首先你裝乙個web 平台安裝程式：
安裝完之後會出現開啟介面，iis中也可找到，雙擊進入
進入之後，安裝2個外掛程式，如下圖順序。
3、安裝完成之後，即可看到你的iis中出現下圖的server frams集群配置管理。
我們這裡舉乙個例子來演示這個操作配置過程，使之更有意義。
案例說明：現有乙個**a，要讓這個**部署到192.168.10.122與192.168.10.121兩台伺服器上，如果其中任何一台伺服器down啦，那麼你的**還可以正常執行，也可以根據兩台伺服器的效能來進行請求負載配置處理。
1、create server farm，把a部署到兩台伺服器的位址，埠配置在這裡。
2、health test,驗證伺服器是否正常執行，我這裡在a**的根目錄加啦乙個v.txt檔案，為了檢測返回值是否成功，確定伺服器是否正常。
3、load balance負載均衡配置
4、 監控和管理配置，如果狀態處與不可用狀態，要啟動當前程序，或這排查伺服器部署是否出現問題
5、routing rules 配置路由,這裡可以配置分發伺服器的埠，網域名稱等相關資訊。
還有快取等相關配置資訊，這裡不一一枚舉，自己可以摸索一下。
下面我們展示下勞動成果。
我們的分發伺服器是我本機，iis的應用程式**埠是預設的80埠。
訪問本機的：http://localhost/a.html
上面內容是122伺服器上的，此時我們把122的**給停止了，看下配置中的顯示：
變成121伺服器中的內容了，哈哈，說明我們配置成功啦。
訓練集 驗證集 測試集
訓練集loss 驗證集loss 測試集loss 乙個好的網路，二者的差距應該是很低的。但一般情況下因為網路不可避免地存在一定程度上的過擬合，所以肯定是train loss低於test lost，但如果低太多，就得考慮是過擬合的問題還是因為樣本的特徵空間不統一的問題。驗證集基本是在每個epoch完成後...
訓練集，驗證集，測試集
普通引數就是可以被梯度下降所更新的，也就是訓練集所更新的引數。超引數是指訓練開始之前設定的引數，不在梯度下降的更新範圍內，比如網路層數 網路節點數 迭代次數 學習率等等 1.訓練集 確定模型後，用於訓練普通引數 2.驗證集 交叉驗證集cv 驗證集在每個epoch訓練完成後，用來測試一下當前模型的準確...
訓練集 測試集 驗證集
訓練集 用來訓練和擬合模型。驗證集 當通過訓練集訓練出多個模型後，使用驗證集資料糾偏或比較 測試集 模型泛化能力的考量。泛化 對未知資料的 能力 from sklearn.model selection import train test split import numpy as np from ...