我相信,很多朋友都遇到了 Github 访问速度过慢的问题,我也是在此记下笔记,方便以后拿来使用. 第一步.修改Hosts 通过问题的搜索了解到 github 访问很慢一般通过修改 hosts 文件解决的. 在 Ubuntu18.04 中打开终端,输入命令 sudo vim /etc/hosts ,英文输入法输入 G , vim 编辑器跳到 hosts 文件的最后一行,添加以下几行: #Github 151.101.73.194 github.global.ssl.fastly.net 151.

解决办法一: 进入windows系统,关闭快速启动,关机. 解决办法二: 如果办法一不能解决问题,用这个办法. 查看盘符: sudo fdisk -l 需要在查看盘符后记下目标盘符的数字,比如想解除C盘的锁定: sudo ntfsfix /dev/sda1 OK,问题解决!

很坑   网上的那些教程 不知道怎么搞得....  误人子弟 首先 一台服务器  ubuntu16.04 首先aquatone   github  https://github.com/michenriksen/aquatone 执行gem install aquatone   会提示gem命令不存在  那么我们就需要安装ruby sudo apt-get install ruby cd /etc/alternatives sudo ln -sf /usr/bin/ruby* ruby #这里的

日常手贱把ubuntu14.04更新到了16.04,然后就game over了.mdzz,不然泥萌也看不到这篇博客了=.= 然后花了些时间重装了一个16.04版的,原来那个14.04的用可以用,就是动不动内存炸掉,强烈怀疑当初没有好好分区. 我安装的16.04的版本:链接: https://pan.baidu.com/s/1geAfzVH 密码: csvv 里面还有一个uiso9就是用来做启动U盘的,准备一个2G的U盘就好了(次元门) 然后我们要分区,这很重要,我们按win + x (反正win

[问题描述] 在阿里云 ECS 服务器 Ubuntu16.04 下部署 Java Web 应用时,发现配置的 Tomcat 服务启动后 80 端口无法被监听. [问题原因] 出现该问题的主要原因是:非 root 用户不能使用包括 1024 以下的端口号访问. [问题解决] 使用 root 用户配置并启动 Tomcat 服务,启动后可以使用 ps -aux | grep java 或 ps -ef | grep tomcat 命令查看进程,以及 netstat -an | grep 80 或 ss

Ubuntu16.04双网卡配置,内网外网同时访问 配置:vim/etc/network/interface auto lo iface lo inet loopback auto eno1 iface eno1 inet static address 10.1.1.222 netmask 255.255.255.0 auto ens3f0 iface ens3f0 inet static address 192.168.2.170 netmask 255.255.255.0 gateway 1

在ubuntu16.04下编译安装了py-faster-rcnn. 主要步骤包括:安装cuda/cudnn,换apt源,装开源显卡驱动,装caffe依赖的apt包和python包,下载py-faster-rcnn代码,编译代码.注意一点:不要用cuda安装包自带的显卡驱动,装好cuda后用apt-get装源里的最新驱动,否则很可能黑屏. py-faster-rcnn代码默认使用cudnn3,本文安装的是cudnn5,是通过修改微量py-faster-rcnn所依赖的caffe代码做到的. 本文提

  深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0 发表于2016年07月15号由52nlp 接上文<深度学习主机攒机小记>,这台GTX1080主机准备好之后,就是配置深度学习环境了,这里选择了比较熟悉Ubuntu系统,不过是最新的16.04版本,另外在Nvidia GTX1080的基础上安装相关GPU驱动,外加CUDA8.0,因为都比较新,所以踩了很多坑. 1. 安装Ubuntu16.04 不考虑双系统,直接安装 Ubuntu16.04,从ub

1. 从github上下载最新的hosts文件:https://serve.netsh.org/pub/ipv4-hosts/ ubuntu16.04: 第二步:Ctrl+Alt+T 打开ubuntu的命令终端,输入命令: sudo gedit /etc/hosts,输入密码. 第三步:将刚才在github上复制的hosts文件的内容拷贝到# The following lines are desirable for IPv6 capable hosts之前,保存退出. 第四步:在命令终端输入:

前言 最近在参加一个比赛,使用到了区块链的开源软件hyperledger,由于之前从未接触过区块链,以及和区块链开发相关的内容,所有在网上查阅了大量的资料,并且通过学习yeasy(杨宝华)开源的入门书籍区块链技术指南以及进阶学习的<区块链原理.设计与应用>,对区块链的一些相关概念有了一定认识.这里记录的是我安装hyperledger fabric的所有步骤,同时也是一个快速搭建单机环境的参考教程. 准备好机器环境 本人的区块链网络部署在VMware搭建的ubuntu16.04的环境下(推荐使用

前言 本教程基本上是对Marbles项目的翻译过程. 如果英文比较好的话,建议根据官方操作说明,一步步进行环境部署.当然你也可以参考本教程在自己的主机上部署该项目. Marbles 介绍 关于 Marbles 这个应用程序的基础网络是 Hyperledger Fabric,后者是一个 Linux Foundation 项目. 您可能想查阅以下操作说明来稍微了解一下 Hyperledger Fabric 本演示旨在帮助开发人员了解链代码的基础知识以及如何使用 Fabric 网络开发应用程序 这是一

在上一篇文章中在ubuntu16.04中初次体验.net core 2.0 简单介绍了一下ubuntu中运行.net core 2.0.配置nginx反向代理以及安装supervisor守护进程……本来安装supervisor(对他不是很了解,在其他的文章中看到这么用)目的是让我们应用程序开机启动,但是现在win10 Linux子系统用不了systemctl这个命令:https://github.com/Microsoft/WSL/issues/1990 (不知道理解的对不对),之后看到微软官方

最近开始做行人检测,因此开始接触faster-rcnn,这里贴上配置教程(亲测可行),不过是基于cpu的,蓝瘦... 参考博客:http://www.tuicool.com/articles/nYJrYra(opencv配置) http://blog.csdn.net/sinat_17196995/article/details/53410292(faster-rcnn配置) 环境:ubuntu16.04 一.首先要配置好opencv 这里我是在opencv官网上下载了opencv-3.0.0-

Python3.6+nginx+uwsgi部署Django程序到阿里云Ubuntu16.04系统 这个是写好的Django程序在本地机运行的情况,一个查询接口. 准备工作 1.首先购买一台阿里云的ECS服务器,选择Ubuntu16.04操作系统(我使用的是学生机 10/月) 2.注册一个码云账号,因为github私有项目是收费的,而码云是免费的. 3.准备一个Django项目,在本地机运行没有问题. 本项目代码和数据已上传到github https://github.com/PythonerKK

目录 Fabric开发环境搭建 更新说明 教程环境及软件版本 Docker 安装Docker 配置用户组 配置Aliyun Docker加速器 安装docker-compose Go 下载源码 安装源码 Node.js && NPM Node.js源码安装 安装Python 安装Fabric范例.源码和Docker镜像 总结 Fabric开发环境搭建 Author:ljo0412@live.com 更新说明 在根据Fabric手册进行学习的过程中,遇到了一个严重的问题,导致无法向下继续,总

推荐方案三:超级简单 方案一.hls (缺陷:需要花很多时间切片) 1.Distributor ID: Ubuntu  Description: Ubuntu 16.04.3 LTS  Release: 16.04 Codename: xenial 2.Linux 4.4.0-89-generic #112-Ubuntu SMP Mon Jul 31 19:38:41 UTC 2017 x86_64 x86_64 x86_64 GNU/Linux mkdir ~/working 切换到~/wor

目录 Faster-RCNN-TensorFlow-Python3.5 在Ubuntu16.04下的配置方法 安装过程 1. 深度学习环境Tensorflow的安装 2. 安装python包 3.  Go to ./data/coco/PythonAPI 4. git clone 5. 下载预训练模型 6. 自己数据集的制作 7. 替换成自己的数据 11. 开始训练 12. 跑demo.py Faster-RCNN-TensorFlow-Python3.5 在Ubuntu16.04下的配置方法

写在前面 本文叙述了在Ubuntu16.04 Server下安装CUDA8.0,cuDNN6.0以及源码编译安装TensorFlow1.4.0(GPU版)的亲身经历,包括遇到的问题及解决办法,也有一些自己的经验,希望能对读者有所帮助.期间参考了许多前人的文章,后文会一一附上链接,在此先行谢过.在下能力有限,经验不足,请大家多多指教. 关键词:Ubuntu16.04 Server   深度学习环境搭建   安装   显卡驱动   CUDA8.0   cuDNN6.0   Bazel   源码编译 

系统环境: Vmware12, Ubuntu16.04 Stlink version:v1.4.0 一.安装依赖包: sudo apt-get install libusb-1.0 sudo apt-get install cmake sudo apt-get install libgtk-3-dev 二.下载源码 git clone https://github.com/texane/stlink.git 三.编译 在命令行终端中输入命令进行编译: $ cd stlink $ make rel

前提:一般用户安装都命令前都需要sudo ,或者在root用户下 1.Ubuntu 16.04 安装PyCharm Ubuntu 16.04 安装PyCharm 本文通过第三方源安装PyCharm,好处是升级方便. 添加源:    $ sudo add-apt-repository ppa:mystic-mirage/pycharm 安装收费的专业版:    $ sudo apt-get update    $ sudo apt-get install pycharm 专业版激活:https:/

1. 安装Ubuntu16.04 不考虑双系统,直接安装 Ubuntu16.04,从 ubuntu官方 下载64位版本: ubuntu-16.04-desktop-amd64.iso . 在MAC下制作了 Ubuntu USB 安装盘,具体方法可参考: 在MAC下使用ISO制作Linux的安装USB盘 ,之后通过Bios引导U盘启动安装Ubuntu系统: 1)一开始安装就踩了一个坑,选择”Install Ubuntu”回车后过一会儿屏幕显示“输入不支持”,google了好多方案,最终和ubunt