awk 笔记

 

1. awk '/pattern1/,/pattern2/' file

打印 匹配pattern1的行-->匹配pattern2的行;中间的逗号用于指示范围。

((匹配后的默认操作就是打印,也可以再后面加上命令,并用{}包含这些命令。))

同样效果的sed的命令是:sed -n '/pattern1/,/pattern2/ p'

匹配模式是一样的;sed默认会打印读到的每一行,用-n进行抑制;打印匹配的行用命令p来执行。 

 

2.awk '!/pattern/{print $0}'

打印 不匹配pattern的行($0代表整行)

 

3. awk '{a[NR]=$0} END{for(i=p-3;i<p;i++) printf a[i] RS}' file

把读取的每一行保存到数组a[]中,并打印。

 

4. awk '/ddd/{p=1;x=NR} p&&NR-x<=3&&NR-x>0' file

这条命令打印匹配ddd后的3行;

可以添加其他条件,默认打印匹配的行,/ddd/和p&&NR-x<=3&&NR-x>0 是两个独立的匹配,只要匹配可以执行跟着对应的命令,所以可以给后者添加对应的命令:

awk '/ddd/{p=1;x=NR} p&&NR-x<=3&&NR-x{print $1}' file

这条命令摘自http://bbs3.chinaunix.net/viewthread.php?tid=1857159,有不少好例子。

可以这么写,awk '1' file,1表示true,默认打印所有行;有命令的条件下,默认也是条件成立,awk '{print $1}' file,也可以;但是没有命令时,awk '' file,什么也不会输出。

 

 

 

选项:

-F:-F: 指定分隔符

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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