磁盘管理与文件系统

磁盘结构

硬盘的物理结构

盘片:硬盘有多个盘片,每盘片2面
磁片:每面一个磁头

硬盘的数据结构

扇区:盘片被分为多个扇形区域,每个扇形区域存放512个字节的数据
磁道:同一扇片不同半径的同心圆
柱面:不同盘面半径构成的圆柱面
多个扇区组成磁道
多个相同直径的磁道773011992833606组成柱面

磁盘结构

硬盘存储容量=磁头数x磁道(柱面)数x每道扇区数x每扇区字节数(每扇区是512字节)
可以用柱面/磁头/扇区来唯一 定位磁盘.上每一个区域
磁盘接口类型

IDE (并口)
SATA (串口)
SCSI

MBR与磁盘分区表示

主引导记录(MBR: Master Boot Record)

MBR位于硬盘第一个物理扇区处 (MBR 最多可以分4个分区)
MBR中包含硬盘的主引|导程序和硬盘分区表 (GPT 最多可以分128分区)
分区表有4个分区记录区,每个分区记录区占16个字节

磁盘分区结构

硬盘中的主分区数目只有4个
因此主分区和扩展分区的序号也就限制在1 ~4
扩展分区再分为逻辑分区
逻辑分区的序号将始终从5开始

文件系统类型

XFS文件系统

存放文件和目录数据的分区
高性能的日志型文件系统
CentOS 7系统中默认使用的文件系统

SWAP,交换文件系统

为Linux系统建立交换分区

Linux支持的其它文件系统类型

FAT16、 FAT32、 NTFS
EXT4 IES

检测并确认新硬盘

fdisk命令
  fdisk -I [磁盘设备]  或  fdisk [磁盘设备]
交互模式中的常用指令

m、p、n、d、t、W、q

-l   查看磁盘分区信息
m:帮助信息
p:打印,显示
n:创建
d:删除
t:转换格式
w:保存
q:退出
建立物理卷在这里插入图片描述

在这里插入图片描述

格式化

在这里插入图片描述

mount 文件位置 挂载点
df -hT 查看是否挂载
umount 取消挂载

在这里插入图片描述
在这里插入图片描述

设置文件系统的自动挂载
vim /etc/fstab配置文件

在这里插入图片描述

  • 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
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