solaris下常见文件压缩/解压方式简单小结—待续中

 

  1. .Z扩展名的文件

    使用compress和uncompress来压缩和解压

        用法1:压缩文件 compress -cvf 文件名列表

        解释:

        -c是把压缩后的数据流不写入文件,而写入控制台

-v是把压缩信息打印在控制台

             -f是强制产生文件,如果原先有个同名的.Z文件,则使用-f开关后,新生成的.Z文件会把原先的.Z文件覆盖掉.如果不使用-f,则在要覆盖之前,会在控制台上有提示让输入yes和no的。

        执行结果:原文件 被同名的.Z文件取代.注意 文件名列表中的各个文件名以空格隔开。

        用法2:解压缩文件    uncompress -cvf 文件名

        解释:各个开关参数同compress

  1. .zip文件

    使用zip/unzip 用来生成和解压zip文件

     

    用法1:压缩文件 zip –rv zipFilename dirOrFileList

    -r表示递归添加文件,如果要压缩一个目录到一个zip文件,这个参数是必不可少的。如果是文件名列表,则不必加-r参数,当然加上了也不会有异常产生的。程序会自动判断的。

    -v verbose模式,开启后在控制台打印更多压缩时产生的信息。

    zipFilename是生成的zip文件的名称,不带.zip扩展名时会被自动加上。如果带了.zip扩展名,则不会继续再加.zip扩展名了。

    dirOrFilelist是目录或者文件名列表。文件名列表必须用空格隔开。

     

    用法2:解压zip 文件

    unzip –d newdir zipfile

    将zipfile解压到newdir下,如果没有用-d newdir,就把文件解压到当前目录下。

     

    zip和unzip的特殊用法:

    从输入流读取要压缩的数据:zip new filename -,用一个"-"符号表示要压缩的文件来自基本输入流。因此我们可以用管道来将其他程序的输出压缩到一个文件中。例如:tar -cf - ./to_zip | zip backupFile.tar.zip –就可以把当前目录下的to_zip文件打包,然后输出到基本输出流中,然后通过管道重定向到zip,然后压缩成backupFile.zip文件。

    而解压的话则使用unzip –p backupFile.tar.zip | tar –xvf -

    根据unzip的手册来看,-p参数使用后,upzip将文件解压,以二进制格式将数据输出到标准输出中(extract file to pipe(stdout))。

  2. .tar文件

    使用tar来生成/解压

    tar –cvf tarName filelistOrDir

    tar –xvf tarName

        生成档案文件用-c参数;

        解开档案文件用-x参数

     -v和-f参数和zip中类似。

其它:

  1. .gz文件

使用gzip/gunzip 用来生成和解压.gz文件.

  1. .bz2文件

    使用bzip2/bunzip2用来生成和解压.bz2文件.

另外,浏览压缩文件的内容可以用zcat和gzcat.

  • 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:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 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