第三周作业

第三周作业
1、显示/etc 目录下,以非字母开头,后面跟了一个字母以及其它任意长度任意字符的文件或目录
ls /etc/ | grep [[:alpha:]][[:alpha:]].*
2、复制/etc目录下所有以p开头,以非数字结尾的文件或目录到/tmp/mytest1目录中
ls /etc | grep p.*[0-9]$
mkdir -pv /tmp/mytest1
ls /etc | grep p.*[0-9]$ | xargs -i cp -r {} /tmp/mytest1/
3、将/etc/issue文件中的内容转换为大写后保存至/tmp/issue.out文件中
cat /etc/issue | tr “a-z” “A-Z” > /tmp/issue.out
4、请总结描述用户和组管理类命令的使用方法

用户创建(useradd),删除(userdel),修改(usermod),密码(passwd)
useradd

useradd -u UID uid定义在/etc/login.defs

useradd -g GID gid

useradd -c 用户备注信息

useradd -d 指定家目录位置(会从/etc/skel/目录复制文件到家目录)

useradd -s 指定默认shell(在/etc/shells)

useradd -G 附加组(组须存在)

useradd -D 修改属性默认值

useradd -r -u 创建系统用户(centos7uid小于1000)

userdel

userdel Username 默认带选项时,不删除家目录

userdel -r Username删除用户和其家目录

用户密码创建修改

passwd

passwd Username

passwd -l 锁定

passwd -u 解锁

passwd -n 最短期限

passwd -x 最大期限

passwd -w 提前x天警告

passwd -i 过期后还能使用x天

passwd -e 过期日期

echo “password” | passwd --stdin Username &> /dev/null //–stdin 将前一个指令的结果作为后指令的标准输入内容

usermod

usermod 修改用户属性

usermod -u 新uid

usermod -g 新gid

usermod -G 覆盖新附加gid

usermod -G -a 追加新附加gid

usermod -s 与chsh -s slackware /bin/tcsh 修改当前shell为指定tcsh

usermod -c ‘备注’

usermod -d 不移动原目录更改家目录

usermod -d -m 移动原目录更改家目录

usermod -l 新名字

usermod -L 锁定指定用户

usermod -U 解锁

组创建(groupadd),删除(groupdel),修改(groupmod)

groupadd

groupadd -g gid gName

groupadd -r -g 创建系统组(centos7uid小于1000)

groupdel

groupdel

groupdel Gname

gpasswd

gpasswd

gpasswd Gname

gpasswd -a UserName Gname 将指定用户添加到指定组

gpasswd -A 设置用户为有管理权限组

newgrp 临时切换组(exit退出)

groupmod

groupmod -g Nowgroup Newgroup

groupmod -G Nowgroup Newgroup

groupmod -n 新的组名

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
你好!改善深层神经网络的方法有很多,以下是一些常见的方法: 1. 使用更好的激活函数:传统的激活函数如Sigmoid、tanh等可能存在梯度消失或爆炸的问题。可以尝试使用ReLU、Leaky ReLU、ELU等激活函数,以减轻这些问题。 2. 使用批标准化(Batch Normalization):批标准化对网络的输入进行标准化,有助于加快网络的训练速度,并且可以缓解梯度问题,使得更深层的网络也能够训练得更好。 3. 使用残差连接(Residual Connections):残差连接可以帮助信息在网络中更好地流动,从而减轻梯度消失的问题。通过将某些层的输出与输入相加,可以使得网络更易于训练。 4. 使用更好的优化算法:传统的梯度下降算法如随机梯度下降(SGD)可能存在训练速度慢、易陷入局部最优等问题。可以尝试使用更高级的优化算法如Adam、RMSprop等,以加快模型的收敛速度。 5. 添加正则化:过拟合是深层神经网络常见的问题之一。可以通过添加正则化项如L1正则化、L2正则化等来限制模型的复杂度,防止过拟合的发生。 6. 数据增强:通过对训练数据进行一些随机的变换,如平移、旋转、缩放等,可以增加模型的泛化能力,防止过拟合。 这些方法只是改善深层神经网络的一部分,具体的选择和调整需要根据具体问题和数据集来进行。希望对你有所帮助!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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