Linux学习笔记(一) 常用Linux命令

本文档提供了 Linux 操作系统中常用的终端命令及其用法介绍,包括文件操作、进程管理、系统设置等核心功能,是 Linux 初学者和进阶用户的必备指南。

常用基础命令

终端

Ctrl shift+

Ctrl+C不执行

clear清除屏幕

ls当前目录下所有的文件及文件夹   -a -l -h

tree

pwd

cd  change directory

cd 相对路径

cd 绝对路径

cd . 当前

cd ..当前路径上一层

cd -上一次所在的路径

cd~家目录

按tab自动补全命令

创建文件:touch

创建文件夹:mkdir

mkdir A/B/C/D -P 在指定目录下创建文件夹,不存在的文件夹会自动创建

删除文件 :rm 文件名/文件夹  -r

删除非空文件夹:rmdir

查看文件中的内容:cat   可以同一时刻显示多个文件

把两个文件合并成一个文件  cat.txt  txt1 text.txt >>txt2.txt

编辑文件 :gedit 文件名(用的少)


帮助文档

(1) 命令 --help

(2)       man 命令   manual

历史信息

history

!历史命令编号   回车

通配符  * ?  [范围]

重定向

ls > xxx.txt  原本应该显示在终端上的内容,写入到了xxx.txt 删除原来的内容

ls >>xxx.txt  追加到原文件的末尾

分屏:more xxx.txt 当文件内容很多时,只显示一部分,按f向下翻, 按b上翻, 按q退出 

cat xxx.txt显示出文件所有的内容

分屏显示当前目录下的所有的文件 ls -lah | more

重命名 :mv

链接  

软链接:ln -s 文件名 快捷方式名 


硬链接:ln  文件名 快捷方式名   删除了被链接的文件硬链接还可以使用

查看有多少了硬链接


grep action xxx.txt 搜索在xxx.txt中是否有action字符串

cp     复制粘贴文件

cp -r 复制粘贴文件夹

mv 

重命名

移动

find  在指定目录找文件(根据文件名) find   ./ -name  *.sh

sudo 权限

tar  

打包 tar -cvf test.tar *.py

压缩并打包 tar -zcvf test.tar.gz *.py

tar -jcvf yyy.tar.bz2 *.txt

解包  tar -xvf test.tar  压缩包没有被删

解压包   压缩包没有被删  用哪种方法压缩就用哪种方法解压

tar -zxvf test.tar.gz -C 指定路径

tar -jxvf test.tar.bz2

zip

压缩 zip zzz.zip *.txt

解压 unzip zzz.zip  -d 指定路径

which 查看使用的命令属于哪个目录

which ls

which ps

cal 

cal -y 2017

date 

date查看当前时间

date > 1.txt 

date "+%Y%m%d"   20171221

date "+%y%m%d"   171221

ps 查看进程信息

ps 当前终端开启的进程

ps -aux 当前正在开启的程序

top 查看进程

htop查看进程

kill pid 结束这个pid编号的进程 -9(强制杀死)

shutdown -h now (+10)(+20::20)关机 立刻  10分钟以后 晚上8点20关机

reboot  重启

df -h 整个硬盘的使用情况

du -h 当前文件夹的大小

ifconfig  

查看ip ifconfig

修改 ifconfig ens33 修改后的ip

ping 




内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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