Linux安装jdk

1.下载linux系统的jdk

方式一:官网下载:https://www.oracle.com/technetwork/java/javase/downloads/index.html【这是外网下载慢,所以可以使用方式二进行下载】

方式二:百度云链接下载linux 下的jdk1.8版本压缩包:https://pan.baidu.com/s/1WUWEmsX8ur2dWI4lJB_4fQ 提取码:mlve 【jdk-8u191-linux-x64.tar.gz】

2.在usr下建立java存储文件

cd  【回到用户当前路径】

cd .. 【回到根目录】

cd usr【打开usr文件夹】

mkdir  java【创建java 文件夹】

3.用文件传输工具将压缩包发送至Linux系统

我平时用的是winSCP和FileZilla Client

下图是winSCP做例子

上传完后可以用 ls -lht  jdk-8u191-linux-x64.tar.gz查看文件大小,如果linux上的压缩包远小于本地的大小那么就是上传失败,换其他软件或方式上传。

4. 解压压缩文件:tar  -zxvf  jdk-8u191-linux-x64.tar.gz得到jdk1.8.0_191文件夹,压缩包可删可不删

5.环境配置:

vim /etc/profile【打开配置文件】

5.1在键盘上按'Ins'键(意思为insert输入)进入编辑模式

5.2在文件末尾加上配置【在键盘上按 'pg dn'这个键(意思为pageend)可以直接跳到文件末尾】

# JAVA EVIROMENT【#是注释,写什么都没关系,用于备注而已】

JAVA_HOME=/usr/java/jdk1.8.0_191
CLASSPATH=$JAVA_HOME/lib/
PATH=$PATH:$JAVA_HOME/bin
export PATH JAVA_HOME CLASSPATH

5.3保存退出:先按键盘'esc'键再输入     :wq      这三个字符进行保存退出(输入字符时会在左下角显示)

6.命令行输入命令让配置文件生效:source /etc/profile

java  -version

如上图所示,则表示安装成功

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