find记录


查询最近被修改的文件:

find . {-atime/-ctime/-mtime/-amin/-cmin/-mmin} [-/+]num

第一个参数,.,代表当前目录位置;
第二个参数分两部分,前面字母a、c、m分别代表访问、变更、修改,time为日,min为分钟;
第三个参数为量,其中不带符号表示单位时间内,如当天,当前1分钟,带-表示符合该数量以后的,带+表示符合该数量以前的。


在2015年8月12日00:00:00时,在/home下输入ping www.baidu.com > ping.log;5秒钟后,该用户使用ctrl+C强制关闭该命令;5秒钟后,使用cat ping.log查看。则ping.log的ctime为2015-08-12 00:00:00;mtime为2015-08-12 00:00:05;atime为2015-08-12 00:00:10。atime:access time,文件最后被读取的时间,touch命令更改为当前时间;ctime:change time,文件最后被变更的时间,chmod、chgrp、mv等等;mtime:modify time文件内容最后被修改的时间,echo重定向、vi等等;


假设当前时间是2015年8月12日00:00:00分,则:
1、查找2015年8月11日00:00:00到2015年8月11日23:59:59被访问过的文件:时间是day,查找单位时间内的不带符号且无偏移:

find . -atime 0

2、查找2015年8月11日23:50:00到2015年8月12日23:55:00被修改过内容的文件(没有比当前期间晚的时间):时间是min,往前偏移10min,上限从当前往前偏移5min:

find . -mmin -10 -mmin +5

3、查找2015年8月12日前一天被修改过的文件:时间是day:

find . -ctime -1


stat命令可查看文件a,c,m属性。




文件目录

[root@localhost 3]# tree .
.
.
├── 123
│   └── 3.jpg
├── media
│   └── No_Audit
│       └── 2014-12-18
│           ├── b7e68f09-8d73-49b5-a58c-7ac36d2648d3.jpg
│           └── b7e68f09-8d73-49b5-a58c-7ac36d2648d3.jpg.jpg
└── video
    └── No_Audit
        └── 2014-12-18
            └── 4.jpg

第一个未添加""可查找完,但如果当前目录有jpg文件就无法正常查询完,所以find查找时最好添加上""。

[root@localhost 3]# find . -name *.jpg
./media/test1/2014-12-18/b7e68f09-8d73-49b5-a58c-7ac36d2648d3.jpg.jpg
./media/test1/2014-12-18/b7e68f09-8d73-49b5-a58c-7ac36d2648d3.jpg
./123/3.jpg
./video/test1/2014-12-18/4.jpg
[root@localhost 3]# touch 4.jpg
[root@localhost 3]# find . -name *.jpg
./video/test1/2014-12-18/4.jpg
./4.jpg
[root@localhost 3]# find . -name "*.jpg"
./media/test1/2014-12-18/b7e68f09-8d73-49b5-a58c-7ac36d2648d3.jpg.jpg
./media/test1/2014-12-18/b7e68f09-8d73-49b5-a58c-7ac36d2648d3.jpg
./123/3.jpg
./video/test1/2014-12-18/4.jpg
./4.jpg

除开某个文件夹,-prune -o满足条件的删除掉,剩余的打印出来

[root@localhost 3]# find /var/app/webapps/3 -path "/var/app/webapps/3/media" -prune -o  -name *.jpg -print
/var/app/webapps/3/video/test1/2014-12-18/4.jpg
/var/app/webapps/3/4.jpg
需要排除的文件夹末尾不能接/

[root@localhost 3]# find /var/app/webapps/3/ -path "/var/app/webapps/3/media/" -prune -o  -name *.jpg -print
/var/app/webapps/3/media/test1/2014-12-18/b7e68f09-8d73-49b5-a58c-7ac36d2648d3.jpg.jpg
/var/app/webapps/3/media/test1/2014-12-18/b7e68f09-8d73-49b5-a58c-7ac36d2648d3.jpg
/var/app/webapps/3/123/3.jpg
/var/app/webapps/3/video/test1/2014-12-18/4.jpg

排除多个文件夹\(添加转义

[root@localhost 3]# find /var/app/webapps/3 \( -path "/var/app/webapps/3/123" -o -path "/var/app/webapps/3/video" \) -prune  -o  -name "*.jpg" -print
/var/app/webapps/3/media/test1/2014-12-18/b7e68f09-8d73-49b5-a58c-7ac36d2648d3.jpg.jpg
/var/app/webapps/3/media/test1/2014-12-18/b7e68f09-8d73-49b5-a58c-7ac36d2648d3.jpg



  • 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
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
健身国际俱乐部系统是一种专为健身俱乐部设计的管理软件,它通过集成多种功能来提高俱乐部的运营效率和服务质量。这类系统通常包含以下几个核心模块: 1. **会员管理**:系统能够记录会员的基本信息、会籍状态、健身历史和偏好,以及会员卡的使用情况。通过会员管理,俱乐部可以更好地了解会员需求,提供个性化服务,并提高会员满意度和忠诚度。 2. **课程预约**:会员可以通过系统预约健身课程,系统会提供课程时间、教练、地点等详细信息,并允许会员根据个人时间表进行预约。这有助于俱乐部合理安排课程,避免资源浪费。 3. **教练管理**:系统可以管理教练的个人信息、课程安排、会员反馈等,帮助俱乐部评估教练表现,优化教练团队。 4. **财务管理**:包括会员卡销售、课程费用、私教费用等财务活动的记录和管理,确保俱乐部的财务透明度和准确性。 5. **库存管理**:对于俱乐部内的商品销售,如健身装备、营养补充品等,系统能够进行库存管理,包括进货、销售、库存盘点等。 6. **数据分析**:系统能够收集和分析会员活动数据,为俱乐部提供业务洞察,帮助俱乐部制定更有效的营销策略和业务决策。 7. **在线互动**:一些系统还提供在线平台,让会员可以查看课程、预约私教、参与社区讨论等,增强会员之间的互动和俱乐部的社区感。 8. **移动应用**:随着移动设备的普及,一些健身俱乐部系统还提供移动应用,方便会员随时随地管理自己的健身计划。 9. **安全性**:系统会确保所有会员信息的安全,采取适当的数据加密和安全措施,保护会员隐私。 10. **可扩展性**:随着俱乐部业务的扩展,系统应该能够轻松添加新的功能和服务,以适应不断变化的市场需求。 健身国际俱乐部系统的选择和实施,需要考虑俱乐部的具体需求、预算和技术能力,以确保系统能够有效地支持俱乐部的运营和发展。通过这些系统的实施,健身俱乐部能够提供更加专业和高效的服务,吸引和保留更多的会员,从而在竞争激烈的
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