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 >ubuntu20配置固定IP地址

ubuntu20配置固定IP地址

作者头像
leehao
发布于 2025-02-11 03:09:25
发布于 2025-02-11 03:09:25
21800
代码可运行
举报
文章被收录于专栏:leehaoleehao
运行总次数:0
代码可运行

搭建了一个本地服务器,在局域网内部署了一些服务,但是路由器重启后,服务器的IP地址有时候会变,这个时候该怎么办呢,如何进行固定IP设置呢?

图形化版

图形化版类似于windows的网络设置,比较简单,此处不做描述。

Server-20版本

  1. 找到yaml文件
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
ubuntu@ubuntu:~$ cd /etc/netplan/
ubuntu@ubuntu:/etc/netplan$ ll
total 12
drwxr-xr-x   2 root root 4096 Apr  1  2020 ./
drwxr-xr-x 100 root root 4096 May  5 01:32 ../
-rw-r--r--   1 root root  416 Apr  1  2020 50-cloud-init.yaml
  1. 查看
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
ubuntu@ubuntu:/etc/netplan$ cat 50-cloud-init.yaml 
# This file is generated from information provided by the datasource.  Changes
# to it will not persist across an instance reboot.  To disable cloud-init's
# network configuration capabilities, write a file
# /etc/cloud/cloud.cfg.d/99-disable-network-config.cfg with the following:
# network: {config: disabled}
network:
    ethernets:
        eth0:
            dhcp4: true
            optional: true
    version: 2
  1. 查看网络信息
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
ubuntu@ubuntu:/etc/netplan$ ifconfig
eth0: flags=4163<UP,BROADCAST,RUNNING,MULTICAST>  mtu 1500
        inet 192.168.0.xxxx  netmask 255.255.255.0  broadcast 192.168.0.255
        inet6 xxxx::xxxx:xxxx:xxxx:xxxx  prefixlen 64  scopeid 0x20<link>
        ether e4:5f:01:00:4d:49  txqueuelen 1000  (Ethernet)
        RX packets 3902  bytes 3716301 (3.7 MB)
        RX errors 0  dropped 0  overruns 0  frame 0
        TX packets 2633  bytes 216207 (216.2 KB)
        TX errors 0  dropped 0 overruns 0  carrier 0  collisions 0
  1. 编辑
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
ubuntu@ubuntu:/etc/netplan$ sudo vi 50-cloud-init.yaml 
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
network:
    ethernets:
        eth0: # 网卡名称
            addresses: [192.168.0.101/24] # ip地址
            gateway4: 192.168.0.1	# 网关地址
            nameservers:
                    addresses: [8.8.8.8,114.114.114.114] # DNS解析地址
#            dhcp4: true
#            optional: true
    version: 2
    renderer: networkd
  1. 执行
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
sudo netplan apply

注:其他版本可能不适用该方法。

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:2025-02-10,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
Generative Adversarial Network
这里我们将建立 一个对抗生成网络 (GAN)训练MNIST,并在最后生成新的手写数字。
小飞侠xp
2018/08/29
4080
tensorflow 实现wgan-gp mnist图片生成
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/qq_25737169/article/details/76695935
DoubleV
2018/09/12
1.6K0
tensorflow 实现wgan-gp  mnist图片生成
一个很牛的GAN工具项目:HyperGAN
A versatile GAN(generative adversarial network) implementation focused on scalability and ease-of-use.
CreateAMind
2018/07/24
9830
一个很牛的GAN工具项目:HyperGAN
在TensorFlow中对比两大生成模型:VAE与GAN(附测试代码)
来源:机器之心 本文长度为3071字,建议阅读6分钟 本文在 MNIST 上对VAE和GAN这两类生成模型的性能进行了对比测试。 项目链接:https://github.com/kvmanohar22/ Generative-Models 变分自编码器(VAE)与生成对抗网络(GAN)是复杂分布上无监督学习最具前景的两类方法。 本项目总结了使用变分自编码器(Variational Autoencode,VAE)和生成对抗网络(GAN)对给定数据分布进行建模,并且对比了这些模型的性能。你可能会问:我们已经
数据派THU
2018/01/30
2.8K0
在TensorFlow中对比两大生成模型:VAE与GAN(附测试代码)
【深度学习】--GAN从入门到初始
GAN,生成对抗网络,在2016年基本火爆深度学习,所有有必要学习一下。生成对抗网络直观的应用可以帮我们生成数据,图片。
LhWorld哥陪你聊算法
2018/09/13
6110
【深度学习】--GAN从入门到初始
在TensorFlow中对比两大生成模型:VAE与GAN
选自GitHub 机器之心编译 参与:路雪、李泽南 变分自编码器(VAE)与生成对抗网络(GAN)是复杂分布上无监督学习最具前景的两类方法。本文中,作者在 MNIST 上对这两类生成模型的性能进行了对比测试。 项目链接:https://github.com/kvmanohar22/Generative-Models 本项目总结了使用变分自编码器(Variational Autoencode,VAE)和生成对抗网络(GAN)对给定数据分布进行建模,并且对比了这些模型的性能。你可能会问:我们已经有了数百万张图像
机器之心
2018/05/10
8640
tf24: GANs—生成明星脸
本文介绍了如何使用TensorFlow实现生成对抗网络(GANs),用于生成明星脸。首先,介绍了TensorFlow的基本概念,然后详细阐述了如何搭建一个GANs模型。接着,展示了如何训练模型以及使用GANs进行图像生成。最后,总结了本文的主要内容和实现步骤。
MachineLP
2018/01/09
1.2K0
tf24: GANs—生成明星脸
Python让你成为AI 绘画大师,简直太惊艳了!(附代码))
引言:基于前段时间我在CSDN上创作的文章“CylcleGAN人脸转卡通图”的不足,今天给大家分享一个更加完美的绘制卡通的项目“Learning to Cartoonize Using White-box Cartoon Representations”。
AI科技大本营
2020/09/22
2.6K0
Python让你成为AI 绘画大师,简直太惊艳了!(附代码))
通过 VAE、GAN 和 Transformer 释放生成式 AI
生成式人工智能是人工智能和创造力交叉的一个令人兴奋的领域,它通过使机器能够生成新的原创内容,正在给各个行业带来革命性的变化。从生成逼真的图像和音乐作品到创建逼真的文本和沉浸式虚拟环境,生成式人工智能正在突破机器所能实现的界限。在这篇博客中,我们将探索使用 VAE、GAN 和 Transformer 的生成式人工智能的前景,深入研究其应用、进步及其对未来的深远影响。
磐创AI
2023/11/08
9090
通过 VAE、GAN 和 Transformer 释放生成式 AI
TensorFlow 1.x 深度学习秘籍:11~14
在本章中,我们将讨论如何将生成对抗网络(GAN)用于深度学习领域,其中关键方法是训练图像生成器来挑战鉴别器,并同时训练鉴别器来改进生成器。 可以将相同的方法应用于不同于图像领域。 另外,我们将讨论变分自编码器。
ApacheCN_飞龙
2023/04/23
1.2K0
TensorFlow 1.x 深度学习秘籍:11~14
手把手教你用GAN实现半监督学习
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/qq_25737169/article/details/78532719
DoubleV
2018/09/12
1.7K0
手把手教你用GAN实现半监督学习
教程 | 用AI生成猫的图片,撸猫人士必备
编译 | 小梁 【AI科技大本营导读】我们身边总是不乏各种各样的撸猫人士,面对朋友圈一波又一波晒猫的浪潮,作为学生狗和工作狗的我们只有羡慕的份,更流传有“吸猫穷三代,撸猫毁一生?”的名言,今天营长就为
AI科技大本营
2018/04/26
2.3K0
教程 | 用AI生成猫的图片,撸猫人士必备
Tensorflow 2.0 的这些新设计,你适应好了吗?
如果说两代 Tensorflow 有什么根本不同,那应该就是 Tensorflow 2.0 更注重使用的低门槛,旨在让每个人都能应用机器学习技术。考虑到它可能会成为机器学习框架的又一个重要里程碑,本文会介绍 1.x 和 2.x 版本之间的所有(已知)差异,重点关注它们之间的思维模式变化和利弊关系。
崔庆才
2019/09/04
1K0
Tensorflow 2.0 的这些新设计,你适应好了吗?
TensorFlow 卷积神经网络实用指南:6~10
本章将介绍一种与到目前为止所看到的模型稍有不同的模型。 到目前为止提供的所有模型都属于一种称为判别模型的模型。 判别模型旨在找到不同类别之间的界限。 他们对找到P(Y|X)-给定某些输入X的输出Y的概率感兴趣。 这是用于分类的自然概率分布,因为您通常要在给定一些输入X的情况下找到标签Y。
ApacheCN_飞龙
2023/04/23
7520
图像生成:GAN
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
chaibubble
2019/09/18
1.1K0
图像生成:GAN
谷歌开源的 GAN 库--TFGAN
本文大约 8000 字,阅读大约需要 12 分钟 第一次翻译,限于英语水平,可能不少地方翻译不准确,请见谅!
kbsc13
2019/08/16
9190
一看就懂的Tensorflow实战(DCGAN)
DCGAN在GAN的基础上优化了网络结构,加入了 conv,batch_norm 等层,使得网络更容易训练,网络结构如下:
AI异构
2020/07/29
8490
一看就懂的Tensorflow实战(DCGAN)
【深度学习】生成对抗网络(GAN)
生成对抗网络(Generative Adversarial Networks)是一种无监督深度学习模型,用来通过计算机生成数据,由Ian J. Goodfellow等人于2014年提出。模型通过框架中(至少)两个模块:生成模型(Generative Model)和判别模型(Discriminative Model)的互相博弈学习产生相当好的输出。生成对抗网络被认为是当前最具前景、最具活跃度的模型之一,目前主要应用于样本数据生成、图像生成、图像修复、图像转换、文本生成等方向。
杨丝儿
2022/03/20
2.8K0
【深度学习】生成对抗网络(GAN)
利用tensorflow训练简单的生成对抗网络GAN
对抗网络是14年Goodfellow Ian在论文Generative Adversarial Nets中提出来的。 原理方面,对抗网络可以简单归纳为一个生成器(generator)和一个判断器(discriminator)之间博弈的过程。整个网络训练的过程中,
狼啸风云
2020/09/27
1.3K0
TensorFlow-CIFAR10 CNN代码分析
想了解更多信息请参考CIFAR-10 page,以及Alex Krizhevsky写的技术报告
百川AI
2021/10/19
7140
相关推荐
Generative Adversarial Network
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