shell编程学习 2018-06-02

哈哈哈

1,$IFS 和空白

vim IFSandNull.sh

 1 #!/bin/bash 
  2 # $IFS 处理空白的方法,与处理其它字符不同. 
  3 
  4 output_args_one_per_line()
  5 {
  6    for arg
  7    do echo "[$arg]"
  8    done
  9 }
 10 
 11 echo; echo "IFS=\" \""
 12 echo "-------" 
 13 
 14 IFS=" "
 15 var="a  b c"
 16 
 17 output_args_one_per_line $var # output_args_one_per_line `echo " a b c "` 
 18 #
 19 # [a]
 20 # [b]
 21 # [c]
 22 
 23 echo; echo "IFS=:"
 24 echo "-----"
 25 
 26 IFS=:;
 27 var=":a::b:c:::"
 28 output_args_one_per_line $var
 29 
 30 echo
 31 exit 0

结果:


2,$REPLY read 命令如果没有给变量,那么输入将保存在$REPLY 中.在 select 菜单中也可用,但是只 提供选择的变量的项数,而不是变量本身的值.


 1 #!/bin/bash 
  2 # reply.sh
  3 
  4 # REPLY 是'read'命令结果保存的默认变量.  \
  5 echo
  6 echo -n "What is your favorite vegetable? "
  7 read
  8 
  9 echo "Your favorite vegetable is $REPLY."
 10 # 当且仅当在没有变量提供给"read"命令时,
 11 #+ REPLY 才保存最后一个"read"命令读入的值.  
 12 
 13 echo
 14 echo -n "What is your favorite fruit? "
 15 read fruit
 16 echo "Your favorite fruit is $fruit."
 17 echo "but..."
 18 echo "Value of \$REPLY is still $REPLY."
 19 # $REPLY 还是保存着上一个 read 命令的值,
 20 #+ 因为变量$fruit 被传入到了这个新的"read"命令中.
 21 
 22 echo
 23 
 24 exit 0

结果:


这个脚本已经运行的时间

vim runtime.sh

 1 # !/bi/bash
  2 # runtime.sh 脚本运行时间
  3 
  4 TIME_LIMIT=10
  5 INTERVAL=1
  6 
  7 echo
  8 echo "Hit Control-C to exit before $TIME_LIMIT seconds."
  9 echo
 10 
 11 while [ "$SECONDS" -le "$TIME_LIMIT" ]
 12 do
 13  if [ "$SECONDS" -eq 1 ]
 14  then
 15    units=second
 16  else
 17    units=seconds
 18  fi
 19 
 20 echo "This script has been running $SECONDS $units."
 21 # 在一台比较慢的或者是负载很大的机器上,这个脚本可能会跳过几次循环
 22 #+ 在一个 while 循环中.
 23 sleep $INTERVAL
 24 done
 25 
 26 echo -e "\a" # Beep!
 27 
 28 exit 0

结果:


  • 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