【Docker 排错实录】Docker 端口映射正常,但局域网无法访问容器服务的真实原因
背景描述 在一台位于局域网内的 Linux 服务器(192.168.31.50)上运行多个 Docker 容器,其中包括: napcat(mlikiowa/napcat-docker) 其他常规服务(RocketMQ、Nacos 等) 遇到一个非常迷惑的问题: Docker 容器端口已映射,ipta
背景描述 在一台位于局域网内的 Linux 服务器(192.168.31.50)上运行多个 Docker 容器,其中包括: napcat(mlikiowa/napcat-docker) 其他常规服务(RocketMQ、Nacos 等) 遇到一个非常迷惑的问题: Docker 容器端口已映射,ipta
背景:那个令人困惑的413错误 最近在配置Nginx作为反向代理时,我遇到了一个令人费解的问题。我们有一个Halo博客系统,需要通过Web界面上传备份文件。当上传40MB左右的文件时,Nginx总是返回 413 Request Entity Too Large。 奇怪的是,我明明在配置中设置了允许2
1.删除本地某个jar包 mvn dependency:purge-local-repository -DmanualInclude="groupId:artifactId" 2.删除本地jar 并重新下载 mvn dependency:purge-local-repository -Dmanual
Lesson 1:神经网络到底在干什么? 你已经知道 自动求导 和 梯度下降,现在要理解: “为什么多层网络能拟合任何复杂关系?” —— 非线性激活函数 是关键! 如果没有激活函数👇 所有层都是矩阵乘法 🚨 无论堆多少层,本质=线性方程 → 无法拟合复杂关系、对话情绪、人格风格 常见激活函数区别
1.1 创建 ndarray(Numpy 的核心数据结构) Numpy 中所有数据都是 ndarray(n-dimensional array,多维数组)。 是深度学习中所有 Tensor 的原型。 import numpy as np # 从列表创建 a = np.array([1, 2, 3]
1.Tensor(张量) 1.1 Tensor 是什么? Tensor = N 维数组(支持 GPU + 自动求梯度 + 更高性能) 标量(0 维)→ 3 向量(1 维)→ [1,2,3] 矩阵(2 维)→ [[1,2],[3,4]] 三维张量(3 维)→ 图像 RGB 四维张量(4 维)→ bat
适用场景:测试服务器与本地之间的最大网络吞吐量(TCP/UDP协议)。 步骤 1:在CentOS服务器安装 iperf3 # CentOS 7/8 sudo yum install epel-release -y sudo yum install iperf3 -y # CentOS Stream
视频模型: Sora 可灵 Dream Machine(电影级) LivePortrait视频框架:https://github.com/KwaiVGI/LivePortrait CogVideo: https://github.com/THUDM/CogVideo(文本转视频) 语音模型:Chat
1.判断是否被劫持 对比三个是否相同 不相同则表示服务器dns被污染了 # 将 api.lolicon.app 更换成 你指定的域名 本地dns dig api.lolicon.app +short Google DNS dig @8.8.8.8 api.lolicon.app +short Clo
1.下载最新的 cacert.pem 文件放入 /etc/pki/ca-trust/source/anchors url:https://curl.se/ca/cacert.pem 2.执行 update-ca-trust sudo dnf update ca-certificates 即可