Packages Roundup

原贴:http://www.fcicq.net/wp/?p=547

Packages Roundup

<script type="text/javascript"> </script> <script src="http://pagead2.googlesyndication.com/pagead/show_ads.js" type="text/javascript"> </script> width="250" scrolling="no" height="250" frameborder="0" allowtransparency="true" hspace="0" vspace="0" marginheight="0" marginwidth="0" src="http://pagead2.googlesyndication.com/pagead/ads?client=ca-pub-4541717095573647&dt=1191351971904&lmt=1191351971&format=250x250_as&output=html&correlator=1191351971903&channel=2351211918&url=http%3A%2F%2Fwww.fcicq.net%2Fwp%2F%3Fp%3D547&color_bg=FFFFFF&color_text=000000&color_link=0000FF&color_url=008000&color_border=336699&ad_type=text_image&ref=http%3A%2F%2Fwww.google.cn%2Fsearch%3Fq%3Dlighttpd%2Bcronolog%26complete%3D1%26hl%3Dzh-CN%26inlang%3Dzh-CN%26newwindow%3D1%26start%3D10%26sa%3DN&cc=100&ga_vid=965028408.1191351972&ga_sid=1191351972&ga_hid=1427127847&flash=9&u_h=800&u_w=1280&u_ah=776&u_aw=1280&u_cd=24&u_tz=480&u_his=1&u_nplug=2&u_nmime=3" name="google_ads_frame">

版权声明:允许非商业性转载,但转载时必须标明原作者fcicq、原始链接http://www.fcicq.net/wp/?p=547以及本声明。

好久没真正写技术了,单独装的包留底.

logrotate & cronolog
logrotate很粗暴,直接把进程砍了然后移动日志
cronolog就是比较不错的方式.
lighttpd用法:
accesslog.filename = " |/usr/sbin/cronolog /var/log/lighttpd/%Y/%m/%d/access_XXXX.log"

irqbalance
多处理器系统irq 均摊interrupt.

mtree
批量检查文件目录完整性

ddrescue
文件系统方面是 dd 的替代品.

dnstracer
dns lookup,分析的比dig更好.

sdparm
hdparm的sata版

cpulimit
cpu限制,不过效果不是非常好.

dillo
轻量级浏览器

gajim
jabber(gtalk)聊天.

convmv
utf-8系统和win32交换文件前先转换文件名编码

scite
文本编辑器

rdiff-backup
差量备份,不是非常好使

socklog
syslog-ng替代,但是没有真正使用.

iputils
顾名思义

schedutils(ionice)
调节io优先级,cfq only

dnsmasq
dns 缓存

neon,dante,tsocks,proxychains,delegate
代理用

catdoc
m$ doc -> txt

traceroute
不说什么

wqy-bitmapfont
不错的字体

fireflysung
也是字体,不过对偶来说仅用于做电影字幕字体

fcitx
输入法,很快,虽然停止开发.

cdrtools
刻盘

sshfs-fuse
不说什么了

Tags: none
Bookmark on del.icio.us

<script type="text/javascript"> </script> 友情提示: 评论在文章中所占比例虽然不大, 但它们是文章重要的组成部分.
今天如果你不收藏,明天文章就可能找不到了.

订阅 (By feedsky) (By feedburner)

2 Comments »

  1. dawnh said,

    September 20, 2007 @ 13:03:57

    ddrescue,dnstracer好东西,第一次听说

  2. fcicq said,

    September 20, 2007 @ 21:18:10

    其中一些以前提到过.懒得留链接了… :D

· TrackBack URI

Leave a Comment

欢迎评论,拒绝潜水.如果你非要潜水的话偶也没办法,
本来评论就不多,你再不说话,偶日后也就变哑巴了 :) ... 回首页

评论请保持与文章的相关性, 内容支持基本 HTML 语法, 不支持 UBB.
贴代码的同学请把 < > 分别替换为 &lt; &gt; 以增强可读性.

 
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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