怎样设置http://download.sina.com.cn类似的域名

my3b 2004-08-31 10:47:19

经常看到大的网站某一分类的网址都是http://download.sina.com.cn这种形式的，一个分类有不同的前缀，我想在IIS中也设置类似的域名，但找遍也找不到这样的设置，哪位指点一下在IIS中应该如何设置才能实现类似的域名访问方式？总不会是新建一个站这样的方法吧，采用虚拟目录也不行，到底该如何设置呢？纳闷。

...全文

111 5 打赏收藏转发到动态举报

写回复

5 条回复

切换为时间正序

请发表友善的回复…

发表回复

my3b 2004-09-02

打赏
举报

回复

谢谢楼上各位的指点，现在结帖。

匿名用户8823 2004-09-01

打赏
举报

回复

这个需要你注册域名的公司给你提供域名管理的控制面板
然后你在你的控制面板里设置
解析一下，非常简单的。

qq8036796可以帮你

sishao 2004-08-31

打赏
举报

回复

简单，就是内部网内运行吗？做成abc.microsoft.com也行，，，，

不过一两句话说不清，呵呵。

fzjw 2004-08-31

打赏
举报

回复

新建网站的时候，有一个设置IP地址和主机头的对话框，如果你申请的域名支持自己解析二级域名而不需要DNS，直接在主机头输入download.***.com就可以，依此类推，你可以设置n个二级域名

ceocio 2004-08-31

打赏
举报

回复

新建一个站点，为这个站点绑定download的主机头即可

idea的官方网址：http://www.jetbrains.com/idea/idea教程目录：- idea下载和安装- idea配置jdk、maven- 使用idea创建一个maven管理的工程/创建一个SpringBoot工程- idea中多窗口项目显示技巧- idea快捷键设置- 配置tomcat并部署项目- idea中类图的使用- idea多线程的Debug功能讲解- idea中Terminal的使用- 使用idea查找历史代码- idea插件的安装使用- * lombok- * CodeGlance- * Translation- * Grep Console- * Maven Helper- * mybatis-plus- * Key promoter X- * Alibaba Cloud Toolkit- * Background Image Plus- * Alibaba Java Coding Guidelines### idea配置jdk、mavenjdk百度云盘地址:链接: https://pan.baidu.com/s/15Y3JSAMCtyaVHmzWGdBUQA 提取码: phiuMaven官网下载地址：http://maven.apache.org/download.cgi### 使用idea创建一个maven管理的工程/创建一个SpringBoot工程

1 课程目标学会使用腾讯提供的云开发功能快速开发后台数据接口，用于存储小程序中用到的数据学会使用小程序中常见的一些API，比如：分享小程序，拨打手机电话，地图位置等掌握快速上架一款小程序需要的步骤前端相关的css以及html，vue等基础不作为本课程的重点，本课程将提供一个基于图鸟UI修改的企业产品展示前端代码，我们在此基础上使用云开发实现页面数据动态化。由于本人是后端开发，对于前端样式等不擅长，所以基本都是直接复制现成的样式做简单的修改，想要学习前端html，css，js，vue等基础知识的小伙伴可以不必考虑本课程，B站以及其他平台有大量的免费课程。 2 课程内容本课程将实现一个完整功能的企业产品展示小程序，之前有人找我开发一个农用拖拉机企业展示的小程序，说是要用云开发来做，正好我之前没用过云开发，都是自己搭建后端API以及管理后台来开发，因此想着一边开发一边录一个云开发的课程，帮助一些同学快速入门云开发，将包括一下内容：首页主要产品推荐顶部铲平轮播图展示中间产品分类轮播消息通知产品价格咨询用户留下联系方式全部产品列表展示产品详细信息展示用户估价咨询表单，用户向企业出售产品，类似厂家回收个人中心注册登录询价记录拨打企业电话查看企业地址查看企业工作时间 3 使用技术 vue2 uniapp 图鸟UI javascript 腾讯云开发 4 需要的开发工具图鸟原始模板：https://ext.dcloud.net.cn/plugin?id=14378 hbuilder开发工具： https://www.dcloud.io/hbuilderx.html 微信开发者工具：https://developers.weixin.qq.com/miniprogram/dev/devtools/download.html

Transformer发轫于NLP（自然语言处理），并跨界应用到CV（计算机视觉）领域。目前已成为深度学习的新范式，影响力和应用前景巨大。本课程对Transformer的原理和PyTorch代码进行精讲，来帮助大家掌握其详细原理和具体实现。原理精讲部分包括：注意力机制和自注意力机制、Transformer的架构概述、Encoder的多头注意力（Multi-Head Attention）、Encoder的位置编码（Positional Encoding）、残差链接、层规范化（Layer Normalization）、FFN（Feed Forward Network）、Transformer的训练及性能、Transformer的机器翻译工作流程。代码精讲部分使用Jupyter Notebook对Transformer的PyTorch代码进行逐行解读，包括：安装PyTorch、Transformer的Encoder代码解读、Transformer的Decoder代码解读、Transformer的超参设置代码解读、Transformer的训练示例（人为随机数据）代码解读、Transformer的训练示例(德语-英语机器翻译)代码解读。相关课程：《Transformer原理与代码精讲（PyTorch）》https://edu.csdn.net/course/detail/36697《Transformer原理与代码精讲（TensorFlow）》https://edu.csdn.net/course/detail/36699《ViT（Vision Transformer）原理与代码精讲》https://edu.csdn.net/course/detail/36719《DETR原理与代码精讲》https://edu.csdn.net/course/detail/36768《Swin Transformer实战目标检测：训练自己的数据集》https://edu.csdn.net/course/detail/36585《Swin Transformer实战实例分割：训练自己的数据集》https://edu.csdn.net/course/detail/36586《Swin Transformer原理与代码精讲》 https://download.csdn.net/course/detail/37045

Transformer在许多NLP(自然语言处理)任务中取得了最先进的成果。 DETR(Detection Transformer)是Facebook提出的基于Transformer的端到端目标检测方法。DETR使用CNN+Transformer进行图像目标检测，该方法没有NMS后处理步骤、没有anchor。DETR总体思路是把目标检测看成一个set prediction的问题，并且使用Transformer来预测物体边界框的集合。本课程对DETR的原理与PyTorch实现代码进行精讲，来帮助大家掌握其详细原理和具体实现。原理精讲部分包括：Transformer的架构概述、Transformer的Encoder 、Transformer的Decoder、DETR网络架构、DETR损失函数、DETR实验结果和分析。代码精讲部分使用Jupyter Notebook对DETR的PyTorch代码进行逐行解读，包括：安装PyTorch、 DETR官方Demo，DETR的hands-on tutorial，DETR的代码精讲（数据准备、Backbone和位置编码、Transformer架构的实现）。相关课程：《Transformer原理与代码精讲（PyTorch）》https://edu.csdn.net/course/detail/36697《Transformer原理与代码精讲（TensorFlow）》https://edu.csdn.net/course/detail/36699《ViT（Vision Transformer）原理与代码精讲》https://edu.csdn.net/course/detail/36719《DETR原理与代码精讲》https://edu.csdn.net/course/detail/36768《Swin Transformer实战目标检测：训练自己的数据集》https://edu.csdn.net/course/detail/36585《Swin Transformer实战实例分割：训练自己的数据集》https://edu.csdn.net/course/detail/36586《Swin Transformer原理与代码精讲》 https://download.csdn.net/course/detail/37045

Transformer发轫于NLP（自然语言处理），并跨界应用到CV（计算机视觉）领域。 Swin Transformer是基于Transformer的计算机视觉骨干网，在图像分类、目标检测、实例分割、语义分割等多项下游CV应用中取得了SOTA的性能。该项工作也获得了ICCV 2021顶会最佳论文奖。本课程将手把手地教大家使用labelImg标注和使用Swin Transformer训练自己的数据集。本课程将介绍Transformer及在CV领域的应用、Swin Transformer的原理。课程以多目标检测（足球和梅西同时检测）为例进行Swin Transformer实战演示。课程在Windows和Ubuntu系统上分别做项目演示。包括：安装软件环境、安装Pytorch、安装Swin-Transformer-Object-Detection、标注自己的数据集、准备自己的数据集（自动划分训练集和验证集）、数据集格式转换（Python脚本完成）、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计、日志分析。相关课程：《Transformer原理与代码精讲（PyTorch）》https://edu.csdn.net/course/detail/36697《Transformer原理与代码精讲（TensorFlow）》https://edu.csdn.net/course/detail/36699《ViT（Vision Transformer）原理与代码精讲》https://edu.csdn.net/course/detail/36719《DETR原理与代码精讲》https://edu.csdn.net/course/detail/36768《Swin Transformer实战目标检测：训练自己的数据集》https://edu.csdn.net/course/detail/36585《Swin Transformer实战实例分割：训练自己的数据集》https://edu.csdn.net/course/detail/36586《Swin Transformer原理与代码精讲》 https://download.csdn.net/course/detail/37045

8,327

社区成员

16,639

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章