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
10w+累计阅读
16w+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
http://injavawetrust.iteye.com
#!/bin/sh
APP_HOME=/home/ap/injavawetrust/batch
cd $APP_HOME
if [ -f BatchClient.pid ]; then
PID=$(cat BatchClient.pid)
kill -9 $PID
rm -f BatchClient.pid
echo "==========================="
echo "PID is $PID"
echo "stopping service ......."
sleep 1
if [ -f BatchClient.pid ]; then
echo "stop service fail"
else
echo "stop service sucess"
fi
else
echo "==========================="
echo "warn:service is not started"
echo "==========================="
fi
哨兵一号数据snap预处理_利用SNAP软件进行Sentinel-1A卫星微波影像的预处理
利用SNAP软件对雷达影像进行预处理，主要包括热噪声去除、轨道文件校正、辐射定标、滤波校正、多普勒地形校正，最终获得入射角和后向散射信息。数据：本次实验所用数据为哨兵一号(Sentinel-1A)干涉宽幅模式(Interferometric Wideswath，IW)下经过多视处理和地距转换的GRD格式产品一般处理流程如下：0 SNAP软件安装软件安装：安装成功后打开SNAP后如图所示：1 数据...
【Linux环境】Linux系统下如何关闭Java进程
一、前言 Linux系统下如何kill掉一个后台Java进程，相信童鞋们都知道如何操作。首先使用ps命令查找该Java进程的进程ID，然后使用kill命令进行杀掉。具体分为两步： ps查进程ID kill杀进程 那么具体的命令如下： ps查进程ID：ps -ef | grep java kill杀进程：kill -9 20950 二、实际举例 以下是我在XShell中的具体操作，有兴趣的可以查看哦： 第一步： 第二步： 完结！ ...
SiamRPN++实战：如何用深度孪生网络提升无人机目标跟踪精度（附代码）
本文深入探讨了如何利用SiamRPN++深度孪生网络构建适用于无人机平台的高精度、轻量化单目标跟踪系统。文章详细解析了其兼顾精度与效率的核心原理，并提供了从PyTorch模型轻量化、骨干网络替换到TensorRT部署及应对遮挡、光照突变等实际挑战的完整工程实践指南与代码示例。
linux中怎么停止java程序
项目方案：Linux中停止Java程序 在Linux中停止Java程序可以通过以下步骤实现： 查找Java进程的PID 使用kill命令停止Java进程 下面我们来具体说明这个方案。 步骤一：查找Java进程的PID 在Linux中，我们可以通过ps命令来查找运行的Java进程的PID。通过以下命令可以查找所有包含ja...
实战解析：如何利用MDFEND与Weibo21数据集构建多领域假新闻检测系统
本文实战解析了如何利用MDFEND模型与Weibo21数据集构建多领域假新闻检测系统。文章深入剖析了MDFEND的领域门控与专家混合机制，并提供了从数据预处理、模型理解到训练部署的完整指南，旨在解决通用模型在不同领域新闻检测中的性能衰减问题，提升检测的准确性与适应性。
仪表数字图像识别的传统方法
虽然现有很多机器学习算法能够准确地识别数字，但是传统方法对于一些需要离线识别且计算能力有限的下位机设备来说，仍然有非常不错的效果。因此，今天就向大家讲解一下传统的数字识别方法在仪表读数方面的应用。 1.图像预处理技术 1.1 主要流程 图像处理依次需要进行图片预处理、字轮区域定位、字符分割和字符识别等过程。其中图像处理流程如下图所示。 2. 详细过程 2.1 灰度化 为了减小图像原始数据量，本系...
Linux操作系统下java程序的启动、停止、重启及运行状态的shell脚本编写
linux系统编写shell脚本，实现java程序的启动、状态查看、停止、重启操作
【VS开发】【DSP开发】WinDriver简介（或介绍）
WinDriver for Windows简化并自动化了用户模式Windows设备驱动程序的开发，支持设备包括PCI / CardBus / ISA/ PCI-104 / PCMCIA * / PMC / PCI-X 和 CompactPCI，无需DDK或内核级编程知识。关于USB设备驱动开发，请参见WinDriver USB for Windows。 WinDriver包含一系列
linux部署java程序启动停止脚本
java程序linux部署启动停止脚本 1：启动start #!/bin/sh BASE="$(dirname $(readlink -f $0))" #获取当前程序部署目录 APPNAME=$BASE/ LIB_PATH="$BASE/lib" #获取lib目录 CONF=$BASE/conf #获取conf配置文件目录 APPJAR=KafkaMessToLocal.jar #打包的程序jar包名 if [ ! -d $LIB_PAT
用 OP-TEE 给 AI 模型“上锁”：密文存储、TEE 解密放行、推理后销毁（实战可落地）
本文提出一种基于OP-TEE的AI模型保护方案，通过两级密钥体系确保模型静态存储为密文，运行时仅在TEE内解密。方案采用KEK+DEK架构，DEK永不出TEE，支持分块解密与可验证擦除。该方案能有效防御静态分析、应用层逆向等威胁，但需承认其物理级攻击的局限性。文章详细描述了端到端架构、文件格式设计及TA实现要点，包括密钥管理、分块解密策略和销毁机制，为设备侧AI部署提供了工程可行的安全解决方案。
Python与CAD系列基础篇（二）创建点和直线并修改样式
①通过pyautocad连接AutoCAD进行处理②通过ezdxf处理dxf格式文件。创建和编辑点和直线的方法，并演示如何修改它们的样式、颜色和线型。
Linux下查看和停止所有java进程
在Linux下查看所有java进程命令：ps -ef | grep java。停止特定java进程命令：kill -9 java进程序号。停止所有java进程命令：pkill - 9 java。Linux下查看和停止所有java进程。
我写了一个自动识别火车车厢位置的算法【lidar点云识别】
我写了一个自动识别火车车厢位置的算法【lidar点云识别】
java -jar 停止_推荐：Linux启动Java程序jar包Shell脚本
每次启动Java程序jar包的时候，难道你还在手敲java -jar xxserver.jar……？边敲边想着都需要追加哪些参数？今天就推荐给大家一个几乎通用的Shell脚本，它支持Java程序Jar包的服务启动、服务停止、服务状态查看，同时在脚本中追加了一些语法说明，具体Shell命令，还请大家自行上网学习。#!/bin/sh# 该脚本为Linux下启动java程序的脚本## auth...
温度PID控制PLC程序
温度PID稳定控制程序，适用于欧姆龙PLC，对其他PLC也具有很大参考价值
android 蓝牙通讯demo
android 下蓝牙通讯demo，实现了发现蓝牙，使能蓝牙，通过蓝牙发送消息。
linux java jar 停止_linux 下停止java jar包 shell
#!/bin/shAPP_HOME=/home/ap/injavawetrust/batchcd $APP_HOMEif [ -f BatchClient.pid ]; thenPID=$(cat BatchClient.pid)kill -9 $PIDrm -f BatchClient.pidecho "==========================="echo "PID is $PID"...
假人有限元模型
假人模型，车辆碰撞假人有限元模型，适合做乘员安全的研究者利用
shell脚本控制jar的启动和停止 - Linux,shell,脚本控制jar包启动停止 - language - ITeye论坛...
shell脚本控制jar的启动和停止 - Linux,shell,脚本控制jar包启动停止 - language - ITeye论坛 shell脚本控制jar的启动和停止 - Linux,shell,脚本控制jar包启动停止 - language - ITeye论坛...
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")
jar运行以及关闭
jar运行以及关闭 一、运行jar 方法一 java -jar xxx.jar & & 表示后台运行，ssh窗口不被锁定，但是关闭窗口时，程序还是会退出。 方法二 nohup java -jar xxx.jar & nohup 表示不挂断运行命令行，当账号退出或关闭终端时，程序仍然运行。 当用 nohup 命令执行作业时，该作业的所有输出被重定向到nohup.out的文件中，除非另外指定了输出文件。 方法三 nohup java -jar xxx.jar >/
linux jar 运行 停止,[转] Linux中启动和停止jar包的运行
脚本一：startTest.sh内容如下：#!/bin/shjava -jar Test.jar & #注意：必须有&让其后台执行，否则没有pid生成echo $! > /var/run/Test.pid # 将jar包启动对应的pid写入文件中，为停止时提供pidstopTest.sh内容如下：#!/bin/shPID=$(cat /var/run/Test...
shell脚本 ps grep kill 杀掉进程并发布jar包shell
用途：删除进程并启动java服务shell脚本 目的：测试环境快速发布jar服务 代码： #createby：lipp #createtime:2020.03.12 #description:start a java service #usages: # your jar package in path:/tmp/ #./startjar.sh order-1.0.0.jar # #1...
【Linux发布jar包的流程（附带shell脚本）】
第一步： 在linux系统中的/usr/下创建一个sly-platform-back-jar名称的文件夹。 第二步： 在/usr/sly-platform-back-jar/下放入打包好的jar和shell脚本，如下图所示： 图中的脚本名称叫zctl-sly-modules-system.sh 内容如下： #!/bin/bash #设置环境变量 export JAVA_HOME=/usr/local/jdk1.8.0_181 export JRE_HOME=/$JAVA_HOME/jre export C
Java jar 后台启动停止
Linux 环境使用shell脚本进行jar后台启动停止。新建启动脚本 start.sh， 键入内容。新建停止脚本 stop.sh，键入内容。执行脚本 sh start.sh。执行脚本 sh stop.sh。
Linux中自定义shell脚本启动jar包
Linux中自定义shell脚本启动jar包 一键启动、停止、重启 java项目 创建.sh文件 vi XXX.sh 编写shell脚本 #!/bin/sh port=8080 #定义变量等号左右不能有空格 jar_name=/opt/oaclou/XXX.jar #运行脚本提示信息 tips(){ echo "-------------------------------------" echo "" echo "项目端口: ${port}" echo "项目地址： ${jar_name
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
1万+
扫一扫
