之前写过一篇<openstack mitaka 配置详解>然而最近使用发现阿里不再提供m版本的源,所以最近又开始学习ocata版本,并进行总结,写下如下文档 OpenStack ocata版本官方文档: https://docs.openstack.org/ocata/install-guide-rdo/environment.html 一:环境 1.1主机网络 系统版本 CentOS7 控制节点: 1 处理器, 4 GB 内存, 及5 GB 存储 计算节点: 1 处理器, 2 GB 内存,

作者信息 作者: 彭东林 邮箱: pengdonglin137@163.com QQ: 405728433 软件平台 主机: Ubuntu14.04 64位版本 模拟器:Qemu-2.8.0 Linux内核版本: Linux-4.10 Busybox版本:busybox-1.24.2 工具链: arm-none-linux-gnueabi-gcc  (gcc version 4.8.3 20140320) 具备的功能 模拟一个vexpress 双核或者单核的环境,采用NFS跟Host共享一些文件

作者信息 作者:彭东林 邮箱:pengdonglin137@163.com QQ:405728433 软件平台 主机: Ubuntu14.04 64位版本 模拟器:Qemu-2.8.0 Linux内核版本: Linux-4.10 Busybox版本:busybox-1.24.2 工具链: gcc 具备的功能 模拟一个双核或者单核的x86_64架构的系统,根文件系统用ramdisk的形式,跟Host之间采用NFS的方式实现文件共享. 正文 1.Qemu的编译安装 请参考博文用qemu搭建aarch

作者信息 作者:彭东林 邮箱:pengdonglin137@163.com QQ:405728433 软件平台 主机: Ubuntu14.04 64位版本 模拟器:Qemu-2.8.0 Linux内核版本: Linux-4.10 Busybox版本:busybox-1.24.2 工具链: gcc 具备的功能 模拟一个双核或者单核的x86架构的系统,根文件系统用ramdisk的形式,跟Host之间采用NFS的方式实现文件共享. 正文 1.Qemu的编译安装 请参考博文用qemu搭建aarch64学

基于Ubuntu+Python+Tensorflow+Jupyter notebook搭建深度学习环境 前言一.环境准备环境介绍软件下载VMware下安装UbuntuUbuntu下Anaconda的安装二.Xshell远程连接Ubuntu系统三.Jupyter notebook服务器的配置及远程访问四.远程环境的测试Tensorflow软件库的安装简单爬虫数据可视化基于神经网络实现fashion_mnist图片的识别总结 前言 如今,人工智能.深度学习等高深知识逐渐融入大家的视野,小大验证码的识

云端搭建Linux学习环境 链接https://edu.aliyun.com/article/19 1. 开通云服务器 2 1.包年包月   按量付费(适合测试数据的时候) 2 2.地域   服务器数据中心所在城市 2 3. 网络 2 4. 实例系类 2 4. 公网带宽 3 5. 镜像 3 6. 存储 3 7. 购买台数 3 8. 安全设置 3 2.Linux 的远程管理 4 1.命令终端 4 2.文件传输 4 3.代码编辑 4 3. 为Linux环境安装图形化桌面(Gnome) 6 1.条件

开发环境 PC:ubuntu18.04 Qemu:4.1 Kernel:Linux-5.2 概述 由于要学习ARM的SVE技术,但是目前还没有支持SVE指令的板子,所以只能用Qemu来模拟,但是发现Qemu在用户模式下无法设置SVE的位宽,在浏览ARM官网资料时发现,ARM提供了Arm Instruction Emulator(下载链接)可以用来模拟SVE指令,并且可以设置SVE位宽,遗憾的是该模拟器只能运行在AArch64机器上,并且提供了基于ubuntu16.04的安装包.所以,需要先在qe

在学习 OpenStack 各服务之前,让我们先搭建起一个实验环境. 毋庸置疑,一个看得到摸得着而且允许我们随便折腾的 OpenStack 能够提高我们的学习效率. 因为是我们自己学习用的实验环境,CloudMan 推荐使用 DevStackhttp://docs.openstack.org/developer/devstack/DevStack 丰富的选项让我们能够灵活地选取和部署想要的 OpenStack 服务,非常适合学习和研究. 部署拓扑 首先我们来设计 OpenStack 的部署拓扑.

PC:ubuntu18.04.i5.七彩虹GTX1060显卡.固态硬盘.机械硬盘 作者:庄泽彬(欢迎转载,请注明作者) 说明:记录在ubuntu18.04环境下搭建深度学习的环境,之前安装了cuda9.1,与cudnn7.0.5版本的,但是无论怎么安装tensorflow-gpu都是失败,后来找到原因了,目前的tensorflow暂不支持cuda9.1,因此更换成cuda9.0,cudnn7.0.7安装成功,而且在英伟达官网下载各个安装包的时候出现在下载到99.9%时候总是下载失败,在某个时间段

平台信息:PC:ubuntu16.04.i5.七彩虹GTX1060显卡 作者:庄泽彬(欢迎转载,请注明作者) 说明:参考了网上的一堆的资料搭建了深度学习的开发环境,下班在宿舍折腾了好几个晚上才搞定,写篇文章记录一下. 一.安装Nvidia GTX1060显卡驱动 1.1 图1是本人使用的显卡,暂时没有那么多钱,买个便宜的玩玩,把显卡插入电脑主板,然后开启ubuntu系统, 图1 1.2 在终端输入lspci |grep VGA查看显卡型号,ubuntu系统自带了nouveau驱动,因此我们启动系

本教程搭建集 Tensorflow.Keras.Coffe.PyTorch 等深度学习框架于一身的环境,及jupyter. 本教程使用nvidia-docker启动实例,通过本教程可以从一个全新的Ubuntu系统快速搭建出GPU深度学习环境. 一.安装依赖环境 1. 使用国内镜像加速安装 https://mirrors.tuna.tsinghua.edu.cn/help/ubuntu/此处默认环境:ubuntu16.04LTS sudo mv /etc/apt/sources.list /etc

作者信息 作者: 彭东林 邮箱: pengdonglin137@163.com QQ: 405728433 软件平台 主机: Ubuntu14.04 64位版本 模拟器:Qemu-2.8.0 Linux内核版本: Linux-4.10 Busybox版本:busybox-1.24.2 工具链: gcc-linaro-aarch64-linux-gnu-4.9-2014.07_linux 参考博文: 用Qemu模拟vexpress-a9 --- 配置 qemu 的网络功能 用Qemu模拟vexpr

XMPP(Extensible Messaging and Presence Protocol,前称Jabber)是一种以XML为基础的开放式IM协议.xmpp被人熟知,google talk肯定有一定功劳,虽然现在gtk已经被放弃,改环聊了.但是其实XMPP也算是无处不在吧,各种自制的IM系统,sina weibo的私信系统等等. xmpp以前我简单的以为只在IM中发挥作用,其实作为中间件可以起到很多作用.通过xmpp 客户端的开发可以做到共享白板,协作平台,game等等,XMPP网络是基于服

必须要说容器是一个很牛逼的思想!注意,是思想!也许docker有种种问题,但是不管docker能否茁壮地发展下去,未来这种方式的环境搭建一定会变得越来越流行! 网上有很多这方面的教程,但大多数都不太好....初学者很难上手看的一脸懵逼,而且很多自己都根本没验证过行不行,而且很多问题都没有提到!!因此我自己写一个这方面的教程,以后自己看起来方便,有缘的docker新手看到这篇文章也许能给你一些帮助. 首先是安装docker 我们在centos7上安装docker-ce,也就是社区版.这篇博客里面有

1 先安装qt 解压ffmpeg包 2打开qt创建工程 3 导入头文件和库文件 这里一定要注意gcc版本和库的版本一定要一致 4 添加一下简单的源代码 1 #include <libavcodec/avcodec.h> 2 #include <libavformat/avformat.h> 3 #include <libavutil/log.h> 4 int main(int argc,char **argv) 5 { 6 av_log_set_level(AV_LOG

一.准备环境 linux (centos 7.2(C300的虚机) ) java1.8 官网下载tar包 安装前设置环境变量 JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdkCLASSPATH=.:$JAVA_HOME/lib/tools.jarPATH=$JAVA_HOME/bin:$PATHJVM_OPTS="-Xms256m -XX:PermSize=256m -XX:MaxPermSize=512m"MAVEN_OPTS="$MAVE

想用go练练手(我是win7系统,已从https://studygolang.com/dl 下载了go安装包并安装,比较简单,不详述. 但作为边民,没法go get ,又不敢用梯子,幸亏有爱心大牛们的国内镜像. 1.首先感谢gowalker.com,gopm.io 七牛 以及啃.萝卜.萝卜头go语言缔造者,以及sourcegraph.com ,studygolang, csdn, gitee(这里有一篇从码云clone代码的文章:https://www.cnblogs.com/shen-hua/

目录 一. 搭建一套自己的深度学习平台 二. 安装系统 三. 安装NVIDA组件 四. 安装深度学习框架 TensorFlow 五. 配置远程访问 六. 验收 七. 福利(救命稻草

环境清单 系统环境 Ubuntu22.04 编写脚本 pwntools ZIO 调试 IDA PRO gdb pwndbg ROP工具 checksec ROPgadget one_gadget LibcSearcher main_arana_offset IDA PRO(运行于windows) IDA主要用于反汇编,静态调试,也可以将部分程序以伪代码的形式给出 IDA Pro 有何用处? 一分钟安装IDA pro7.0 pwntools(python库) pwntools是一个ctf框架和漏洞

安装vscode 方法一: 依次输入如下命令 1.sudo add-apt-repository ppa:ubuntu-desktop/ubuntu-make 2.sudo apt-get update 3.sudo apt-get install ubuntu-make 4.umake ide visual-studio-code 可以在应用找到vscode即为成功 安装git 1.sudo apt update 2.sudo apt install git 可以在git --version打

安装环境:centos7系统下安装devstack 一.下载Ubuntu14或者Centos7安装(实体机或者虚拟机都可以),建议选择最小安装镜像即可. 二.安装devstack 文档地址 http://docs.openstack.org/developer/devstack/ 1.切换为root用户登录 #   su - #   cd /home 2.获取devstack 如果没有安装git ,安装git  (  #  yum install git   ) #   git clone ht