第三次作业

uptime top实时显示系统的负载 以及每一个进程的资源占用情况
系统时间 状态 运行了多久, 用户。 五分钟平均负载 。 十分钟平均负载, 十五分钟平均负载。
ps -ef 查看进程
ps -ax |grep ssh
ps -a当前终端的进程
ps -u 用户的进程

useradd 创建用户 passwd 修改密码 su 切换用户 whoami who -m 查看当前用户
exit 退出
文件
mkdir 只能创建一层目录 mkdir -p 可以创建多层目录
创建文件 >file touch file
查看文件
cat file cat file1 file2 把俩个文件内容拼接在一起
head tail 查看文件开头 结尾 默认为10行 cp /etc/passwd ./
diff file test文件对比
cat -n passwd 打印行号 cat -s 去掉多余空行
vi +行号 passwd 光标直接跳到对应的行

more -10 dmesg .old more:分屏显示 一屏十行
ctrl f 向下滚 B向上滚

cat -E 每行后显示$符号
grep ^root passwd 以root 开头的行
grep -i 不区分大小写
grep -V 取反

grep -c统计打印的行数
grep -n打印文件的行号

删除文件 rm 文件名字 删除目录 rm -r 删除目录
rm -rf 强制删除
mv 移动文件位置 mv可改文件名字
cp 要复制的文件名 到要复制的路径
cp -p 带权限复制
cp -a :复制所有
file 可以查看文件类型 file 文件名
ln file1 file2 给file1做了硬连接 硬连接,在源文件删除后,内容还存在
ln -s file1 file3 软连接,在源文件删除后,内容失效

exec: 对匹配的文件执行该参数所给出的shell命令,形式为command {} ;
find查找路径, (默认当前) 参数(-name filename,-user username -type f/s)
find -name “test*" -exec rm -rf {} ; 查找并删除

文件系统: 类unix系统上,是一个”倒挂树“的形式
linux系统文件目录:
bin 。sbin 系统命令的二进制文件
boot 存放于系统启动有关的文件
dev 设备文件
etc 配置文件
home 用户的家目录
lib 库,模块的文件
opt 与第三方的安装模块
user 系统用户
var 与应用相关的文件

常见文件

文件操作:
cut
cut -b 按照字节个数才截取文件
cut -b 10-20
cut -b 10-
cut -b -20

sort 排序
默认是正序排列
-r 是倒序排列
cat sort |sort |uniq 先排序,在去重
cat sort |wc -l 统计行数

查询命令路径
which 查看命令所在路径 可以判断系统有没有安装命令程序
whereis
查询文件所在位置
find
locate

重点掌握的:
link链接文件原理,软连接和硬连接原理
rm 删除文件的原理

‘’强引用 可见即可得
”“弱引用 变量正常输出结果

  • 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