Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >新手教学如何安装宝塔Linux面板

新手教学如何安装宝塔Linux面板

作者头像
傲绝
修改于 2023-03-08 06:05:07
修改于 2023-03-08 06:05:07
1.4K0
举报
文章被收录于专栏:傲绝傲绝

原文地址:https://cloud.tencent.com/developer/article/2234204

使用软件Putty连接你的Linux服务器

1.点击 Putty.exe 程序,进入 Putty 主界面。

下载Putty

2.在 Host Name 中输入Linux的公网 IP 地址。

使用默认端口 22。

在 Connection Type 中,选择 SSH。

3.点 Open 按钮进行连接。


4.首次次连接,会出现以下弹窗。点击即可


5.根据提示,输入你要登录的账户,请使用root账户登陆,输入root回车


6.根据提示,需要你输入root密码,输入root密码(密码不会显示在屏幕上),回车即可

注:如果输入的密码不对,会提示你Access denied,重新输入正确的密码即可,如果忘记了可以找你的服务器提供商重置密码


7.进入到这里即表明你已经连接到了你的linux服务器,接下来就可以安装宝塔了。


安装宝塔

这里以最新版的宝塔为例,最新版地址:点我进入

1.选择好脚本下载节点,这里以默认节点为例,完整复制粘贴到你刚刚连接到远程服务的窗口当中

粘贴好后回车即可


2.提示你安装时使用那个下载节点,1香港 2广东 3美国 可根据服务器所在地区选择,输入相应数字回车即可。


3.确认是否要安装宝塔,输入y 回车等待安装完即可


4.安装完成后,会出现面板地址及默认账号与密码。访问ip:8888,输入账号与密码即可使用宝塔

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2022 年 01 月,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
【图像处理】详解 最近邻插值、线性插值、双线性插值、双三次插值「建议收藏」
2.1 最近邻插值 (Nearest Neighbor Interpolation) —— 零阶插值法
全栈程序员站长
2022/09/06
22.1K0
【图像处理】详解 最近邻插值、线性插值、双线性插值、双三次插值「建议收藏」
用超分辨率扛把子算法 ESRGAN,训练图像增强模型
内容一览:通过硬件或软件方法,提高原有图像的分辨率,让模糊图像秒变清晰,就是超分辨率。随着深度学习技术的发展,图像超分辨率技术在游戏、电影、医疗影像等领域的应用,也愈发广泛。
HyperAI超神经
2021/05/27
1.8K0
用超分辨率扛把子算法 ESRGAN,训练图像增强模型
图像处理: 五种 插值法
在一维空间中,最近点插值就相当于四舍五入取整。在二维图像中,像素点的坐标都是整数,该方法就是选取离目标点最近的点。
JNingWei
2018/09/27
4.6K0
图像处理: 五种 插值法
清朝人如何变戏法?带你来看AI修复的1904年老电影(滑稽慎入)
首先,一位“中国”戏法师举着油纸伞扇着扇子、迈着轻快的小步快速登场,晃悠好几圈之后开始“施法”,biu,一张凳子,biu,又变出一张凳子。
量子位
2021/06/17
8500
【GAMES101-现代计算机图形学课程笔记】Lecture 09 Shading 3 (纹理映射)
这里补充一下上一节遗漏的一丢丢知识点,见下图。左边是渲染后的平面图,右边是对应的纹理。另外无论纹理平面原始有多大,最后都会被映射在
marsggbo
2020/06/12
2.3K0
Pixelization | 数据驱动的像素艺术
Aliasing-Aware and Cell-Controllable Pixelization
iResearch666
2023/11/09
4150
Pixelization | 数据驱动的像素艺术
常用图像插值方法概述
https://github.com/AndroidDeveloperLB/AndroidJniBitmapOperations
音视频开发进阶
2021/05/10
1.9K0
常用图像插值方法概述
百年古董电影秒变4K高清、60FPS,AI插值,还能着色
由于技术原因,最早的影像资料都是较为模糊且卡顿的,这就让大大降低了我们的观感体验。
量子位
2020/02/21
9380
数字图像处理学习笔记(四)——数字图像的内插、度量、表示与质量
内插是在诸如放大、收缩、旋转和几何校正等任务中广泛应用的基本工具 从根本上看,内插是用已知数据来 估计未知位置的数值的处理 实现图像内插的方法有三种: 最近邻内插法、双线性内插法、双三次内插法
荣仔_最靓的仔
2021/02/02
1.9K0
数字图像处理学习笔记(四)——数字图像的内插、度量、表示与质量
图像处理-图像插值
比较常用的插值算法有这么几种:最邻近插值,双线性二次插值,三次插值,Lanczos插值等等
AomanHao
2022/01/14
4.3K0
视频技术快览 0x0 - 图像基础和前处理
视频行业常见的分辨率有 QCIF(176x144)、CIF(352x288)、D1(704x576 或 720x576),还有 360P(640x360)、720P(1280x720)、1080P(1920x1080)、4K(3840x2160)、8K(7680x4320)等。
Cellinlab
2023/05/17
8030
视频技术快览 0x0 - 图像基础和前处理
来聊聊图像插值算法
主要可以分为两类,一类是线性图像插值方法,另一类是非线性图像插值方法,如上图所示。
AI算法修炼营
2020/05/19
2K0
最近邻插值、双线性插值、双三次插值
越是简单的模型越适合用来举例子,我们就举个简单的图像:3X3 的256级灰度图,也就是高为3个象素,宽也是3个象素的图像,每个象素的取值可以是 0-255,代表该像素的亮度,255代表最亮,也就是白色,0代表最暗,即黑色。假如图像的象素矩阵如下图所示(这个原始图把它叫做源图,Source): 234 38 22 67 44 12 89 65 63
全栈程序员站长
2022/07/01
1.8K0
最近邻插值、双线性插值、双三次插值
【GAMES101】Lecture 09 纹理贴图 点查询与范围查询 Mipmap
我们在之前的着色里面说过如何给物体上纹理,就是对于已经光栅化的屏幕点,就是每个像素的中心,去寻找对应纹理的映射位置的纹理颜色,去改变这个反射模型的反射系数kd
叶茂林
2024/01/25
1830
【GAMES101】Lecture 09 纹理贴图 点查询与范围查询 Mipmap
SRCNN:基于深度学习的超分辨率开山之作回顾
本文提供了与SRCNN论文的总结和回顾,如果你对于图像的超分辨率感兴趣,一定要先阅读这篇论文,他可以说是所有基于深度学习的超分辨率模型的鼻祖
deephub
2022/06/04
5530
SRCNN:基于深度学习的超分辨率开山之作回顾
二维图像双线性插值 python 快速实现
双线性插值,又称为双线性内插。在数学上,双线性插值是有两个变量的插值函数的线性插值扩展,其核心思想是在两个方向分别进行一次线性插值。
为为为什么
2022/08/06
2.2K0
二维图像双线性插值 python 快速实现
100年前的北京Vlog火了!大神利用AI修复古董纪录片,还原1920年的京城生活
最近,一位叫大谷Spitzer的微博网友,便利用AI技术,将人民日报4年前发布的1920年北京黑白影像资料,做了修复工作:完成了上色、修复帧率、扩大分辨率等步骤。
量子位
2020/05/19
6870
100年前的北京Vlog火了!大神利用AI修复古董纪录片,还原1920年的京城生活
超分辨率 | 综述!使用深度学习来实现图像超分辨率
今天给大家介绍一篇图像超分辨率邻域的综述,这篇综述总结了图像超分辨率领域的几方面:problem settings、数据集、performance metrics、SR方法、特定领域应用以结构组件形式,同时,总结超分方法的优点与限制。讨论了存在的问题和挑战,以及未来的趋势和发展方向。
AI算法修炼营
2020/05/26
7.1K0
超分辨率 | 综述!使用深度学习来实现图像超分辨率
图像插值算法和OpenCV框架
最近邻插值,是指将目标图像中的点,对应到源图像中后,找到最相邻的整数点,作为插值后的输出。
致Great
2020/04/24
1.5K0
图像插值算法和OpenCV框架
以OneFlow为例梳理深度学习框架的那些插值方法
这篇文章基于自己为OneFlow框架开发interpolate这个Op总结而来,OneFlow的interpolate Op 和 Pytorch的功能一致,都是用来实现插值上采样或者下采样的。在实现这个Op的时候还给Pytorch修复了一个bug并合并到了主仓库,见:https://github.com/pytorch/pytorch/commit/6ab3a210983b7eee417e7cd92a8ad2677065e470。因此OneFlow框架中的interpolate算子和Pytorch中的interpolate算子的功能是完全等价的。这篇文章就以OneFlow中这个算子的实现为例来盘点一下深度学习框架中的那些插值算法。
BBuf
2021/09/14
1.6K0
以OneFlow为例梳理深度学习框架的那些插值方法
推荐阅读
相关推荐
【图像处理】详解 最近邻插值、线性插值、双线性插值、双三次插值「建议收藏」
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档