta测试时增强进行预测（tag v1） 添加label smooth的pytorch实现（标签平滑）（tag v1） 添加使用cnn提取特征，并使用SVM，RF，MLP，KNN等分类器进行分类（tag v1）。 可视化特征层。 转载：https://github.com/lxztju/pytorch_classification

此演示展示了信号数据示例的完整深度学习工作流程。 我们展示了如何准备、建模和部署基于深度学习 LSTM 的分类算法来识别机械空气压缩机的状况或输出。 我们展示了如何执行深度学习工作流程的以下部分的示例： 第 1 部分 - 数据准备第 2 部分 - 建模第 3 部分 - 部署 该演示是作为 MATLAB 项目实现的，需要您打开该项目才能运行它。 该项目将管理您需要的所有路径和快捷方式。 第一次运行项目时还需要一个重要的数据副本。 第 1 部分 - 数据准备本示例说明如何提取将用作LSTM深度学习网络输入的声学特征集。 跑步： 打开 MATLAB 项目 Aircompressorclassification.prj 打开并运行 Part01_DataPreparation.mlx 第 2 部分 - 建模此示例展示了如何训练 LSTM 网络对包括健康和不健康信号的多种操作模式进行分类

项目架构：B/S架构 开发语言：Java语言 开发软件：idea eclipse 前端技术：Layui、HTML、CSS、JS、JQuery等技术 后端技术：JAVA 运行环境：Win10、JDK1.8 数 据 库：MySQL5.7/8.0 运行服务器：Tomcat7.0 CSDN太坑了，设置是0积分，自动调整下载积分太多，想要源码的私信我吧。

项目架构：B/S架构 开发语言：Java语言 开发软件：idea eclipse 前端技术：Layui、HTML、CSS、JS、JQuery等技术 后端技术：JAVA 运行环境：Win10、JDK1.8 数 据 库：MySQL5.7/8.0 运行服务器：Tomcat7.0 CSDN太坑了，设置是0积分，动态调整下载积分太多，想要源码的截图威发我吧。CSDN名跟绿色图标是同号。

CentOS8部署Mysql NDB Cluster8+Mysql Router8方案及应用~~~~

若依微服务134集数 视频网盘地址 附带源码地址 和 讲解 运行部署视频

Fabric v1.0 多节点集群的部署，超级账本 Fabric v1.0 多节点集群的部署

在LINUX上部署带有JAR包的JAVA项目 首先eclipse上要装上一个小插件，叫做Fat Jar 点击Fat Jar 红框里选上主类点击Next 如图把勾打上 在该路径下找到jar包 通过ftp协议把jar包放在linux服务器下 进入到jar包路径 输入指令 java -jar XXX.jar 运行成功！ 注意！！！！！！！！！！！！！！！！ 当你断开服务器连接时，工程会停止！ 所以要用下面的指令 指令：nohup java -jar XXX.jar 通过指令ps -ef | grep java 可以查看进程 您可