墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
900+累计阅读
929平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
cp !(file1|dir2) /data/
复制文件到/data/，排除file1和dir2
mv !(file1|dir2) /data/
移动文件到/data/，排除file1和dir2
rm -rf !(file1|dir2) ./
删除当前目录下的文件，排除file1和dir2
使用–exclude选项，格式与示例如下
格式:
tar -zcvf xxx.tar.gz dir --exclude=dir1 --exclude=file2
打包dir目录，排除dir1目录与file2文件
示例:
tar zcvf example.tar.gz ./ --exclude=test --exclude=test.txt
打包当前目录，排除test目录与test.txt文件
注意:
--exclude=dir 而不是 --exclude=dir/
--exclude=test.txt 而不是 --exclude test.txt
给麒麟KylinOS服务器加把锁：手把手配置符合等保要求的密码强度策略
本文详细介绍了如何在麒麟KylinOS服务器上配置符合等保要求的密码强度策略，包括pwquality.conf和login.defs的核心参数设置、等保合规的进阶配置技巧以及企业环境中的平衡艺术。通过实战案例和测试方法，帮助管理员构建坚固的密码防线，确保系统安全。
linux下cp复制目录时排除某些目录的方法分享,CP / SCP / RSYNC 如何在Linux中排除特定目录？...
对于任何系统管理员或一般Linux操作系统用户而言，在服务器之间执行文件复制操作都是一项常见任务。在将文件从一个系统复制到另一个系统时，由于某些特定原因，我们可能需要排除某些文件和目录被复制。即使在同一系统上将数据从一个位置传输到另一位置时，这也可能适用。在本文中，我们将演示如何排除特定的文件或目录，或者使用用于此目的的三种最常用和广泛使用的实用程序(即rsync，cp和scp)进行复制。使用cp...
什么是无人机巡检？如何实现无人机自动巡检？
复亚智能的无人机自动巡检系统通过高度自动化的技术，实现了无人机的高效巡检作业。无人机自动机场支持无人机的自动起降和电池更换，自动飞行算法确保无人机在复杂环境中的精准飞行和拍摄，而云端识别诊断和AI感知算法平台则实现图像的实时传输和智能分析。复亚智能，作为无人机技术的创新者和推动者，致力于开发先进的无人机自动巡检解决方案，助力各行各业实现智能化、自动化的巡检工作，引领智能巡检的未来。利用人工智能和机器学习算法，无人机可以被训练来识别特定的模式和异常，如结构损坏、热泄漏等，从而提高巡检的准确性和效率。
拷贝：排除一个或多个目录的实现方法
拷贝：排除一个或多个目录的实现方法
海思MIPI屏调试实战：从参数计算到点亮屏幕的完整指南
本文提供了一份海思平台MIPI屏幕调试的完整实战指南。文章以Hi3516DV300调试800x1280分辨率屏幕为例，详细讲解了从参数计算、配置文件修改到最终点亮屏幕的全流程，并分享了常见问题排查与进阶优化技巧，旨在帮助嵌入式开发者高效解决MIPI屏调试难题。
【硬件工程师职业细分】揭秘硬件基带工程师
你知道硬件工程师的细分领域硬件基带工程师吗？ 它们和常见的硬件工程师又有哪些不同？ 福利待遇怎么样？有哪些职业要求？ 快来涨上一波知识吧~
linux下cp目录时排除一个或者多个目录的方法
方法一：终端命令行下执行以下命令cp -R `find /home/data -type d -path /home/data/e -prune -o -print | sed 1d ` /bakfind A ! -name 100 ! -name 101 -exec cp {} somedir/{} \;使用cp命令复制的时候，只能排除一个目录不被复制，如果想排除两...
不会ps，你也可以成为ps高手，最强傻瓜式人像一键磨皮美白瘦脸美妆PS插件
比如：美肤是用来去斑点的，如果效果不太理想，就加大百分比，反之就减小。瘦脸如果脸胖的就打开，正常的就关闭。所谓的一键调节，要不只能调节一种效果，要不就是个预设，然后让你自己再调。同时，该软件还加入了贴心的批量处理功能，能同时处理上千张照片，让您喝着茶也能将工作做完。、自动检测照片中的人脸，包括鼻子，嘴巴，耳朵，眼睛和眉毛。、依托强大的脸部识别功能，可以高效的对人物全身皮肤进行智能识别，处理，使肤质平滑、过渡均匀。，这是网上下载的模糊照片，经过简单处理，你可以发现，眼睛变的更亮，皮肤更白，眼袋消失。
linux中复制文件如何排除一个目录
rsync命令的--exclude参数只能写相对路径，不能写绝对路径，比如tmp文件夹是path/to/source下面的子文件夹，我们只能cd到path/to/source的目录下执行rsync的命令。我们可以使用rsync工具来完成目录排除的功能，rsync本来是一个远程实时备份的文件同步工具，其含有丰富的命令参数，其中就有--exclude，我们就可以利用rsync来实现本地的文件复制。
Android Studio连接手机详细教程(包含遇到的问题集)
如果以上内容全都调试正确了，还是存在这个无法安装的问题，多半是一开始用的别的手机进行调试安装，然后抽掉线重新换上另一个手机安装调试才会报错。无法识别的 USB 设备，跟这台计算机连接的前一个 USB 设备工作不正常，Windows 无法识别它。此时，我的开发者选项已经开启，并且windows系统和android studio已经能够识别我的设备了，但还是报了这样的错误。右击你的手机——>更新驱动程序——>浏览我的计算机以查找驱动程序软件。右击此电脑——>属性——>设备管理器——>便携设备。
Ego Planner规划算法（上）——Ego Planner流程介绍
本系列文章用于学习记录Ego-Planner规划算法的相关内容，本系列文章是在在Fast Planner规划算法系列文章的基础上，展开对Ego Planner的相关介绍，主要包括Ego Planner算法流程和程序框架两部分，主要学习资料是深蓝学院的移动机器人运动规划课程
linux下cp复制目录时排除某些目录的方法分享,Linux 下复制(cp)目录时排除一个或者多个目录的方法...
cp 貌似没有排除目录的功能，可以使用 rsync 命令来实现了，如：【案例】/home/52php目录里面有data目录，data目录里面有 a、b、c、d、e 五个目录，现在要把data目录里面除过 a、b、c 目录之外的所有目录拷贝到/bak目录中。【操作】yum install rsync #安装rsynccd /home/52php/rsync -av --exclude /home...
yolov8涨点系列之轻量化主干网络替换
yolov8涨点系列之轻量化主干网络替换，以EfficientVit为例
linux移动排除目录,Linux中移动，复制，删除，打包排除某个目录或文件
【转】Linux 中清空或删除大文件内容的五种方法(truncate 命令清空文件)原文:http://www.jb51.net/article/100462.htm truncate -s 0 access.log -------------------------------- ...在Linux中新增与删除用户可以使用命令：Useradd在Linux中新...
jre9下载 jdk9
(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】
深度学习工具包 DeepLearningToolbox
深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[](https://bitdeli.com/free "Bitdeli Badge")
Linux中移动，复制，删除，打包排除某个目录或文件(rsync)
scp -r !(data) * jjwang@172.269.19.999:/data_ssd/AE_TextSpotter 将当前目录下所有文件除了data全部传输 https://www.cnblogs.com/TDXYBS/p/10942180.html
VC中sqlite的使用
在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示
linux删除目录排除,Linux中移动，复制，删除，打包排除某个目录或文件
USB Host的上拉下拉电阻关于USB的上下拉电阻,不是随便接个任意阻值的电阻就ok了. 当你的USB为主设备的时候,D+.D-上分别接一个15K的下拉电阻,这样可以使得在没有设备插入的时候,D+.D-上始终保持低电平:当为 ...RFID考试背诵简答题: 简述RFID标准多元化的原因: 由不同的技术因素.利益因素导致: 工作频率分布在低频至微波的多个频段中,频率不同,技术差异大. 作用距离的差...
复分析 阿尔福斯(Ahlfors) 第三版答案 英文
答案分为十章，有部分习题没有答案，全英文复分析阿尔福斯(Ahlfors) 第三版答案
Linux之操作处理排除某个目录或文件
Linux中移动，复制，删除，打包排除某个目录或文件 移动，复制，删除排除某个文件或目录 方式一： cp !(file1|dir2) /data/ 复制文件到/data/，排除file1和dir2 mv !(file1|dir2) /data/ 移动文件到/data/，排除file1和dir2 rm -rf !(file1|dir2) ./ 删除当前目录下的文件，排除file1和dir2 tar打包排除某个目录或文件 使用–exclude选项，格式与示例如下 格式: tar -zcvf xxx.tar.
php 复制目录文件内容,php复制目录及文件
/*复制目录*/function copydir($dirsrc,$dirto){if(is_file($dirto)){echo "目标不是目录不能创建";return;}if(!$file_exists($dirto)){mkdir($dirto);echo "创建目录".$dirto."成功";}$dir = opendir($dirsrc);while($filename = readdi...
Linux 的 find命令打包特定文件
更换服务器的时候发现很多图片是我不需要得，我想给打包出去 用户目录upload文件，需要两台服务器同步，但是图片太多，上周拷贝过一次 查询指定文件，进行打包 find ./ -name '2018082*' | xargs tar -cvf test3.tgz 目录下很多原始大图，带着...
linux常用命令之文件操作类：移动、复制、编辑、查看、删除、改名、查找、打包、压缩、解压、传输、更改权限
mv : mvoe 剪切并黏贴 语法： mv [-option] 源文件 目标文件 mv 是linux下最常用的重命名命令 备注：如果目标目录下有同名文件/目录，一定要修改目标文件名，或者选择覆盖同名文件（目录没有提示） cp ： copy 复制并且粘贴 语法： cp [-option] 源文件 目标文件 参数 : -r ---- 用来复制目录，将目录中所有的文件及内容全部复制，如果命令只是复制具体的问题，可以省略参数，但是如果是复 制目录就必须添加参数。 注意：目录和文...
linux 怎么撤销移动命令,Linux的常用命令
shutdown -h now 关闭系统init 0 关闭系统shutdown -h hours:minutes & 定时关闭系统重启init 6 重启系统reboot 重启文件和目录cd / ——>进入Linux的根目录(/代表的就是根目录)cd /home——>进入用户的家目录(home是用户的家目录，~代表同样是用户的家目录)cd ..——>返回上一...
shutil模块高阶文件操作
shutil模块高阶文件操作 shutil 模块提供了一系列对文件和文件集合的高阶操作。 特别是提供了一些支持文件拷贝和删除的函数。 对于单个文件的操作，请参阅 os 模块。 目录和文件操作 文件内容拷贝 shutil.copyfileobj(fsrc, fdst[, length]) 将fsrc的内容拷贝到fdst。 fsrc：源文件对象 fdst：目标文件对象。 length：整数值，如果给出则为缓冲区大小。为负值表示拷贝数据时不对源数据进行分块循环处理；默认情况下会分块读取数据以避免不
linux文件压缩与打包
6.5 zip压缩工具 zip压缩文件与其他的压缩工具是有差异性的，需要把压缩后的文件名放在前面，而被压缩的文件放在后面.且不会删除源文件。 zip 3.txt.zip 3.txt 解压缩使用unzip命令，因为原文件还存在，当解压缩时就会出现询问。 y[es]表示解压缩 [n]o 表示不解压缩 [A]ll 表示全部解压缩（针对目录）、 [r]enamel表示解压缩后修改
Linux下文件增删改查定位压缩操作与权限所属用户
【1】压缩/解压文件zip命令：zip -r 文件名字 ./[.代表当前目录] -x filename[不需要压缩的文件名] 示例如下(位于opt/oa/2015app/portal目录下:)zip -r portaljiang.zip ./ /*压缩整个当前目录*/zip -r name.zip ./name /*压缩当前目录下的name文件夹*/unzip1.把文件解压到当前目录下 unzip
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
417
扫一扫
