1.apache
leopard已经自带了apache2.2,我是在设置了共享下面的web共享之后才发现原来leopard自带了apache的,至于apache是默认就启动提供服务,还是在设置web共享之后才提供的服务我也不清楚了,如果你无法访问http://localhost
的话那也许要打开web共享试试看了.
2.安装svn
我最终是在http://subversion.tigris.org/
去
下载的一个mac下的二进制版本1.5.2,但是在我后来使用过程中我发现系统这中还有一个svn的1.4.4版本,由于我最开始的时候也试过port方
式安装svn,但是由于网络线路出故障中途强制退出了,所以我也不知道是leopard自带的还是我port的了,后来我把官网下载的1.5.2的bin
下面的可执行文件覆盖了/usr/bin下的svn1.4.4的可执行文件,这样在命令行输入svn才是1.5.2的,这样就算安装成功了.
3.配置svn
首先你可以用
$svnadmin create /path/to/your/repository
创建一个仓库,然后你可以用
$svn import /path/to/your/project file:///path/to/your/repository/projectname -m “Initial import”
导入一个项目,接下来可以去配置在apache中访问svn了
$sudo vim /etc/apache2/httpd.conf
在httpd.conf中确保下面两行前面没有”#”
LoadModule dav_module libexec/apache2/mod_dav.so
LoadModule dav_fs_module libexec/apache2/mod_dav_fs.so
然后自己添加两行
#svn module
LoadModule dav_svn_module libexec/apache2/mod_dav_svn.so
LoadModule authz_svn_module libexec/apache2/mod_authz_svn.so
然后你需要把这两个文件弄到apache的mudule目录,在leopard下就是/usr/libexec/apache2这个目录下
$sudo cp /opt/subversion/lib/svn-apache/* /usr/libexec/apache/
如果你的svn不是安装在/opt/下你需要用用自己的路径替换
接下来需要配置一下apache的虚拟目录/svn了,
$sudo /etc/apache2/other/svn.conf
输入以下内容:
<Location /svn>
DAV svn
SVNPath “/path/to/your/repository”
AuthType Basic
#认证用户名
AuthName “admin”
#认证密码文件path
AuthUserFile /etc/your.htpasswd
Require valid-user
</Location>
接下来关于apache的配置就算告一段落,因为我们还没有建立svn认证所需要的用户名和密码,所以我们要创建关于svn的认证用户和密码
$ htpasswd -c /somewhere/somename.htpasswd admin
New password:
Re-type new password:
Adding password for user admin
以后再添加用户的话就不再需要”-c”参数了
接下来重启apache服务
$sudo apachectl restart
一切顺利的话可以在http://localhost/svn
当中看到你导入到svn中的项目了
如果有错误或者无法打开上面链接的话注意检查错误,如果apache没有启动的话就是你的配置文件出了问题,你可以查看/var/log下面的apache的log文件,看问题出在什么地方
4.安装trac
在leopard下面安装trac非常方便,sqlite和python都已经给你准备好了,你只需要下载trac和clearsilver就成了
下载并解压trac
$sudo python ./setup.py install
关于clearsilver
$sudo ./configure –with-python=`which python` –disable-ruby –disable-java –disable-perl –disable-apache –disable-csharp
$sudo make
$sudo make install
接下来
$sudo mv
/System/Library/Frameworks/Python.framework/Versions/2.5/lib/python2.5/site-packages/neo_cgi.so
/Library/Python/2.5/site-packages
5 trac关于apache的配置
首先编辑httpd.conf,启用mod_fastcgi
LoadModule fastcgi_module libexec/apache2/mod_fastcgi.so
把trac.fcgi弄到apache的cgi-bin目录中,你可以选择ln或者是cp,我图简便直接cp的
$sudo cp /path/to/trac/cgi-bin/trac.fcgi /Library/WebServer/CGI-Executables/
新建一个apache关于trac的配置文件
$sudo vim /etc/apache2/other/trac.conf
添加以下内容:
# Enable fastcgi for .fcgi files
<IfModule mod_fastcgi.c>
AddHandler fastcgi-script .fcgi
FastCgiIpcDir /var/lib/apache2/fastcgi
</IfModule>
ScriptAlias /trac /Library/WebServer/CGI-Executables/trac.fcgi
<Loaction “/trac”>
SetEnv TRAC_ENV “/path/to/projectdir”
</Location>
FastCgiConfig -initial-env TRAC_ENV=/path/to/projectdir
现在重启apache
$sudo apachectl restart
还得注意trac和svn用到的目录的权限问题,我图简便,直接搞了个777
现在你可以打开http://localhost/trac/
,应该可以看到trac成功的运行了.
6.trac的认证
还需要在trac.conf中添加以下内容,和svn的认证设置差不多
<Location “/trac/login”>
AuthType Basic
AuthName “admin”
AuthUserFile /somewhere/somename.htpasswd
Require valid-user
</Location>
.htpasswd文件也可以和svn公用一个,这样的话就可以使用相同帐号登录,如果需要独立使用不同的文件的话你还需要创建一个新的文件,方法和svn一样.
到这一步一个基本的apache+svn+trac的环境就在mac上配置好了.
分享到:
相关推荐
笔者有幸接触过以下几种常用的配置管理工具:VSS、SVN、Clearcase,在此做一个小小的总结,并Ctrl+C了以前一些网友的对比评论,不一定准确,只是希望通过这些总结对自己和初学者有所帮助。如果想进一步了解这些工具...
该代码使用scikit-learn的乳腺癌数据集,完成分类模型训练与评估全流程。主要功能包括:数据标准化、三类模型(逻辑回归、随机森林、SVM)的训练、模型性能评估(分类报告、混淆矩阵、ROC曲线)、随机森林特征重要性分析及学习曲线可视化。通过`train_test_split`划分数据集,`StandardScaler`标准化特征,循环遍历模型进行统一训练和评估。关键实现细节包含:利用`classification_report`输出精确度/召回率等指标,绘制混淆矩阵和ROC曲线量化模型效果,随机森林的特征重要性通过柱状图展示,学习曲线分析模型随训练样本变化的拟合趋势。最终将原始数据和预测结果保存为CSV文件,便于后续分析,并通过matplotlib进行多维度可视化比较。代码结构清晰,实现了数据处理、模型训练、评估与可视化的整合,适用于乳腺癌分类任务的多模型对比分析。
内容概要:本文作为PyTorch的入门指南,首先介绍了PyTorch相较于TensorFlow的优势——动态计算图、自动微分和丰富API。接着讲解了环境搭建、PyTorch核心组件如张量(Tensor)、autograd模块以及神经网络的定义方式(如nn.Module),并且给出了详细的神经网络训练流程,包括前向传播、计算损失值、进行反向传播以计算梯度,最终调整权重参数。此外还简要提及了一些拓展资源以便进一步探索这个深度学习工具。 适用人群:初次接触深度学习技术的新学者和技术爱好者,有一定程序基础并希望通过PyTorch深入理解机器学习算法实现的人。 使用场景及目标:该文档有助于建立使用者对于深度学习及其具体实践有更加直观的理解,在完成本教程之后,读者应当能够在个人设备上正确部署Python环境,并依据指示独立创建自己的简易深度学习项目。 其他说明:文中所提及的所有示例均可被完整重现,同时官方提供的资料链接也可以方便有兴趣的人士对感兴趣之处继续挖掘,这不仅加深了对PyTorch本身的熟悉程度,也为未来的研究或者工程项目打下了良好的理论基础和实践经验。
此高校心理教育辅导系统功能分析主要分为管理员功能模块、教师功能模块和学生功能模块三大模块,下面详细介绍这三大模块的主要功能: (1)管理员:管理员登陆后可对系统进行全面管理,管理员主要功能模块包括个人中心、学生管理、教师管理、辅导预约管理、学生信息管理、测评结果分析管理、心理健康学习管理、试题管理、留言板管理、试卷管理、系统管理以及考试管理,管理员实现了对系统信息的查看、添加、修改和删除的功能。管理员用例图如图3-1所示。(2)学生:学生进入本高校心理教育辅导系统前台可查看系统信息,包括首页、心理健康信息、试卷列表、公告通知以及留言反馈等,注册登录后主要功能模块包括个人中心、辅导预约管理以及考试管理。(3)教师:教师学生登录后主要实现的功能模块包括个人中心、辅导预约管理、学生信息管理、测试结果分析管理、心理健康学习管理、试卷管理、试题管理、留言板管理、考试管理。Spring Boot是一个简化程序设置的拥有开箱即用的框架,它主要的优点是根据程序员不同的设置而生成不同的代码配置文件,这样开发人员就不用每个项目都配置相同的文件,从而减低了开发人员对于传统配置文件的时间,提高了开发效率。它内
网络文化互动中的虚拟现实技术应用
自驾游中如何预防迷路情况
实现多人聊天的客户端小程序
1.版本:matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
漫画中的文化元素挖掘
1.版本:matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
,,Qt源程序~界面设计例程(XML文件读取+滚动区域放置控件+保存多sheetExcel文件) IDE版本: Qt creator 4.8.0 Qt 5.12.0 代码特点: 1.能读取xml格式文件,并通过其配置界面; 2.能在滚动区域内放置多种控件,界面大小不够会出现滚动条来扩展界面; 3.能通过xml配置文件初始化联动的单选框,输入框和表格; 4.通过程序动态新建单选框,输入框和表格; 5.将表格保存为Excel文件,每个表格就是一个sheet。 视频不够清晰,请上B站看: 【Qt例程:界面设计项目(XML文件读取+滚动区域放置控件+保存Excel文件)- ,Qt源程序; XML文件读取; 滚动区域放置控件; 保存多sheet Excel文件; Qt Creator 4.8.0; Qt 5.12.0; 动态创建控件; 界面设计例程。,Qt程序进阶:XML文件读取与处理,滚动区域控件布局,多sheet Excel文件保存功能
,,FPGA 以太网 UPD IP 协议实现 fpga 千兆以FPGA 以太网 UPD IP 协议实现 fpga 千兆以FPGA 以太网 UPD IP 协议实现, fpga 千兆以太网接口控制器,FPGA UDP IP协议实现 在FPGA上实现UDP通信,Verilog HDL描述语言实现,数据链路层,网络层,传输层有纯逻辑实现。 接口为GMII接口,与外部phy对接。 实验器件为s6,因此编译环境用的是ISE14.7。 vivado轻松无压力,随意移植。 ,FPGA; 以太网; UPD; IP协议; 千兆以太网接口控制器; Verilog HDL描述语言; 数据链路层; 网络层; 传输层; 接口为GMII接口; 编译环境为ISE14.7。,基于FPGA的千兆以太网UDP IP协议实现与优化
eclipse-inst-jre-win64.rar
内容概要:本文档详细介绍了一个基于Transformer和BiLSTM双向长短期记忆神经网络结合贝叶斯优化(BO)进行时间序列预测的项目。该项目主要解决传统方法在处理复杂非线性关系、多变量依赖和大规模数据时存在的局限性,提升预测精度和计算效率。项目通过MATLAB实现完整的程序、GUI设计和详细的代码说明,涵盖数据预处理、模型设计与训练、超参数调优、评估与应用等各个环节。同时探讨了项目的挑战和未来改进方向,为深度学习技术在时间序列预测中的应用提供了实用价值。 适合人群:对时间序列预测感兴趣的研究人员和技术人员,尤其是具有一定深度学习基础并且希望深入了解和实践Transformer、BiLSTM及相关优化技术的专业人士。 使用场景及目标:①为金融、能源、气象等多个领域的实际问题提供时间序列预测解决方案,包括股市预测、电力负载预估等;②提高预测模型的泛化能力和准确性;③优化模型的超参数选取,从而提高训练速度和效率。 其他说明:文中特别强调了数据处理的重要性,如去除噪声、特征选择等问题,并介绍了贝叶斯优化技术的应用,使得模型能够在较少尝试下找到最优配置。同时展示了如何通过图形化界面展示训练过程和评估结果,确保用户体验友好。此外,文档还包括了防止过拟合、提高模型性能的各种技巧,如正则化、早期停止、Dropout等措施。总体而言,本项目致力于提供一套完善的深度学习解决方案,促进跨学科应用和发展。
励志图书中的时间管理、目标设定与自我提升
当前资源包含初中高级闯关习题
亲子自驾游趣味活动推荐
内容概要:本文介绍了BERT(Bidirectional Encoder Representations from Transformers),它是一种新型的语言表示模型,通过利用掩码语言模型(MLM)和下一句预测任务(NSP),实现了从无标注文本中预训练深层双向表示模型的方法。这种双向注意力机制允许模型在同一层联合调节左右语境,极大地提升了下游自然语言处理任务的性能。与单向语言模型如ELMo、GPT不同,BERT能直接捕捉句子内部复杂的依存关系,在多项NLP基准测试中刷新了记录,显著优于以前的最佳表现。 适合人群:从事自然语言处理研究的技术人员以及对该领域有兴趣的研究学者和开发者。 使用场景及目标:适用于需要高级别自然语言理解和推理能力的任务,特别是涉及问答系统、机器翻译和情感分析等任务的研发团队和技术部门。通过采用BERT可以快速提高相关应用场景中的精度。 其他说明:BERT不仅展示了双向建模相对于传统单向方法的优势,还强调了充分预训练对于改善小型数据集上模型表现的关键作用。此外,文中还详细比较了与其他几种现有先进模型的特点,并提供了具体的实验设置和技术细节供进一步探究。
漫画作品与网络文化互动
# 基于SpringBoot的“体育购物商城”的设计与实现(源码+数据库+文档+PPT) - 开发语言:Java - 数据库:MySQL - 技术:SpringBoot - 工具:IDEA/Ecilpse、Navicat、Maven (1)系统管理员主要对个人中心、用户管理、商品分类管理、体育用品管理、系统管理、订单管理等功能进行管理。 (2)用户进入系统可以对首页、体育用品、活动公告、在线客服、购物车、个人中心等功能进行操作。