Linux程序设计第二章 shell程序设计 笔记

1.Linux 哲学 首先在shell中实现工具的原型,确定之后再用其他编程语言进行实现。

2.文件描述符0代表程序的标准输入;文件描述符1代表标准输出;2代表标准错误输出;

  $ kill -HUP 1234 >killoutree.txt    2>killerr.txt

重定向符号 >  <  

管道符号  |

不要在命令流中使用相同的文件名

3.把脚本设置微可执行 chmod +x first

4.shell变量,不需要事先做出声明只要在勇的时候创建他们。使用$符号来获取变量内容

                       用read来读取内容到变量中

5.$ 取变量值

6.注释用#

7.shell里面调用其他shell

  • fork  ( /directory/script.sh)

fork是最普通的, 就是直接在脚本里面用/directory/script.sh来调用script.sh这个脚本.

运行的时候开一个sub-shell执行调用的脚本,sub-shell执行的时候, parent-shell还在。

sub-shell执行完毕后返回parent-shell. sub-shell从parent-shell继承环境变量.但是sub-shell中的环境变量不会带回parent-shell

  • exec (exec /directory/script.sh)

exec与fork不同,不需要新开一个sub-shell来执行被调用的脚本.  被调用的脚本与父脚本在同一个shell内执行。但是使用exec调用一个新脚本以后, 父脚本中exec行之后的内容就不会再执行了。这是exec和source的区别

  • source (source /directory/script.sh)

与fork的区别是不新开一个sub-shell来执行被调用的脚本,而是在同一个shell中执行. 所以被调用的脚本中声明的变量和环境变量, 都可以在主脚本中得到和使用.


8. #! /bin/bash  ubuntu 默认使用的是dash,功能较弱,用bsah能解决source not found 的问题

9.find 用于查找文件的命令

grep在文件中搜索字符串

简单的算术运算:expr

算术扩展:$((...))

参数扩展: ${i}_tmp

10.可以通过增加set 来决定调试选项,如set -o xtrace

11.特别注意if [ "$Q_MUSIC" = "1" ]; then      中 [  必须左右都有空格,不能跟左右的内容联在一起  ; ] 必须与左边的内容空开,不能联在一起

12.trap   trap 'commands' signal-list , trap命令在shell接收到signal list清单中数值相同的信号时,将执行双引号中的命令串

13.man帮助的解释是,允许后面的输出进行转义,假设你是 echo -e "i will use \n $HOME" 输出的将是

i will use

/root(当前用户的主目录)

如果是 echo "i will use \n $HOME" 则输出是:

i will use \n $HOME

14. 

脚本名称叫test.sh 入参三个: 1 2 3
运行test.sh 1 2 3后
$*为"1 2 3"(一起被引号包住)
$@为"1" "2" "3"(分别被包住)
$#为3(参数数量)
15.
# a=123,345,456,4567
# echo ${a%%,*}
123
# echo ${a%,*}
123,345,456
%是向左最大匹配
%%是向左最小匹配
16.if [ -n "$cdttitle" ];  
-n string 如果字符串不为空则结果为真
-z string 如果字符串为空则结果为真
判断cdttitle变量是否为空,如果cdttitle有内容则判断为真,无内容则执行else
17. shell中 用0 表示成功跟C 语言相反
18. $ls -l > lsoutput.txt  这条命令把ls命令的输出保存到文件lsoutput.txt中,如果该文件内容存在,文件的内容将被覆盖,
     $ls -l >> lsoutput.txt ,这条命令将会把命令的输出附加到制定文件的尾部
     $more < killout.txt 重定向输入
19. $()   $(())  ${}   的区别
$()用来做命令替换用(command substitution)的
  
  
count=$(more iftmp|wc -l)
${ } 用来作变量替换。一般情况下,$var 与 ${var} 并没有啥不一样。
但是用 ${ } 会比较精确的界定变量名称的范围

 $(( )) 的用途吧:它是用来作整数运算的$ a=5; b=7; c=2
$ echo $(( a+b*c ))
19
20. set $(wc -l $title_file) ,,,,set是为shell设置参数变量
wc(word count)
功能说明:计算字数。
语  法:wc [-clw][--help][--version][文件...]
补充说明:利用wc指令我们可以计算文件的Byte数、字数、或是列数,若不指定文件名称、或是所给予的文件名为“-”,则wc指令会从标准输入设备读取数据。
参  数:
  -c或--bytes或--chars   只显示Bytes数。
  -l或--lines   只显示列数。
  -w或--words   只显示字数。
  --help   在线帮助。
  --version   显示版本信息。
21.如果字符串里包括空格,就必须勇引号把他们括起来。此外等号两边不能有空格
22.shell 调试-n 只读取shell脚本,但不实际执行
-x 进入跟踪方式,显示所执行的每一条命令
-c "string" 从strings中读取命令
23.等号两边的空格问题。
定义变量时, =号的两边不可以留空格,gender=femal
条件测试语句 [ 符号的两边都要留空格,if [ $gender = femal ]; then
条件测试的内容,如果是字符串比较的话, 比较符号两边要留空格,if [ $gender = femal ]!

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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