linux系统文件管控,Linux文件系统管理

一、使用 ext4、xfs 格式化磁盘并挂载,实现重启后可自动挂载

1、ext4 格式化磁盘:

# fdisk -l 查看磁盘信息

[root@Demon /]# fdisk -l

Disk /dev/sda: 107.4 GB, 107374182400 bytes

255 heads, 63 sectors/track, 13054 cylinders

Units = cylinders of 16065 * 512 = 8225280 bytes

Sector size (logical/physical): 512 bytes / 512 bytes

I/O size (minimum/optimal): 512 bytes / 512 bytes

Disk identifier: 0x000d62df

Device Boot Start End Blocks Id System

/dev/sda1 * 1 52 409600 83 Linux

Partition 1 does not end on cylinder boundary.

/dev/sda2 52 574 4194304 82 Linux swap / Solaris

Partition 2 does not end on cylinder boundary.

/dev/sda3 574 13055 100252672 83 Linux

# mkfs -t ext4 /dev/sda3 -t 是格式化后的磁盘格式,/dev/sda3 是将要格式化的磁盘

# mount /dev/sda3 /mnt/sda 将 /dev/sda3 挂载到 /mnt/sda 下

2、xfs 格式化磁盘:

格式化 xfs 需要用到 xfs工具集,先下载xfsprogs

# yum install xfsprogs

# mkfs.xfs -f /dev/sda3 -f 参数的作用是如果当前要格式化的磁盘已经是其他格式的文件系统,则覆盖

3、实现重启自动挂载

# vim /etc/fstab 磁盘挂载文件,要挂载的文件系统格式不同,挂载的参数也不同

a) ext3 / ext4 格式磁盘的挂载,在文件中加入下面参数:

/dev/sda? mount_to_file ext3 default 0 0

上面的 ? 指的是你要挂载的磁盘的盘符,mount_to_file 是你要把磁盘挂载到哪,ext3 是你要挂载的磁盘的格式,default 指明按照默认参数挂载, 0 0 表示开机不检查

b) fat32 格式磁盘的挂载,在文件中加入下面参数:

/dev/sda? mount_to_file vfat user,rw,utf8,umask=000 0 1

这里的?和 mount_to_file 跟上面的一样,vfat 为文件格式,user,rw指的是给用户读写的权限,utf8加上后会将Windows下的中文转换为 utf8格式,umask=000 指的是给

所有用户赋予了读写的权限, 0 0 表示开机检查

二、进行磁盘分区

# fdisk 参数说明

a :指定启动分区

d :删除一个存在的分区

l :显示分区 ID 号的列表

m:查看 fdisk 命令帮助

n :创建一个新的分区

p :显示分区列表

t :修改分区 ID 号

w:对分区表的修改保存,保存后会立即生效

# 对 /dev/sda3 磁盘进行分区

[root@Demon /]# fdisk /dev/sda (这里没有盘符)

WARNING: DOS-compatible mode is deprecated. It's strongly recommended to

switch off the mode (command 'c') and change display units to

sectors (command 'u').

Command (m for help): p (查看磁盘信息)

Disk /dev/sda: 107.4 GB, 107374182400 bytes

255 heads, 63 sectors/track, 13054 cylinders

Units = cylinders of 16065 * 512 = 8225280 bytes

Sector size (logical/physical): 512 bytes / 512 bytes

I/O size (minimum/optimal): 512 bytes / 512 bytes

Disk identifier: 0x000d62df

Device Boot Start End Blocks Id System

/dev/sda1 * 1 52 409600 83 Linux

Partition 1 does not end on cylinder boundary.

/dev/sda2 52 574 4194304 82 Linux swap / Solaris

Partition 2 does not end on cylinder boundary.

/dev/sda3 574 13055 100252672 83 Linux

Command (m for help): d (删除磁盘)

Partition number (1-4): 3 (删除 sda3)

Command (m for help): p

Disk /dev/sda: 107.4 GB, 107374182400 bytes

255 heads, 63 sectors/track, 13054 cylinders

Units = cylinders of 16065 * 512 = 8225280 bytes

Sector size (logical/physical): 512 bytes / 512 bytes

I/O size (minimum/optimal): 512 bytes / 512 bytes

Disk identifier: 0x000d62df

Device Boot Start End Blocks Id System

/dev/sda1 * 1 52 409600 83 Linux

Partition 1 does not end on cylinder boundary.

/dev/sda2 52 574 4194304 82 Linux swap / Solaris

Partition 2 does not end on cylinder boundary.

Command (m for help): n (创建新的分区)

Command action

e extended

p primary partition (1-4) (主分区)

e (扩展分区)

Partition number (1-4): 4

First cylinder (574-13054, default 574): (选择分区起始柱面)

Using default value 574

Last cylinder, +cylinders or +size{K,M,G} (574-13054, default 13054): (选择分区结束柱面)

Using default value 13054

Command (m for help): p

Disk /dev/sda: 107.4 GB, 107374182400 bytes

255 heads, 63 sectors/track, 13054 cylinders

Units = cylinders of 16065 * 512 = 8225280 bytes

Sector size (logical/physical): 512 bytes / 512 bytes

I/O size (minimum/optimal): 512 bytes / 512 bytes

Disk identifier: 0x000d62df

Device Boot Start End Blocks Id System

/dev/sda1 * 1 52 409600 83 Linux

Partition 1 does not end on cylinder boundary.

/dev/sda2 52 574 4194304 82 Linux swap / Solaris

Partition 2 does not end on cylinder boundary.

/dev/sda4 574 13054 100251327 5 Extended

Command (m for help): n

Command action

l logical (5 or over)

p primary partition (1-4)

l (创建逻辑分区)

First cylinder (574-13054, default 574):

Using default value 574

Last cylinder, +cylinders or +size{K,M,G} (574-13054, default 13054):

Using default value 13054

Command (m for help): p

Disk /dev/sda: 107.4 GB, 107374182400 bytes

255 heads, 63 sectors/track, 13054 cylinders

Units = cylinders of 16065 * 512 = 8225280 bytes

Sector size (logical/physical): 512 bytes / 512 bytes

I/O size (minimum/optimal): 512 bytes / 512 bytes

Disk identifier: 0x000d62df

Device Boot Start End Blocks Id System

/dev/sda1 * 1 52 409600 83 Linux

Partition 1 does not end on cylinder boundary.

/dev/sda2 52 574 4194304 82 Linux swap / Solaris

Partition 2 does not end on cylinder boundary.

/dev/sda4 574 13054 100251327 5 Extended

/dev/sda5 574 13054 100251295+ 83 Linux

接下来格式化分区

# mkfs -t ext4 /dev/sda4

三、查看磁盘容量

# df -lh

df 命令参数:

-a 全部文件系统列表

-h 方便阅读显示,一般用来查找大文件

-H 相当于 -h ,不过1k = 1000 而不是 1024

-i 显示 inode 信息,inode包含的信息:文件的字节数,拥有者id,组id,权限,改动时间,链接数,数据block的位置,

不表示文件大小

-k 区块为1024字节

-l 只显示本地文件系统

-m 区块为1048576 字节

--no-sync 忽略sync 命令

-P 输出格式为 POSIX

--sync 在取得磁盘信息前,先执行 sync 命令

-T 文件系统类型

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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。
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