2020.3.13安装RPM包或源码包

RPM工具
安装RPM包命令#cd /mnt/Packages/

  • -i :安装
  • -v:可视化
  • -h:显示安装进度
  • –force:强制安装
  • –nodeps:当要安装的RPM包依赖与其他包时,即使其他包没安装,这个也要安装

升级RPM包:

#rpm -Uvh filename   //其中-U选项表示升级

卸载RPM包:

#rpm -qa xxx(包名)
#rpm -e filename(包名)  这里的filename是通过rpm查询到的

查询是否安装:

# rpm -q rpm包名     //查询当前系统所有已安装的RPM包用#rpm -qa

得到一个已安装的RPM包的相关信息:#rpm -qi 包名

列出一个RPM包的安装文件:#rpm -ql 包名

列出某个文件属于哪个RPM包:#rpm -qf 文件的绝对路径

yum工具

列出所有可用的RPM包:#yum list 列出信息中最左侧是RPM包名,中间是版本信息,最右侧是安装信息。若以安装,最右侧会有@符号,若未安装则无,已安装但需要升级则会显示updates。

搜索RPM:#yum search [相关关键词]或用grep过滤yum list |grep '关键词'

安装RPM包:#yum install [-y] [RPM包名] 若不加-y,则会以与用户交互的方式安装。

卸载RPM包:#yum remove [-y] [RPM包名] 和安装一样,也可以直接加上-y选项,从而省略与用户交互的那一步,以免影响正常的业务,尽量不要加-y选项。

升级RPM包:#yum update [-y] [RPM包]

使用本地光盘制作yum源

  1. 挂载光盘#mount /dev/cdrom /mnt
  2. 删除/etc/yum.repos.d目录下所有的repo文件(删除前最好做个备份)
#cp -r /etc/yum.repos.d /etc/yum/repos.d_bak
#rm -rf /etc/yum.repos.d/*
  1. 创建新文件dvd.repo
#vi /etc/yum.repos.d/dvd.repo  //加入以下内容:
[dvd]
name=install dvd
baseurl=file://mnt
enabled=1
gpgcheck=0
  1. 刷新repos生成缓存,即可安装相应的RPM包:#yum makecache

利用yum工具下载RPM包
首先恢复之前的yum源:

#rm -rf /etc/yum.repos.d
#mv /etc/yum.repos.d_bak /etc/yum.repos.d
#yum list //必须要执行,生成缓存,方便下次使用

下载RPM包而不安装的命令:#yum install 包名 -y --downloadonly

下载到指定目录的命令:yum install 包名 -y --downloadonly --downloaddir=/usr/local/src
如果包已经安装过,以上命令就不作用,则使用:

#yum reinstall  -y bash --downloadonly
…
…
#ls /var/cache/yum/x86_64/7/updates/packages/bash-4.2.46-21.el7_3.x86.rpm
/var/cache/yum/x86_64/7/updates/packages/bash-4.2.46-21.el7_3.x86.rpm

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,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