Linux学习:软件安装

****软件安装****

1.如何安装软件

(1)rpm
rpm    -ivh    name.rpm                安装 ,-v显示过程,-h指定加密方式为hash
          -e      name                        卸载
         -ql      name                        查询软件生成文件
        -qlp     name.rpm                 查询软件安装后会生成什么文件
        -qa                                       查询系统中安装的所有软件名称
        -qa|grep name                    查询软件是否安装
        -qp     name.rpm                  查询软件安装包安装后的名字
        -qf       filename                   查看filename属于那个安装包
        -ivh     name.rpm --force      强制安装,但不能忽略依赖性
        -ivh     name.rpm --nodeps --force 忽略依赖性并且强制安装
        -qi      name                        查看软件信息
        -Kv     name.rpm                 检测软件包是否被篡改
        -qp     name.rpm --scripts    检测软件在安装或卸载过程中执行的动作

(2)yum
yum:上层软件管理工具,最重要的功能是可以解决软件的倚赖关系
        yum能够投入使用的前提是必须要有yum源,以及配置源的指向文件

2.server源端

(1)从网络上下本机系统版本匹配的iso镜像文件
        rhel-server-7.0-x86_64-dvd.iso

(2)把rhel-server-7.0-x86_64-dvd.iso挂在到/mnt以便访问镜像中的文件
        mount rhel-server-7.0-x86_64-dvd.iso /mnt

(3)配置本机yum源指向
        rm -fr /etc/yum.repos.d/*        删除/etc/yum.repos.d/目录下的所有文件

        vim /etc/yum.repos.d/yum.repo

        yum clean all

        yum repolist


(4)安装资源共享服务
        yum install httpd -y             下载http服务      
        systemctl stop firewalld  
        systemctl disable firewalld
        systemctl start httpd

        systemctl enable httpd

        systemctl status httpd        查看http服务状态



(5)建立共享目录,并挂在镜像文件到共享目录上
        mkdir /var/www/html/rhel7.0
        umount /mnt
        mount rhel-server-7.0-x86_64-dvd.iso /var/www/html/rhel7.0

(6)测试
        在浏览器中输入:http://本机ip/rhel7.0

        可以看到镜像中的内容



(7)修改本机yum源指向

        vim /etc/yum.repos.d/yum.repo

[server]
name=rhel7.0
baseurl=file:///var/www/html/rhel7.0

gpgcheck=0

查看挂载情况:df



(8)开机自动挂在iso
        vim /etc/rc.d/rc.local
        mount rhel-server-7.0-x86_64-dvd.iso /var/www/html/rhel7.0
        :wq

        chmod +x /etc/rc.d/rc.local

        这样,下次开机就不用再次挂载。



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