阿里云高校在家实践计划

简介: 飞天加速计划·高校学生在家实践

你好,我是来自江西九江一个江西信息应用职业技术学院的一名学生付伟亮,目前大二,我的专业是大数据技术,所学科目包含java编程,及mysql数据库的应用。
我在学习过程中,通过技术和经验的不断积累,虽然碰到不少的bug,但还是把我自己的梦想开发的一个图书馆项目给做出来了。可如果想给别人访问,那就必须要搭建服务器等等,而这一门槛难到了我。服务器资源比较珍贵,市场费用方面更是居高不下。可在我百度了许久,终于在csdn上的一篇文章发现阿里巴巴推出了“飞天加速”计划,可以让高校学生在家实践”的活动。于是我赶紧去试试,在各种页面提示的帮助下我终于领取到了一台梦寐以求的服务器,而且配置还挺高的,非常良心。

成功登录阿里云,然后通过页面细心的提示信息,完成了安装系统ubnutu并配置云端开发环境,因为我的网站我是用IDEA开发的,涉及到的技术是:mysql8.0、spring、springmvc、mybatis等,所以对开发环境比较敏感,说到这里不得不说一下阿里云控制台首页的网站搭建步骤的操作实例而且还给出了操作代码,按照这个一步步来,轻松完了的搭建网站的开发环境,真的好爽。

之后在根据页面的提示信息,我在自己的电脑上可以用finshell远程连接服务器,真的好方便,之后我准备把用IDEA打包好的项目war包上传到服务器,可我碰到了一个问题,我安装的tomcat服务器无法访问,可是我明明在安全组里面开放了远程端口8080,理论应该能访问,可是等了一分钟,页面根本没反应。没想到卡在这关键一步,然后我通过系统给出的日志信息、百度查找问题。我先通过重启服务器,并把所有的服务一一启动,用排除法找出问题发生在tomcat配置的时候默认参数没配置好,通过百度查找参数进行调整之后,惊喜的发现可以正常访问了,我非常高兴,并把项目编译好用浏览器去访问,也可以正常访问,便立马进行系统测试,测试结果功能正常运行。说明第一次为我自己上手的并且是我的第一个网站是成功的,我感到无比高兴。

其实上面说的是我碰到最大的一个问题,建里网站过程中其实我碰到问题也有不少,但是我通过找相关文章百度等各种办法去解决。虽然过程很枯燥,但是结果是我没想到成功。
这种实践基础是上课学不到的,并且同样可以在现实社会中用,也让懂得实践经验的宝贵。
我非常感谢阿里云的高效在家实践计划,让有了一次宝贵的实践动手能力。日后我会通过不断学习去探索更多技术,去实践,增强自己。

相关文章
|
7月前
|
存储 人工智能 算法
云工开物合作动态丨阿里云人工智能通识教学合作
阿里云人工智能通识教学合作为高校提供全面支持,包括视频理论课、动手实践课、AI实践平台、教学管理平台、专属算力资源及线下workshop。
|
8月前
|
存储 缓存 人工智能
深度解析CPFS 在 LLM 场景下的高性能存储技术
本文深入探讨了CPFS在大语言模型(LLM)训练中的端到端性能优化策略,涵盖计算端缓存加速、智能网卡加速、数据并行访问及数据流优化等方面。重点分析了大模型对存储系统的挑战,包括计算规模扩大、算力多样性及数据集增长带来的压力。通过分布式P2P读缓存、IO加速、高性能存算通路技术以及智能数据管理等手段,显著提升了存储系统的吞吐量和响应速度,有效提高了GPU利用率,降低了延迟,从而加速了大模型的训练进程。总结了CPFS在AI训练场景中的创新与优化实践,为未来大模型发展提供了有力支持。
|
8月前
|
自然语言处理 数据处理 索引
mindspeed-llm源码解析(一)preprocess_data
mindspeed-llm是昇腾模型套件代码仓,原来叫"modelLink"。这篇文章带大家阅读一下数据处理脚本preprocess_data.py(基于1.0.0分支),数据处理是模型训练的第一步,经常会用到。
250 0
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现深度学习模型:智能电影制作与剪辑
使用Python实现深度学习模型:智能电影制作与剪辑
430 5
|
人工智能 搜索推荐
影视与游戏行业AI视频制作的第3步:为角色生成说话视频
继 影视与游戏行业AI视频制作实战:第一步,角色形象设计的一致性以及影视与游戏行业AI视频制作实战:第二步,为角色生成个性化语音 后,实现角色生动化的下一步动作就是能让图像动起来。
|
人工智能 搜索推荐
影视与游戏行业AI视频制作实战:第二步,为角色生成个性化语音
每个角色有自己的性格、形象,那也一定需要自己个性化的声音。
|
机器学习/深度学习 数据采集 算法
基于Apriori关联规则的电影推荐系统(附python代码)
这是一个基于Apriori算法的电影推荐系统概览。系统通过挖掘用户评分数据来发现关联规则,例如用户观看某部电影后可能感兴趣的其他电影。算法核心是逐层生成频繁项集并设定最小支持度阈值,之后计算规则的置信度。案例中展示了数据预处理、频繁项集生成以及规则提取的过程,具体包括用户评分电影的统计分析,如1-5部电影的评分组合。最后,通过Python代码展示了Apriori算法的实现,生成推荐规则,并给出了一个简单的推荐示例。整个过程旨在提高推荐的精准度,基于用户已评分的电影推测他们可能尚未评分但可能喜欢的电影。
基于Apriori关联规则的电影推荐系统(附python代码)
|
搜索推荐 算法 Java
电影推荐|基于SSM+vue的电影推荐系统的设计与实现(源码+数据库+文档)
电影推荐|基于SSM+vue的电影推荐系统的设计与实现(源码+数据库+文档)
274 3
|
存储 JavaScript 前端开发
HTML标签data-属性的作用
HTML标签data-属性的作用
|
算法 决策智能
基于GA-PSO遗传粒子群混合优化算法的CDVRP问题求解matlab仿真
该文介绍了车辆路径问题(Vehicle Routing Problem, VRP)中的组合优化问题CDVRP,旨在找寻满足客户需求的最优车辆路径。在MATLAB2022a中运行测试,结果显示了算法过程。核心程序运用了GA-PSO混合算法,包括粒子更新、交叉、距离计算及变异等步骤。算法原理部分详细阐述了遗传算法(GA)的编码、适应度函数、选择、交叉和变异操作,以及粒子群优化算法(PSO)的粒子表示、速度和位置更新。最后,GA-PSO混合算法结合两者的优点,通过迭代优化求解CDVRP问题。