Linux常用命令小结

Linux系统基本是以命令行操作为主的,掌握和记忆常用的命令是Linux开发所必需的技能,总结常用命令如下:

一、命令的基本格式

①、首先要读懂Linux的命令行:[root@localhost ~ ]#  其中root是当前账号,root表示管理员,localhost是主机名, ~ 表示当前地址,默认是家地址即/root。  #表示超级权限符号,普通权限则为$。

②、命令的基本格式如下:

命令 [选项] [对象]     中间用空格隔开,中括号表示可选。(本文圆括号为说明,可忽略)eg:

ls(查看目录中的内容) -lh(-a隐藏文件也显示,-l显示详细信息,-h文件大小用合适单位显示,-i显示节点)  /

之后会显示 /(根目录)下的所有文件。

③、根目录下文件说明:

/boot(系统启动区 ,能用,用户不使用)     /dev (特殊文件,不使用) /etc(系统配置文件,不使用)   /home(其他用户的家)  /root(管理员的家)  /lib(函数库)  /media  /mnt  /misc(外界设备)  /proc /sys(内存区不使用) /tmp(临时目录)   /usr (系统软件资源目录,其中/bin     /sbin分别储存普通/超级权限对应的命令)   /bin   /sbin(同/usr下)

④、文件属性说明:

输入ls -l即可查看当前目录下的所有文件的属性

eg: -rwxr--r--   root  root   大小  时间  名称

其中-(或d、l分别表示目录、文件、链接) rwx(表示所有者的读写执行权限)r--(-表示无该权限,第二组表示用户组权限) r--(表示其它用户权限)  root (当前用户)  root(当前用户组)

二、文件处理命令

读懂Linux的几个基本符号之后了解如何操作文件:

①、创建/删除文件夹:

mkdir [-p](循环标识) abc/abc     创建abc文件夹内含有abc文件夹

rmdir abc  清除空文件夹abc

rm -rf  /root/abc   无条件删除!

touch  文件名(创建文件)

②、链接文件:

ln [-s](软链接) [对象] [目标地址]

硬链接可类比为一个教室多开了一个门,删除原来的文件之后教室还存在,硬链接还可以用(硬链接不可作用于文件夹、不可跨区域、可视为同一文件,无i节点和block)

软连接即为快捷方式(有i节点和block,内容为真实目标的地址i节点和block号)

三、文件搜索命令:

①、locate  文件名 (快,从数据库/var/lib/mlocate中寻找,该数据库一天一更新,如要提前更新需使用命令updatedb)

②、whereis  命令名 (返回命令位置和帮助位置)   which(返回位置/别名)    (两者搜索范围均限于PATH内容)

③、find命令:

find   /   [](-iname 不分大小写名字,-name名字,-user后接 -用户名,-nouser无用户文件,-mtime修改时间,-atime访问时间,-ctime改变属性时间,-size按大小,-inum按节点)  文件名(*?[]分别为通配符,*任意字符,?任意一个字符,[]其中一个字符,用于模糊匹配)

④、grep命令:grep [](-i无大小写区分,-v取反) “字符串” 文件名

四、帮助命令

①、man:  eg:man ls   or   man  数字   命令    (数字表示命令级别,1-8,可通过whatis 命令 或 man -f 命令查看)

②、命令  --help

③、help   shell内部命令(如cd,可使用whereis判断是否为内部命令,看是否有命令储存地址,还是只有帮助地址)

④、info  命令  (详细连贯而复杂的手册解释,可回车进入下一级, u 进入上一层、 n下一节、p下一节  q退出手册)

五、压缩和解压缩

①、zip   [-r](对文件夹) 压缩文件  源文件         解压:unzip   压缩文件   [-d]  解压目录

②、gzip同zip但被压缩文件消失  若想保留则:gzip -c 源文件 > 压缩文件     解压:gunzip

③、bzip2  [-k](保留原文件)  源文件    (不能压缩文件夹)     解压bzip2  -d     or    bunzip

④、tar   -cvf(c打包,v显示过程,f制定打包后文件名)  文件名  源文件       tar -xvf 文件名  解压.tar

       tar   -(j bz2)zc(x解压)vf     包名   源文件    (-C其后可指定解压缩位置)

六、关机重启:

①、shutdown  (-c取消前一关机命令,-h关机,-r重启)   时间(now)

②、half    poweroff    init(0-6,0关机,6重启,1单用户即安全模式,2无NFS,3默认,4未分配,5图形界面,runlevel查看)

③、退出登录:logout

七、挂载命令

①、查看挂载:mount      -a(自动挂载,依赖/etc/fstab内的配置)

②、挂载命令格式:mount [-t 文件系统如iso9660 ext4等] [-o 特殊选项如remount,(noexec)] 设备文件名(系统规定)  挂载点(载入目录)

③、挂载光盘实例:

a.添加挂载目录  mkdir  /mnt/cdrom

b.挂载  mount  -t  iso9660 (可省略,因为系统默认) /dev/sr0(/dev/cdrom)  /mnt/cdrom

c.卸载   umount  /dev/sr0(/dev/cdrom)

④、挂载u盘:

a.添加挂载目录  mkdir  /mnt/usb/

b.挂载  mount  -t  vfat(可省略,因为系统默认) /dev/sdb  /mnt/usb/

c.卸载   umount  /dev/usb/

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