Linux常见问题回答集FAQ

Linux FAQ:
1.Q:打开局域网里面计算机的方法?

A:smb://192.168.1.111/

2.Q:快速运行程序、命令?

A:Alt+F2

3.Q:快速最小化所有窗口,显示桌面?

A:Ctrl+Alt+D

4.Q:不重启就重新mount所有fstab设备?

A:mount -a

5.Q:如何一开机就自动启动Apache2?

A:首先删除你的linux系统下的老版本的apache启动项:
cd /etc/init.d
sudo rm apache2
sudo rm httpd
然后在/etc/rc.local文件中加上你的apache2版本的启动命令:
sudo vim /etc/rc.local
or sudo gedit /etc/rc.local
在exit 0之前,加上下面一句:
/usr/local/apache2/bin/apachectl start
保存即可

6.Q.有没有类似FlashGet之类的多线程下载工具?

A.图形界面的有Kget,命令行的有axel,个人强烈推荐axel,操作简单,速度飞快。
安装:sudo apt-get install axel
使用:axel -n 10 http://downloads.activestate.com/Komodo.tar.gz
开十个线程去下载。速度一定可以达到ADSL下载的极限。反之Kget实际上大多数时候下载是单线程的,非常慢。

7.Q.编译Apache2.2.3不成功能怎么办?

A.第一确保用的gcc本身的编译平台与你的linux平台版本一致,方法是看gcc -v后面注明的gcc是在哪个版本的平台上编译的。如果不一致,你要重新安装新平台的gcc或者重新编译gcc;一般直接安装一个最新的GCC4.0.3就成了。
第二,要su切换到root身份,出问题的机会少一些。特别是make install时,要写系统目录所以一定要权限够。
第三.像ssl,LDAP这样的模块还要看你的系统中配置好相应的程序没有,所以你的发行版没有默认预置好它们的话,编译通常不会成功。

8.Q如何把Apache的model编译为动态DSO的模式?

A../configure –enable-mods-shared=most 或者 ./configure –enable-mods-shared=all 区别在于most只把默认内置的model编译为动态的,详细列表见apache2.2的文档

9.Q如何只编译部分附加的Apache model?

A.形如:./configure –enable-deflate –enable-proxy –enable-proxy-html –enable-proxy-balancer –enable-rewrite –enable-cache –enable-mem-cache –enable-ssl –enable-headers

10.Q如何重新安装软件包?

A.sudo apt-get –reinstall install XXXX

11.在linux下一键安装英汉词典(StarDict)

A.sudo apt-get install stardict stardict-common stardict-cdict-gb stardict-cedict-gb stardict-hanzim stardict-langdao-ce-gb stardict-langdao-ec-gb stardict-oxford-gb stardict-xdict-ce-gb stardict-xdict-ec-gb

12.Q:如何安装Mac的华文宋体来美化汉字的显示?

A.(1)先到这里(http://www.box.net/public/5xk4hqozgh)去下载sthei.ttf字体,解压;
(2)把它copy到“/usr/share/fonts/custom/cn“目录下;fonts下没有custom/cn目录就先建一个
(3)减少中文字体过度渲染:sudo fontconfig-voodoo -f -s zh_CN
(4)修改字体配置文件,加入sthei字体:sudo gedit /etc/fonts/language-selector.conf;在<family>Bitstream Vera Sans</family>行下面添加:<family>STHeiti</family>保存后退出
(5)强制刷新字体缓存:sudo fc-cache -f -v
(6)系统 -首选项 - 字体:设置所有非等宽字体为 Bitstream Vera Sans 10号,其中窗口标题字体设置为粗体。等宽字体设置为Courier 10 Pitch,在AA时,Courier 10 Pitch比Courier New字体更清楚。
(7)顶顶重要的:在“字体渲染”中,选择“细节”,“平滑”设置为“灰度”,“微调”设置为“无”。
(8)打开firefox,设置firefox字体,无衬线字体:Bitstream Vera Sans;等宽字体:Courier 10 Pitch 大小:13;其它的可以不改。
(9)退出当前登录,重新登录。一切OK了。

13.Q:如何切换java的当前虚拟机版本?

A.sudo update-alternatives –config java;在出来的提示中,选择sun的版本前的数字,回车,就可以了。jedit就可以正常运行了。
现在不少的linux发行版默认的都是gcj这个开源的jvm实现,而不是sun的jvm。开源的jre有很多库的实现方法与sun的有区别,以至很多java程序不能很好的运行,比如jedit等。这时就要手工安装sun的java版本,并把系统的jvm切换为sun的版本。ubuntu6.10的官方源中已经有了sun的jre5和jdk5,安装是非常方便的;在6.06中安装jdk也是非常容易。

(不断补充中)

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,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,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,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。
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