Linux系统账号的管理

Linux的账号与群组
/etc/passwd 文件结构
账号名称:登录账号,用来对应 UID
口令:相当于密码,为了保密安全将这个字段的口令数据改放到 /etc/shadow 中了
UID:使用者标识符
GID:与 /etc/group 有关,只是用来规范组名与 GID 的对应
用户信息说明栏:用来解释这个账号的意义!
家目录:用户的家目录,root 的家目录在 /root ,默认的用户家目录在 /home/yourIDname
Shell:当用户登陆系统后就会取得一个 Shell 来与系统的核心沟通以进行用户的操
作任务
/etc/shadow 文件结构
账号名称:与账号对应
口令:这个字段内的数据才是真正的口令,而且是经过编码的口令 (加密)
最近更动口令的日期:记录了『更动口令那一天』的日期
口令不可被更动的天数:账号的口令在最近一次被更改后需要经过几天才可以再被变更
口令需要重新变更的天数:为了强制要求用户变更口令,这个字段可以指定在最近一次更改口令后, 在多少天数内需要再次的变更口令
口令需要变更期限前的警告天数:当账号的口令有效期限快要到的时候 (第 5 字段),系统会依据这个字段的配置,发出『警告』言论给这个账号。
口令过期后的账号宽限时间( 口令失效日):这个字段记录了『更动口令那一天』的日期,时间是以 1970 年 1 月 1 日作为 1 而累加的日期。
账号失效日期:这个字段表示: 这个账号在此字段规定的日期之后,将无法再使用。
/etc/group 文件结构
组名:
群 组口令:口令已经移动到 /etc/gshadow 去,因此这个字段只会存在一个『x』
GID:群组的 ID /etc/passwd 第四个字段使用的 GID 对应的群组名,由这里对应
此群组支持的账号名称:一个账号可以加入多个群组,那某个账号想要加入此群组时,将该账号填入这个字段即可
账号管理
新增与移除使用者: useradd
例:完全用默认值,创建一个用户
[root@wangrujie home]# useradd user1
[root@wangrujie home]# ll -d /home/user1
drwx------ 4 user1 user1 4096 Jan 26 17:16 /home/user1
配置口令: passwd
passwd user
账号相关数据的微调 :usermod
usermod [-cdeg] username
删除用户的相关数据 : userdel
userdel -r username
id : 这个命令则可以查询某人或自己的相关 UID/GID 等等的信息,使用 id 就
全部都列出
[root@www ~]# id [username]
新建群组,groupadd
新建一个群组,名称为 group1" groupadd group1
删除群组 : groupdel
删除一个群组“group1” groupdel group1

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。
【4层】3100平米综合办公楼毕业设计(含计算书、建筑结构图) 、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、资源来自互联网采集,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、资源来自互联网采集,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、资源来自互联网采集,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。
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