2019/01/22 linux基本操作指令和gdb/Makefile/shell 的使用用法

  1. 常用增加用户的命令 : useradd test 增加text用户;userdel test删除用户;passwd test设置用户的密码; su test 切换用户 (从高级用户(如root目录)切换到低级用户不需要密码)
  2. 查找命令:cat/etc/passwd 查看当前用户有哪些;userdel -r 把留下系统上的文件(目录)也删除(配合着useradd命令使用);clear清屏的命令。
  3. ls -a(all)显示所有的文件,包括隐藏的文件(目录),以"."开头的为隐藏文件(.swap为隐藏文件)。
  4. touch 文件名 ,创建文件,不是目录(使用效率不高,基本被vim代替)。
  5. cp 源路径(要被拷贝的文件的地方)+目的路径(要拷贝的地方);cp -rf(拷贝目录):cp -rf/tmp/file02 /tmp/file05,复制批量文件(会覆盖同命名的文件)。
  6. mv +文件名+改变成的名字(文件目录是同样操作);mv ./+当前目录下的文件+/移动哪个目录下。
  7. rm -rf删除所有的文件;rm -rf abc删除所有带abc的文件。
  8. chmod 777 +文件名 // chmod u+x +文件名(给自己用户增加可执行的权限)。
  9. mkdir +文件名(创建目录)// mkdir -p /tmp/file01/file02(创建嵌套目录,02在01里面)。
  10. du -sk(-sm) bin //查看bin的大小。
  11. 压缩: tar -zcf +压缩的文件名.tar.gz +要被压缩的文件或目录;解压: tar -xzf +要解压的文件或目录名.tar.gz。
  12. ps(查看进程),ps -elf | grep+要查看的进程 ;ps -elf (ps -aux)查看进程,kill -9 +进程号(杀死进程)
  13. ln(创建文件链接):ln -s(链接指向的文件)+(链接名);ln -s /tmp/hello.c ./hello.c-slink(创建完成); ./hello.c-slink 执行文件。
  14. find /-name +文件名(搜索文件);find /- name pass* 搜索所有带pass的文件。
  15. GCC 编译器 :1.预处理:gcc -E hello.c -ohello.i(生成hello.i的文本文件),预处理的作用1.处理所有“#”开头的文件(进行展开)2. 编译过程 :gcc - S hello.i -o hello.s 生成hello.s的文件,把c代码翻译成汇编代码;3.汇编过程:gcc -c hello.s -o hello.o生成可执行的二进制文件; 4. 链接过程 : gcc hello.o(链接所有的.o文件) -o hello 链接程序需要用到的其他文件。 gcc +编译的文件 -I +文件的路径(如在哪个文目录下找到相应的文件)。
  16. 编写Makefile :写一个Target =hello(Target是变量,把生成可执行的文件hello赋给它) Object =hello.o print.o(编译链接.o文件)
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