none 模型實踐

none 模型實踐

none網路模式，是一種自由度非常高的網路模式，我們可以最大化的自定義我們想要的網路

命令:docker run --net=none -itd --name [容器名稱] [映象名稱]

為了使本地網路中和docker容器更方便的通訊，我們經常會有將docker容器配置到和主機同一網段，而且還要指定容器的ip位址。步驟

自定義容器網路段和宿主機一樣

自定義容器ip位址

網路配置

sudo apt-get install bridge-utils -y網橋軟體部署

sudo cp /etc/network/inte***ces /etc/network/inte***ces-old對網絡卡資訊檔案進行備份

sudo vim /etc/network/inte***ces編輯網絡卡資訊

新增網橋

auto br0

iface br0 inet static 
address 192.168.110.104 //與宿主機相同網段
netmask 255.255.255.0 //與宿主機相同掩碼
gateway 192.168.110.2 //與宿主機相同閘道器
dns-nameservers 192.168.110.2 //與閘道器相同
bridge_ports ens33 //橋接到網絡卡上

service networking restart

docker服務配置檔案

sudo vim /etc/default/docker

追加docker_opts="-b=br0"

建立服務依賴檔案

sudo mkdir -p /etc/systemd/system/docker.service.d

sudo vim /etc/systemd/system/docker.service.d/using_environment_file.conf

追加內容

[service]

environmentfile=-/etc/default/docker
execstart=
execstart=/usr/bin/dockerd -h fd:// $docker_opts

sudo systemctl daemon-reload

重啟docker, 第一次配置的時候需要重啟linux虛擬機器：reboot

sudo systemctl restart docker

配置dns

16.04版本：sudo vim/etc/resolvconf/resolv.conf.d/base

18.04版本：sudo vim /etc/resolv.conf

增加內容（重啟網路可能會失效）

nameserver 223.5.5.5

nameserver 114.114.114.114
nameserver 8.8.8.8

:~$ brctl show

bridge name bridge id stp enabled inte***ces
br0 8000.000c2960060c no ens33
docker0 8000.02427c11f899 no

建立容器

基於ubuntu映象建立乙個容器，網路模式使用none ，啟動容器時,掛載本地linux系統的etc/apt檔案

docker run -itd --net=none --name ubuntu-test1 -v /etc/apt/:/home/etc ubuntu /bin/bash

定製容器ip

安裝pipwork軟體:git clone

將檔案拷貝到bin下:sudo cp pipework/pipework /usr/local/bin/

設定容器的ip位址和容器的閘道器，該ip位址要與宿主機同網段，閘道器為宿主機的閘道器:sudo pipework br0 ubuntu-test1 192.168.110.129/[email protected]

配置容器apt源

刪除容器下的sources.list檔案:rm /etc/apt/sources.list

將本地sources.list 複製過來:cp /home/etc/sources.list /etc/apt/

軟體源更新：apt-get update

安裝ping命令:apt-get install inetutils-ping -y

安裝ifconfig命令:apt-get install net-tools -y測試

ping 192.168.110.104

Wide And Deep模型實踐

wide and deep模型是google推出的乙個基於記憶和推理的演算法，首先在tensorflow裡面實現了。為了進一步理解這個演算法，我們嘗試在shifu中進行實現。基於guagua做hadoop上分布式資料訓練模型。下面就一些我們在專案中遇到的問題，進行簡要的記錄。問題描述 我們已經基本實...

演算法實踐 模型融合

表現最好的模型是gbdt和xgboost。以準確率和auc值為判別標準 模型評估 如下 gbdt 訓練集 標籤和概率輸出 train gbdt predict clf gbdt.predict x train train gbdt predict pro clf gbdt.predict proba...

docker刪除none映象

刪除none的映象，要先刪除映象中的容器。要刪除映象中的容器，必須先停止容器。docker images docker rmi docker images grep none awk 直接刪除帶none的映象，直接報錯了。提示先停止容器。停止容器 docker stop docker ps a gr...