Shell基础部分2

作业控制ctrl+z,

备注:jobs查看后台运行的进程,

备注:fg恢复先前状态,

备注:bg调到后台

 

10.2 变量

变量就是使用一个较简单的字符串来替代某些具有特殊意义的设定以及数据

 

10.2.1 命令env

使用env可以列出系统预设的全部环境变量

 

 

[root@ns1 ~]# env

HOSTNAME=ns1.wdy.com

SELINUX_ROLE_REQUESTED=

TERM=xterm

SHELL=/bin/bash

HISTSIZE=1000

SSH_CLIENT=172.16.1.11749266 22

SELINUX_USE_CURRENT_RANGE=

QTDIR=/usr/lib64/qt-3.3

QTINC=/usr/lib64/qt-3.3/include

SSH_TTY=/dev/pts/0

。。。。。

 

10.2.2 命令set

也是输出环境变量

 

[root@ns1 ~]# set

BASH=/bin/bash

BASHOPTS=checkwinsize:cmdhist:expand_aliases:extquote:force_fignore:hostcomplete:interactive_comments:login_shell:progcomp:promptvars:sourcepath

BASH_ALIASES=()

BASH_ARGC=()

BASH_ARGV=()

。。。。

 

set不仅可以显示系统预设的变量,也可以显示用户自定义的变量

但改变量只能在当前shell中生效。

 

 [root@ns1 ~]# myname=wdy

[root@ns1 ~]# echo$myname

wdy

[root@ns1 ~]# set|grep myname

myname=wdy

[root@ns1 ~]#

 

Linux shell中的特殊符号

*代表零个或多个任意字符

?只代表一个任意的字符

#注释符号

\脱义字符

$用作变量前面的标示符

;在一行中运行俩个或俩个以上命令,需要在命令之间加;

&放到后台执行

[]中括号,内为字符组合,代表字符组合中的任意一个,可以使范围

|管道符

1.命令cat

  解释:cat命令用来截取某一字段

  格式:cat -d ‘分隔字符’ n

  选项:-d:后面跟分隔字符,分隔字符要用单引号括起来

        -c:后面接的是第几字符

           -f:后面接的是第几区块

  2.命令sort

  解释:用作排序

  格式:sort [-t 分隔符] [-kn1,n2][-nru]

  选项:-t:后面跟分个字符,作用跟cut-d一样

        -n:使用纯数字排序

           -r:表示反向排序

           -u:表示去重复

           -kn1,n2:表示有n1区间排序到n2区间

  3.命令wc

  解释:wc命令用于统计文档的行数,字符数或词数

  选项:-l:统计行数

        -m:统计字符数

           -w:统计词数

 

4.命令uniq

解释:用来删除重复的行

选项:-c比较常用,他表示统计重复的行数,并把行数写在前面。

 

5.命令tee

解释:作用类似与重定向>,但他比重定向多一个功能,即把文件写入后面所跟的文件时,

还显示在屏幕上

 

6.命令tr

解释: 用于替换字符

选项: -d: 删除某个字符,后面跟要删除的字符

       -s:删除重复的字符

7.命令split

   解释:用于切割文档

   选项:-b: 依据大小来分割文档

       -l:依据行数来分割文档

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测
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