四.有关关机和查看系统信息的命令

有关关机和查看系统信息的命令

命令说明
shutdown正常关机
reboot重启计算机
ps查看目前程序执行的情况
top查看目前程序执行的情景和内存使用的情况
kill终止一个进程
date更改或查看目前日期
cal显示月历及年历

4.1 shutdown命令

要使用这个命令必须保证是根用户,否则使用su命令改变为根用户。命令格式如下:

shutdown –(选项)

选项功能
-k不是真正的关机,只是发出警告命令
-r关机后重启
-t在规定的时间内关机

加入要在2min内关机,输入命令:

shutdown –t 2

如果是关机后重启,输入命令:

shutdown –r

4.2 reboot命令

这个命令也是一个关机命令,只有输入,不加任何参数,系统会以最快的速度关机,且不将内存或缓冲区里的东西写回硬盘。

选项功能
-d不把记录写到/var/log/wtmp档案里(-n这个参数包含了-d)
-f强迫重开机,不呼叫shutdown这个指令
-n在重开机前不做将记忆体资料写回硬盘
-w并不会真的重开机,只是把记录写到/var/log/wtmp档案里

4.3 ps命令

ps命令用来查看在计算机系统中有哪些程序正在执行,及其执行的情况。这是一个相当强大的命令,可以用它来找出所有的process id和名称。另外,ps命令也可以用来列出所有程序占用内存的情况。用法如下:

ps –(选项)

选项功能
-l用长格式列出
-u列出使用者的名称和使用时间
-m列出内存分布的情况
-r只列出正在执行的前台程序,不列出其他信息
-x列出所有程序,包括那些没有终端机的程序

4.4 top命令

top命令可以查看目前程序的执行情景和内存使用。它和ps类似,不过,它会几秒钟更新一次系统状态,方便追踪。要离开这个程序,按Ctrl+C键就可以了。

4.5 kill命令

kill命令用来终止一个正在执行中的进程。如果一个程序执行过程中失败了,可以把这个程序终止,避免留在内存中占用系统资源。不过,它的实际意义是送一个信号给这个正在执行的程序,叫它自杀。可以送很多信号给这些程序,也可以让他们受到信号后做很多事情。标准用法:

kill –(选项) pid

在执行kill命令前。可以先用ps命令查一下某宕掉程序的pid,然后使用kill除去某个程序。例如,终止pid为90的程序:

kill 90

选项功能
-l列出所有可用的信号名称
-p印出pid并不发送信号
-signal其中可用的讯号有 HUP (1), KILL (9), TERM (15), 分别代表著重跑, 砍掉, 结束

将 pid 为 323 的行程砍掉 (kill) :

kill -9 323

将 pid 为 456 的行程重跑 (restart) :

kill -HUP 456

4.6 date命令

date命令用来显示、设定和修改现在的时间和日期。标准用法:

date –(选项) 显示时间格式(以+号开头,后加格式)
date 设定时间格式

选项功能
-u使用格林尼治时间
-r最后一次修改文件的时间
-s设置时间

常用的几种时间格式如下表所示:

格式说明
%a星期几的简称,例如一、二、三
%A星期几的全名,例如星期一、星期二
%D日期(mm/dd/yy格式)
%T显示时间格式,24小时制(hh:mm:ss)
%x显示日期的格式(mm/dd/yy)
%y年的最后两个数字
%Y年(如2007、2008)
%r时间(hh:mm:ss 上午或下午)
%p显示上午或下午

如果输入命令:

date “+%x,%r”

系统返回如下信息:

2010年3月26日,下午 18时06分49秒

4.7 cal命令

cal命令有两种功能:显示月历以及年历。

直接输入cal命令则系统会显示目前月份的月历。

若要显示一整年的年历,可以在cal命令后加4位数的公元年份。例如要显示2008年的年历,必须输入:

cal 2008

若输入 cal 08 ,则最显示公元8年的年历。

若只需要查看某一年份中某一月份的月历,可以输入:cal 月份 公元年份。例如输入:"cal 12 2004”。

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