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
800+累计阅读
879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
Linux 操作系统，19C 的 oracle
问题一
secureCRT 以 root 用户登录，发现
sqlplus 提示 command not found
解决方案：
一、 切换到 oracle 用户来登录： su - oralce
Notice： 这中间一横杠不可省！！
否则 home 和 path 还是 oracle的。加一横杠，就是换用户登录的意思。
二、 secureCRT 直接换成以 oracle 用户登录,成功
三、其他可能：环境变量没配置好等
问题二
因为是19c的oracle，system 和 sys用户，只能登录到服务器，然后再登录这两个用户。
如何在其他机器上登录 有 dba 权限的用户呢？
简单，登录到服务器，新建一个账号，再赋予其 dba权限，就可以在其他主机上登录 dba权限的用户了！
Midas Civil实战避坑指南：从建模报错到施工阶段分析
本文详细解析了Midas Civil在桥梁建模与施工阶段分析中的实战避坑技巧，涵盖从基础建模到高级边界条件设置的全流程。针对截面定义、节点创建、施工荷载区分等常见问题提供专业解决方案，帮助工程师避免计算误差，提升结构分析效率。特别强调施工阶段荷载与恒荷载的正确处理，以及弹性连接的合理应用。
在linux安装oracle下,报错sqlplus command not found 解决
之前在linux 下安装了oracle,今天登录启动的时候，报错sqlplus command not found. 找不到sqlplus 也就是$PATH 环境变量下面没有把oracle_home\bin 目录加到环境变量里面。 直接执行echo $PATH 发现没有。 因为安装的时候记得在安装用户下面是设置过环境变量的。（如果是在系统的环境变量下面设置的就/etc/profile 里面查
M2DGR数据集在一些SLAM框架上的配置与运行：ORB-SLAM系列、VINS-Mono、LOAM系列、FAST-LIO系列、hdl_graph_slam
为了说明以上这些SLAM框架的测试与数据集适配，以M2DGR数据集为例进行各自的配置与运行，方便我以后适配自己的数据集，运行的SLAM框架包括：ORB-SLAM2、ORB-SLAM3、VINS-Mono、A-LOAM、LeGO-LOAM、LIO-SAM、LVI-SAM、FAST-LIO2、FAST-LIVO、Faster-LIO、hdl_graph_slam。实验基于Ubuntu20.04，其中ORB、VINS-Mono、和LOAM系列的安装参考我以前的博客，有详细的安装方法，其他的框架在后面会简单介绍一下
bash: sqlplus: command not found 解决方法
bash: sqlplus: command not found 解决方法 转载：https://shiguanghui.iteye.com/blog/1939054 1： bash: sqlplus: command not found 解决方法 查看环境.bash_profile 配置 [root@localhost ~]# find -name .bash_profile ./...
深度学习之基于Pytorch手指静脉识别系统(
一、项目背景与目标手指静脉识别技术是一种新兴的生物特征识别技术，它依据人类手指中流动的血液可吸收特定波长的光线这一科学原理，利用手指内的静脉分布图像来进行身份识别。与传统的生物识别技术（如指纹识别）相比，手指静脉识别技术具有不易伪造、识别精度高、非接触性等特点，因此在安全性要求较高的场景（如金融、医疗、公安等）具有广阔的应用前景。本项目旨在利用PyTorch深度学习框架，构建一套高效、准确的手指静脉识别系统。
从GEFCom到UCI：手把手教你构建电力负荷时空预测模型（Python版）
本文详细介绍了如何从GEFCom到UCI数据集构建电力负荷时空预测模型（Python版），涵盖数据集解析、时空特征工程、模型架构设计及工业部署优化。通过多任务图神经网络(MTGNN)实现高精度预测，并结合边缘计算和在线学习机制提升实际应用效果，为能源管理系统提供可靠解决方案。
Linux系统sqlplus、imp、exp等命令报错command not found
Linux系统中oracle的sqlplus、imp、exp等命令报错command not found问题
保姆级教程：用torch.profiler给你的vLLM推理做个“全身体检”（附Perfetto可视化分析）
本文提供了一份详细的vLLM推理性能分析教程，通过torch.profiler和Perfetto工具链实现从数据采集到可视化分析的全流程。文章涵盖了环境配置、性能数据采集、trace文件解析以及Perfetto可视化分析，帮助开发者优化大模型推理服务的性能，显著降低计算资源消耗。
sqlplus:command not found
shell脚本执行sqlplus命令报标题错误。解决：在shell脚本中设置变量。先找到oracle安装目录下的.profile文件（名字可能不一样），我的文件路径是/home/oracle/.profile，以oracle安装用户登录，其他可能没权限，root用户我这边没有使用权限。然后把.profile文件里的一些oracle变量复制到shell脚本里即可。sqlplus 命令。
图解ADAS电源系统架构：看懂这张图，搞懂前装摄像头的供电秘密！
别以为ADAS系统就是“摄像头 + SoC”，其实最难搞的是供电系统，尤其是要满足车规级ASIL-D安全等级时。供电时序、电压稳定性、电源监控、冗余通信链路，一个都不能少。😤一旦电源选型不对，轻则系统卡顿，重则全车失控，不是闹着玩的。
Android12 适配 usb 触屏
在 Android 系统中，输入设备 IDC（Input Device Configuration）设备描述文件（.idc）是用于配置和定义输入设备行为和属性的文本文件。 该文件通常在`/system/usr/idc/` 或 `/vendor/usr/idc/`，具体位置因芯片厂商SDK而异。一般情况此类文件是预置到系统，开发者 root 权限才能修改这些文件。输入设备 IDC 设备描述文件在 Android 系统中起到了识别、配置、映射和定制输入设备的作用，使得系统能够准确解析和处理各种输入设备的事件，提
SQL*PLUS命令的使用大全
SQL*PLUS命令的使用大全 ? ? ? ?? ? Oracle的sql*plus是与oracle进行交互的客户端工具。在sql*plus中，可以运行sql*plus命令与sql*plus语句。 ? ?我们通常所说的DML、DDL、DCL语句都是sql*plus语句，它们执行完后，都可以保存在一个被称为sql buffer的内存区域中，并且只能保存一条最近执行的sql语句，我们可以对保存在sql
基于VisionMaster实现数据实时存储至MySQL (二)
摘要：之前的分享主要聚焦于简单的一维数据实时存储。但在做缺陷检测项目时，情况往往更加复杂：一张检测图像中可能同时存在多个缺陷，每个缺陷都有一组独立的核心参数（如质心、长短轴、面积等）。如何在 MySQL 中记录这些成组出现的缺陷数据，而不只是简单的单条记录？
执行sqlplus / as sysdba报错：bash: sqlplus: command not found 解决方法
【代码】执行sqlplus / as sysdba报错：bash: sqlplus: command not found 解决方法。
精雕软件(JDpaint) 5.5 绿色版
精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版
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")
执行sqlplus / as sysdba 报错：bash: sqlplus: command not found 解决方法
2、执行source .bash_profile 【使环境变量即刻生效】3、找到自己安装的oracle路径。4、执行语句【设置为软连接】
lwip-2.0.3
lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。
oracle sqlplus/command 环境执行存储过程
存储过程调用入参+出参出参 别问我为什么不用test调用，太low（其实是某些场景根本不给你使用plsql） 入参+出参 存储过程示例 CREATE OR REPLACE PROCEDURE proc_lee_in_out_parameter(in_parameter IN VARCHAR2,out_parameter OUT VARCHAR2) AS BEGIN out_parameter:='0'; EXCEPTION --异常 WHEN OTHERS THEN RO
Statistics and Machine Learning Toolbox
Statistics and Machine Learning Toolbox（带书签），MATLAB统计学习工具
sqlplus如何执行command脚本
打开sqlplus，file->open->command file eg： > @c:\sql\update.sql [color=red][b]sqlplus连接、执行脚本、打印日志[/b][/color] 1、运行cmd 2、sqlplus user/pwd@127.0.0.1/instanll 3、>spool c:\show.log 4、>@install...
SQL*Plus Command -- set
目录 1，SET ECHO {ON | OFF} 2，SET HEA[DING] {ON | OFF} 3，SET LIN[ESIZE] {80 | n} 4，SET LONG {80 | n} 5，SET NULL text 6，SET PAGES[IZE] {14 | n} 7，SET SERVEROUT[PUT] {ON | OFF} [SIZE {n |UNL[IMITE...
sqlplus: command not found
1、安装oracle的时候，先使用的脚本文件创建oracle用户，并配置环境变量，然后安装的时候，发现默认路径下内存太小，就改到其他的文件路径下了，然后 2、切换到oracle用户 su - oracle 3、执行命令sqlplus /nolog -bash: sqlplus: command not found 4、查询oracle_home和 path
-bash: sqlplus: command not found 处理方法
错误描述 $ sqlplus / as sysdba -bash: sqlplus: command not found 处理方法 查看环境.bash_profile 配置 $ find -name .bash_profile ./.bash_profile $ pwd /home/oracle $ vi .bash_profile # .bash_profile # Get the aliases and functions if [ -f ~/.bashrc ]; then
crontab 定时sqlplus 报错(command not found)
crontab 定时sqlplus 报错(command not found)
oracle的连接、登录数据库(1、出现sqlplus:command not found；2、invalid username/password,logon denied)
打开数据库出现cannot identify/lock data file 2 - see DBWR trace file， data file 2: '/u01/app/oracle/oradata/CHENMU/mdm.dbf'，查看数据文件mdm.dbf发现还在线。conn username/pwd@localName //本地命名，localName是通过配置$ORACLE_HOME/network/admin/tnsnames.ora得到的。//查看$ORACLE_HOME。
解决bash: sqlplus: command not found
[oracle@apple ~]$ suPassword: [root@apple oracle]# cd ~[root@apple ~]# ln -s $ORACLE_HOME/bin/sqlplus /usr/bin[root@apple ~]# su - oracle[oracle@apple ~]$ sqlplus /nolog此时Oracle sqlplus就会打开了退出后重新使用命令打...
Linux下 su命令与su - 命令有什么区别？
Linux下 su命令与su - 命令的区别： 一、切换root身份不同 1、su命令：su只是切换了root身份，但Shell环境仍然是普通用户的Shell；而su -连用户和Shell环境一起切换成root身份了。只有切换了Shell环境才不会出现PATH环境变量错误，报command not found的错误。 2、su - 命令：su切换成root用户以后，pwd一下，发现工作目录仍然是普...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
349
扫一扫
