Linux常用命令

本文介绍了Linux系统中常用的基础命令,如文件和目录操作(ls,cd,touch,mkdir,rm,cp,mv),查看文件(cat,more,grep),重定向和管道使用,以及清屏、查找工具位置和回显功能。
摘要由CSDN通过智能技术生成

目录

1.ls 列举文件

2.cd 切换目录

3.pwd 显示当前目录

4.touch 创建文件

5.mkdir 创建目录

6.rm 删除文件或者目录 

7.cp 文件或目录的拷贝

8.mv 文件或目录的移动

9. 查看文件cat/more

10. 查看文件命令 grep

11.重定向> >>

12.管道 |

 13.清屏 clear

14.查找工具的安装位置 which

 15.回显 echo


1.ls 列举文件

ls          #列举当前目录的文件内容
ls -l       #以列表形式列举当前目录的文件内容
ls -a       #列举当前目录所有的文件内容包括隐藏文件
ls -lh      #以列表形式,更加人性化(文件大小K,M单位)显示当前目录文件内容
ls -lha    
ls -lha /usr/bin #查看/usr/bin文件夹的内容

ls *.txt      #查找后缀为txt的文件
ls ?.txt      #查找后缀为txt的文件,并且文件名只有一个字符
ls ??.txt     #查找后缀为txt的文件,并且文件名只有两个字符
ls ???.txt    #查找后缀为txt的文件,并且文件名只有三个字符
ls [abcd].txt #查找后缀为txt的文件,并且文件名只有一个字符(abcd其中任意一个字符)
ls [a-z][a-z].txt #查找后缀为txt的文件,并且文件名只有两个字符(abcd其中任意两个字符)

2.cd 切换目录

cd /  #切换到根目录
cd .. #切换到上一级目录
cd /usr/bin #切换到/usr/bin目录
cd home     #切换到当前目录的home目录

3.pwd 显示当前目录

pwd  # 显示当前所在的目录

4.touch 创建文件

touch abc.txt  #创建文件abc.txt,如果当前目录没有该文件就新建,有的话就更新修改时间

5.mkdir 创建目录

mkdir     abc     #在当前目录下创建abc目录 若已有同名目录则创建失败
mkdir -p   a/b/c  #在当前目录下多层级创建目录

6.rm 删除文件或者目录 

-f 强制执行

-i 交互式操作

-r 目录操作

rm abc.txt        #若存在abc.txt则删除该文件,否则提示没有该文件
rm -f a.txt       #直接删除 无提示
rm -r   abc/      #无提示直接删除abc目录及以下级目录
rm -ri  a/        #互动模式删除目录
rm -rf  a         #无提示删除目录或文件
 

7.cp 文件或目录的拷贝

-f 强制覆盖

-i 交互式操作

-r 目录操作

-v 显示复制的进度

cp a.txt  b.txt   #复制a.txt到b.txt
cp -r abc  def    #复制abc目录到edf目录

8.mv 文件或目录的移动

-f 强制覆盖

-i 交互式操作

-v 显示移动的进度

mv a.txt abc/    #将a.txt 移动到abc目录
mv a.txt ../b.txt #将文件移动到上一级目录并改名b.txt
mv a.txt b.txt    #将a.txt重命名为b.txt

9. 查看文件cat/more

 cat 适用于内容较少的文件 创建 查看 合并 追加文件

cat abc.txt      #查看abc.txt
cat -n abc.txt   #显示所有的行号
cat -b abc.txt   #只显示非空的行号编号

 more 适用于内容较多的文件 分屏显示文件内容,每次显示一页内容

空格键 显示文件的下一页

Enter键 滚动显示文件下一行内容

b  显示文件上一页

f   显示文件的下一页

q 退出

10. 查看文件命令 grep

grep    '^a' a.txt          #查找以a开头的内容
grep    'b$' b.txt          #查找以b结尾的内容
grep -n '^a' a.txt          #查找以a开头的内容并显示行号
grep -nv '^a' a.txt         #查找不以a开头的内容并显示行号

grep     'abc' 1.txt            #查找abc的内容
grep  -i 'abc' 1.txt             #不区分大小写 查找abc的内容
grep [Aa]b[Cc] 1.txt             #查找第一个字符是A或者a,第二个字符是b,第三个字符是C或c 的内容

11.重定向> >>

ls -l > 1.txt       #将显示在屏幕的内容重定向到1.txt 覆盖
ls -l >> 1.txt      #将显示在屏幕的内容追加到1.txt
cat 1.txt 2.txt > 3.txt #将1.txt和2.txt的内容覆盖到3.txt

12.管道 |

ls -l /usr/bin | more
ls -l /usr/bin | grep ^au

13.清屏 clear

clear    #将屏幕的内容清除

14.查找工具的安装位置 which

which ls
which cd

 15.回显 echo

  echo 的内容直接显示出来

echo '' > /var/log/messages  #通过重定向将文件中的内容删除

  • 6
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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
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
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