Linux基础指令

Linux基础指令

越来越感觉到Linux的易用与强大,现重新整理了学习Linux的时候的知识点,并逐步的学习Linux运维相关的知识

Linux的基础指令

Linux中最有魅力的莫过于shell bash等的使用,易操作的界面,强大的功能 优美的命令格式,其中一些基础的指令还是很好学与简单的,首先先学习一些使用中的例如打印,翻页等基础命令

Linux基础指令

  Linux命令格式:

  • 命令 选项 参数
    • 选项
      • 短选项 -
      • 长选项 –
    • 参数 命令的作用对象

Linux虚拟终端:

* Linux可以虚拟多个终端,可以有6个虚拟终端用来切换
* 快捷键 ctrl+alt+F1~F6 F7 为图形界面

Linux 切换用户

* su switch user 
```
su [选项 -l] 用户名
```
* exit 退回
```
exit
```
* 设置密码 passwd

ls list 列表

选项

  • -d 显示目录自身属性
  • -i node inode 显示自身节点号
  • -r 逆序显示文件
  • -R 递归显示文件(特别消耗资源)
  • -l 长格式显示
  • -h human readable 以人类可读的方式转换单位
  • -a 显示隐藏文件
  • -A 显示除隐藏文件外的所有文件

cd change directory 切换目录

选项

  • cd 不加任何参数 回到用户家目录
  • cd ~USERNAME 到对应用户的家目录中
  • cd - 切换上一个目录

Linux命令类型

  • 内置命令(shell 内置):内部命令是由系统内建的
  • 外部命令:外部命令不是系统内部内建的,在文件系统的某个路径下有一个与命令名称相应的可执行文件

type:显示指定属于哪种类型

date 时间管理

date + 格式化
  • clock 查看时钟
  • 查看硬件时钟 hwclock
  • hwclock -w 将系统时间和硬件时间同步
  • hwclock -s 读取硬件时间同步到系统

date 时间格式化

  • date +格式化标识
  • *

获得命令帮助

  • 内部命令
    help COMMAND
  • 外部命令
    COMMAND –help

查看命令手册 manual

man COMMAND

命令手册:manual
man COMMAND

whatis COMMAND

分章节:
1:用户命令(/bin, /usr/bin, /usr/local/bin)
2:系统调用
3:库用户
4:特殊文件(设备文件)
5:文件格式(配置文件的语法)
6:游戏
7:杂项(Miscellaneous)
8: 管理命令(/sbin, /usr/sbin, /usr/local/sbin)

<>:必选
[]:可选
...:可以出现多次
|:多选一
{}:分组
  • 翻屏:

    • 向后翻一屏:SPACE
    • 向前翻一屏:b
    • 向后翻一行:ENTER
    • 向前翻一行:k
  • 查找

查找:
/KEYWORD: 向后
n: 下一个
N:前一个 

?KEYWORD:向前
n: 下一个
N:前一个 

q: 退出

在线文档

在线文档:
info COMMAND
其它帮助文档:/usr/share/doc
  • \n 换行符
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。
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