簡單配置系統監視軟體Conky

96 篇文章 0 订阅

Conky是個桌面上的系統監視軟體 簡潔、漂亮、自訂性高
有興趣的人可以試試下列步驟 另外網路上有許多很棒的配置好的Conky設定檔 大家可以試試


一、安裝套件並設定登入時啟動

請在終端機中依序輸入下列指令

sudo apt-get install conky
mkdir -p ~/.conky/default/
cp /etc/conky/conky.conf ~/.conky/default/

然後到「系統>偏好設定>始動應用程式」加入以下內容

名稱:Conky
指令:conky -c /home/用戶名稱/.conky/default/conky.conf

其中「用戶名稱」請代換成你的用戶名稱
如果你從網路上下載了別的Conky設定檔
請將「/home/用戶名稱/.conky/default/conky.conf」換成該設定檔的路徑、檔名

接著重新登入 桌面便有Conky了 但是必須做進一步調整


二、調整設定檔的基本設定

請在終端機中輸入
gedit ~/.conky/default/conky.conf 或你從網路下載下來的Conky設定檔的路徑、檔名

請將「alignment」的值改為「 top_right」 或者你想要的
top_right是靠右上 alignment top_left是靠左上 bottom_right是靠右下 bottom_left是靠左下

請將「gap_x」的值改為「10」 或者你想要的
這是離水平邊緣的距離

請將「gap_y」的值改為「35」 或者你想要的
這是離垂直邊緣的距離

請將「own_window_type」的值改為「normal」
並新增下面這一行 這樣可以讓Conky不會有圖層覆蓋方面的問題
own_window_hints undecorated,below,sticky,skip_taskbar,skip_pager

加入下一行則可以改善閃爍
double_buffer yes


三、調整設定檔的美觀設定

請將「xftfont DejaVu Sans Mono:size=12」改為「xftfont Monospace:size=10」
或想使用的字型名稱與字型大小 注意字型名稱若選用沒有中文字的字型檔 將無法顯示中文

若要改變預設的字型顏色 請在「default_color」設定想要的顏色
設定值請打顏色名稱或RGB值 例如:white或ffffff

假如想替字型加上陰影 請將「draw_shades」的值改為「yes」
並在「default_shade_color」設定顏色

或者如果想替字型加上描邊(但是「陰影」會被遮住) 請將「draw_outline」的值改為「yes」
並在「default_outline_color」設定顏色

假如想顯示邊框 請將「請將「draw_borders」的值改為「yes」
而「border_width」可以決定邊框的粗細
並且若把「stippled_borders」的值設為大於「0」便能成為虛線

如果想更換底色請加入下面這一行 「black」請換為你想要的顏色的名稱或RGB值
own_window_colour black

而加入下面三行可以使底色透明化(需視窗管理器有支援RGBA)
第二行的數值0全透明到255不透明 第三行可以決定是否去掉底色
own_window_argb_visual yes
own_window_argb_value 128
own_window_transparent no

(順便一提 「own_window_type」若設「override」則會與「own_window_argb_visual」衝突)

上述那些設定都要打在「TEXT」之上
設好後按「儲存」並結束gedit 大功告成!


转载地址:http://www.ubuntu-tw.org/modules/newbb/viewtopic.php?topic_id=35948

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值