第四章 账号和组管理(Part 2)

 

默认账号和组

Solaris 9中内建账号都是为了管理目的而存在的。每一个默认账号都有一个特定的UID,友情提醒,可不要轻易修改这些账号的默认用户名和UID。UID 0~99被系统保留做系统账号使用。默认账号清单如表4.1所示:

当使用这些默认账号试图执行系统任务的时候,被执行的程序首先就会检查用户名或UID,以据此来看看你是否拥有相应的权限。也就是说,一些程序会把UID为0的账号当作超级用户(Superuser)来看待,还有一些程序会查找用户名为root的账号作为超级用户。所以,对默认账号的重命名或者改变气UID,都不是一个明智的尝试。

还有一些服务(service),比如UNIX-to-UNIX Copy Program(uucp)和与其相关联的后台程序,需要两个账号才能正常运行:账号listen为该服务检测网络状况;账号nobody和nobody4为匿名连接;noaccess为不信任用户(为被认证的用户)提供连接。

内建的组也是为管理目的而存在。比如,如果一个用户要运行Admintool(一个管理系统账号等信息的系统程序),其中一个实现方式就是将该用户加入到sysadmin组(GID=4)当中。系统默认的组、相应的GID以及默认的成员用户如图4.1所示。

 

 

 

 

 

4.1默认账号

Username

User ID(UID)

Comment

root

0

Superuser

daemon

1

 

bin

2

 

sys

3

 

adm

4

Admin

uucp

5

uucp Admin

nuucp

9

uucp Admin

smmsp

25

SendMail Message Submission Program

listen

37

Network Admin

lp

71

Line Printer Admin

nobody

60001

Nobody

noaccess

60002

No Access User

nobody4

65534

SunOS 4.x Nobody

4.1 默认组

和默认账号一样,对内建组的重命名或修改GID都是不明智的,同时,虽然我们可以将用户添加到默认组中,但是不可删除系统安装过程中产生的默认账号。

 

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