红帽RHCE培训记录(三)

本文详细介绍了Linux文件系统的各种类型,包括块设备命名如IDE、SATA、NVMe等,以及文件系统如ext2、ext4、XFS、NFS等。还讲解了inode的作用,文件与目录的元数据,以及cp、rm、mv操作与inode的关系。此外,提到了文件系统的监控工具如df和du,以及文件压缩打包方法如tar和gzip。最后,讨论了挂载和卸载文件系统的基本操作。
摘要由CSDN通过智能技术生成

文件系统

块设备命名:

IDE设备:/dev/hda, /dev/hdb
SATA/SAS/USB设备:/dev/sda, /dev/sdb
virtio-blk 超虚拟化存储: /dev/vda, /dev/vdb
NVMe设备(SSD):/dev/nvme0, /dev/nvme1
逻辑卷:/dev/mapper/*

文件系统类型:

Windows 文件系统类型: fat32, NTFS
Linux 本地文件系统: ext2, ext3, ext4(rhel6), xfs(rhel7, rhel8)
网络文件系统: NFS, CIFS
集群文件系统: GFS, GFS2
分布式文件系统: CEPH
光盘: iso9660

文件数据块(block):存放文件的数据,文件的最小存储单元,默认大小是 4K。

inode 是文件的唯一标识号,存放文件的元数据,包括:
- 文件类型,权限,UID 和 GID
- 文件的链接数
- 文件大小和时间戳
- 文件数据块(block)在磁盘上的块指针
- 其他信息

使用 df -h 查看系统的文件组织结构

目录和文件的关系

系统识别文件是通过 inode

人识别文件是通过文件名

目录用来存放文件名和 inode 的映射关系,使用 ls -i file.sh 查看,可以得到 1075535 file.sh

文件:数据部分就是文件内容,元数据部分是文件属性

目录:数据部分是文件名和 inode 的对应关系,元数据部分是目录属性

cp 和 inode 的关系

  1. 分配一个新的 inode,并添加到 inode 表里
  2. 在新的目录下面,将该 inode 关联一个文件名
  3. 数据拷贝到新的文件

rm 和 inode 的关系

  1. 每执行一次 rm,链接数减1
  2. 当链接数变为 0 时,inode 会被回收,数据不会被擦除,只是标记为可用

mv 和 inode 的关系

在同一个文件系统内:

  1. 在新的目录下面创建文件名和 inode 的对应关系
  2. 删除旧目录下的对应关系

在不同的文件系统下:

cp + rm

硬链接

同一个文件系统下,多个文件名指向同一个 inode,这些文件的内容一样,修改其中的一个文件内容,其它的内容也会变。

语法:ln filename linkname

软链接

软链接和源文件有着不同的 inode,这是两个不同的文件。linkname 始终链接到 filename。

语法:ln -s filename linkname

如果用相对路径,这里的 filename 指的是相对于 linkname 的路径,所以 filename 最好用绝对路径。

tips: 软链接的大小,是源文件所在的位置,该位置的字符串的长度

文件类型

- 普通文件

d 目录

c 字符设备文件

b 块设备文件

l 链接文件

p 管道文件

s 套接字文件

文件系统使用情况

  • baobab 使用图形工具查看文件系统使用情况

  • df 查看已挂载的文件系统使用情况

    -h 查看文件系统的使用情况,单位换算为 M 和 G 等
    -i 查看 inode 使用情况
    -T 查看文件系统类型

  • du 查看目录的大小

    -h 查看文件系统的使用情况(以 block 为单位),单位换算为 M 和 G 等
    -s 查看目录汇总的大小

文件压缩和打包

打包

打包把多个文件变成一个文件,不压缩数据,保留文件的属性,进行备份恢复时很方便。

tar 工具

tar [options] tarfile sourcefile

-c 建立归档
-f 指定归档名
-x 解包
-t 列出归档内容
-z 调用gzip压缩工具,进行归档压缩
-j 调用bzip2压缩工具,进行归档压缩
-J 调用xz压缩工具,进行归档压缩
-v 显示所有过程
-C 将文件解压到指定目录下

可以只解压一部分文件,方法是在后面指定

tar -zxf etc.tar.gz etc/hostname

压缩

将文件变小

gzip/gunzip filename,压缩成.gz

bzip2/bunzip2 filename,压缩成.bz

xz/unxz filename,压缩成.xz

三个压缩工具的压缩比依次增大

挂载和卸载文件系统

mount

语法:mount 设备 挂载点

挂载光盘:mount /dev/cdrom /media

umount

语法:umount 设备/挂载点

umount /dev/cdrom 或者 umount /media

(未完待续)

  • 0
    点赞
  • 1
    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