Linux常用命令

mkdir 目录名 创建文件的命令

         -p创建多级目录

         -v显示创建过程

rmdir 目录名 删除目录,必须是空目录(不常用,常用rm)

         -p可以删除多级目录

rm 目录/文件 删除目录或者文件

         -r递归删除

         -f强制删除,不用提示

         使用which看到rm的其实不是真的rm,是rm –i有询问要使用真的rm/bin/rm

cp源文件目的文件拷贝文件

         -r 递归复制文件(包括目录)

mv源文件目的文件移动文件/改名

         --如果是源文件和目的文件目录一样,则是改名

         --不一样则移动

 

 

cat文件 查看文件

         -A 在行的结尾加一个$

tac文件 查看文件(倒过来查看文件,很少用)

more文件 查看文件

         只能往下翻

less文件 查看文件

         可以上下翻pgup(上), pgwn(下),j(下)k(上)

         ctrl+b(向上), ctrl+f(下),q退出

         /字符串 回车 可以查找字符串,n向下走,shift+n向上走

         ? 字符串 回车 可以查找字符串,n向上走,shift+n向下走

         G跳转到最后一行g跳转到第一行

head文件 默认显示前10行

         -数字 设置显示前几行

tail文件 默认显示后10行

         -数字 设置显示后几行

         -f 动态显示文件

 

 

文件结构:

d :目录

c :字符文件(鼠标,键盘)

l :软连接文件

b :块设备文件

s :套接字文件(socket)

p :管道文件

- :普通文件

f :普通文件

文件类型(1位)+文件所有者权限(3位)+属组权限(3位)+其他权限(3位)

后面紧接着的数字:表示有几个文件和该文件使用了同一个inode号

什么事inode?

可以参考http://www.cnblogs.com/itech/archive/2012/05/15/2502284.html

通常理解是文件下有多少个目录是多少

 

ls–lh可以查看文件的大小,用k统计

ls–F 可以判定文件的类型

         eg:ls –F /etc/grub.conf

                            /etc/grub.conf@

                   @表示链接,/表示目录,文件什么都不显示

 

 

 

chown [选项] [属主]:[属组] 修改文件所有者

         -R 修改文件以及文件的子目录(递归修改)

chmod–选项 权限 文件

         u:文件所有者,g:属组,o:其他

         通常用421这样的二进制来添加权限

         -R 递归更改所有文件及子目录

         -v 可视化

         -f 去除大部分错误信息

         默认目录权限755:

                   (rwx rwx rwx) – (--- -w- -w-) = (rwx –r-x r-x) 755

默认文件权限644:

         (rwx rwx rwx) –(--x –wx -wx) = (rx- r—r--) 644

umask权限 用来规定文件/目录的默认权限

         默认0022

2015年3月16日

by:champly  

转载于:https://my.oschina.net/ChamPly/blog/1526847

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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