Linux常用命令详解.part2

1.alias

作用:设置、查看别名
实例1:查看别名 alias
实例2:设置别名 alisa “jinghao=cd” jinghao /home/appiron
实例3:取消别名

2.unname

作用:显示输出系统信息
常用选项:
-a:显示所有信息
-r:显示操作系统发行版本

3.su

作用:运行替换用户和组标识的shell
常用选项:
-:是的shell为可登录的shell
实例1:su - jinghao
实例2:退出 exit

4.homehost

作用:显示并设置主机名(为什么要修改主机名?是为了名称解析[/etc/hosts])
备注:hostname修改的主机名只是保存在内存空间,也就是重启系统就会失效
实例1:显示主机名 hostname
实例2:设置主机名(重启实现) hostname jinghao

5.history

作用:查看历史命令
备注:使用!加上上一个命令的缩写就可以再次执行

6.which

作用:显示命令的完整路径

7.wc

作用:统计文本信息
常用选项:
-c:字节
-w:单词数量
-l:统计行数

8.w

作用:显示已经登录的用户以及他们在做什么
USER:显示登录系统的用户的帐户号。如果用户重复登录,则该账户号就会重复显示
TTY:用户登录的终端代号。登录的形式不同,登录的代号也不同
FROM:显示用户从何处登录系统。如果是本地登录,则此字段为-,若从远程登录,便会显示远程主机的ip地址或机主名。
至于“:0.0”之类的标示,代表该用户是从X Window System以文本模式登录的。
LOGIN@:这是Login At的意思,标示该用户登录系统的时间(不是登录后经过的时间)
IDLE:表示用户闲置的时间。这是一个计时器,一旦用户执行热河操作,该计时器便会被重置。
JCPU:以终端的代号区分显示,标示该终端所有相关的进程执行时所有消耗的CPU时间。每当进程结束就停止计时,开始新的进程就会重新计时。
PCPU:表示cpu执行程序消耗的时间
WHAT:表示用户正在执行的程序的名称,如果正在执行文本模式命令,则会显示用户环境的名称。

9.who

作用:显示已经登录的用户以及他们在做什么

10.whoani

作用:显示当前用户

11.ping

作用:向网络主机发送ICMP(检测主机是否在线)
常用选项:
-c:发送包的数量
-w:等待时间(当试图检测不可达主机时此选项很有用)
-i:间隔秒数,指定收发信息的间隔时间

12.kill

作用:终止进程(kill后面指定pid号码)
备注:kill可将指定的信息送至程序。预设的信息为SIGTERM(15),可将指定程序终止。若仍无法终止该程序,
可使用SIGKILL(9)信息尝试强制删除程序。
执行-15:
1.程序立刻停止
2.当程序释放相应资源后再停止
3程序可能仍然继续运行
常用选项:
-9:强制终止

13.seq

作用:生成数列

14.du

作用:文件及目录大小
备注:默认显示一个目录下的所有文件,最后一行会有大小的总和
常用选项:
-s:仅显示总和
-h:人类易读

15.df

作用:报告文件系统磁盘空间的使用情况
常用选项:
-h:人类易读

16.free

作用:显示系统中已用和未用的内存空间总和
常用选项:
-m:以m为单位
-h:人类易读
-s:间隔秒数,持续观察内存使用情况

17.date

作用:打印或设置系统日期和时间
常用选项:
-s:根据STRING设置时间
%Y:年(用4位数表示)(1970)
%m:月(用两位数表示)(01-12)
%d:日(用两位数表示)(01-31)
%H:时(按24小时制显示,用两位数表示)(00-23)
%M:分(用两位数表示)(00-59)
%S:秒(用两位数表示)(00-59)
%T:时间,按24小时制显示(hh:mm:ss)
%F:显示%Y-%m-%d

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