Centos的使用札记

使用U盘安装Centos7系统 一、制作U盘为系统启动盘 1、首先去centos官网下载iso镜像 点击Get CENTOS Now——>DVD iso(这个是有图形界面的,如果想安装最小,就选择Minimal Iso就行)——>随便选择iso下载就行(最好选前面几个中的) 2、安装了UltraISO软件使用其将系统写入u盘,可以从我这里下载,然后运行安装 链接:https://pan.baidu... 阅读详情

Centos使用

1. Shell基础

1.1 Shell类型
  • bash (Bourne-Again Shell, linux默认shell,sh的增强版 包括centos ubuntu,sh软链到bash, GNU组织研发) http://www.gnu.org/software/bash/manual/html_node/index.html
  • ash (Almquist shell,Kenneth Almquist与1980年代,除OpenWrt等嵌入式linux使用外,几乎被bash取代,但近来由docker alpine系统使用,也新增的应用场景) https://www.in-ulm.de/~mascheck/various/ash/
  • csh (C Shell,加州大学伯克利分校研发)
  • sh (历史:Bourne Shell, unix默认shell, bell实验室研发)
# 查看所有的shell
cat /etc/shells
# 查看当前使用的shell
echo $SHELL
1.2 命令符
  • 管道符(pipe character) | 第一个命令的输出作为第二个命令的输入

https://en.wikipedia.org/wiki/Pipeline_(Unix)

  • 重定向符(通过修改进程打开文件列表中对应描述符对应的实际文件来实现,可在/proc//fd中看到实际的重定向情况)
# [文件描述符]>[文件名|&文件描述符]   >表示清空原有文件的数据 >>表示追加到原有内容的后面 输入文件默认为标准输出(STDOUT 1)
命令 > 文件:将标准输出重定向到一个文件中(清空原有文件的数据) 
命令 2> 文件:将错误输出重定向到一个文件中(清空原有文件的数据) 
命令 >> 文件:将标准输出重定向到一个文件中(追加到原有内容的后面) 
命令 2>> 文件:将错误准输出重定向到一个文件中(追加到原有内容的后面) 
命令 >> 文件 2>&1 或 命令 &> 文件:将标准输出与错误输出共同写入到文件中(追加到原有内容的后面)
# 双重重定向 tee
将输出重定向到标准输出的同时也重定向到文件

http://blog.youkuaiyun.com/Wee_Mita/article/details/52728285

2. 环境

PATH 系统用于寻找二进制可执行文件的路径 (/etc/profile.d/配置 profile文件会因系统升级而被还原)
LD_LIBRARY_PATH (/etc/ld.so.conf.d/配置 防止全局污染)

行内有效的环境变量
SQLITE3_BINARY_SITE=http://npm.taobao.org/mirrors/sqlite3 npm install sqlite3

系统配置参数

系统配置参数位于 /etc/sysctl.conf文件,通常不建议修改此文件,因此文件会在系统升级后被还原

建议用户配置放置于/etc/sysctl.d/文件夹内

## 临时配置 
sysctl -w net.ipv4.tcp_keepalive_time = 900
## 永久配置
配置写入/etc/sysctl.d/文件夹
sysctl -p /etc/sysctl.d/xxx.conf
注意,sysctl -p 不加参数只会应用/etc/sysctl.conf文件内的配置,而不会应用/etc/sysctl.d/内的配置,/etc/sysctl.d/的配置只会在启动时检查,重启生效

2. 文件管理


  • 查看文件夹大小
du -sh
  • 系统间文件复制
#建议 处于安全考虑,应使用rsync账户进行备份,因ssh权限过大 -r表示递归 -l表示保持软链  --progress可用于命令行输入时显示进度和速度
yum -y install rsync
## -l 保留软链 -t保留修改时间 -p保留权限 -g 保留group -o 保留onwer -v显示传输细节 文件名 -P显示每个文件的传输进度
## --exclude 'sources' 排除文件夹
rsync -rltpgov [源] [目标]
rsync -rl lighttpd-mirrors root@10.0.30.141:/data/docker/data/volume/ (复制可能出现权限丢失)
rsync -rl -e 'ssh -p 46358' /data/* root@10.176.101.7:/data/ #修改端口发送
#软链会丢失,复制原始文件
scp -r /data/docker-volume/mariadb-1 root@10.0.10.75:/data/docker-volume/ (速度可达到80-100M/s)

  • 文件下载
## 最常见的下载
curl -o gradle-5.2.1-bin.zip https://mirrors.d.com/gradle/gradle-5.2.1-bin.zip
## 如果链接地址包含 302跳转
curl -L -o gradle-5.2.1-bin.zip https://mirrors.d.com/gradle/gradle-5.2.1-bin.zip
## 如果链接地址为采用受信任的账户签发
curl -k -o gradle-5.2.1-bin.zip https://mirrors.d.com/gradle/gradle-5.2.1-bin.zip
## 如果目标地址要求http basic auth
curl --user username:password -o gradle-5.2.1-bin.zip https://mirrors.d.com/gradle/gradle-5.2.1-bin.zip
## 如果目标地址cert身份验证 

3. 进程间通信(IPC)

  • 域套接字(AF_UNIX)
    UNIX域套接字 (Unix Domain Socket,UDS) 通常为.sock扩展名,使用文件系统API(但只用inode来标识,无实际硬盘读写)来代替网络进行进程间通信的方式
    限制:
    1. 仅限同一主机内的进程间通信
    2. 速度比共享内存方式要慢
    3. 无法采用tcpdump方式进行监听调试(因无实际数据包经过物理或虚拟网卡)

优势:
1.无需网络协议栈,无需打包拆包,校验和应答,性能好,快,传统同主机性能为internet socket的两倍
2.可利用文件权限做权限控制

http://www.bubuko.com/infodetail-1286548.html
http://www.cnxct.com/default-configuration-and-performance-of-nginx-phpfpm-and-tcp-socket-or-unix-domain-socket/
https://blog.youkuaiyun.com/timebomb/article/details/38417547
https://stackoverflow.com/questions/36118693/does-unix-domain-socket-perform-any-file-system-read-write/36118927#36118927

  • 管道和命名管道
    参见命令提示符
  • 消息队列
  • 共享内存(SHM)
  • internet socket
  • 文件
  • 同步机制
  • 内存映射文件

磁盘调整

lvm管理

umount /home #卸载逻辑卷
/etc/fstab #删除挂载信息 否则重启会自动挂载
lvremove /dev/centos/home #使用lvpath删除逻辑卷 lvdispay查看
lvextend -L +40G /dev/centos/root #增加40G (非xfs文件系统)
lvresize -L +100G /dev/centos/root #增加100G (非xfs文件系统)
resize2fs /dev/mapper/centos-root(非xfs文件系统)
xfs_growfs /dev/mapper/centos-root (xfs文件系统)

分区格式化
mkfs.xfs -f /dev/sdb1
分区挂载到目录
mount /dev/sdb1 /data/nfs

网络管理

  • 查看端口对应程序
    netstat -nlp | grep 179

计划任务

yum install crontabs
vi /etc/pam.d/crond required改为sufficient

https://my.oschina.net/thmz/blog/468327

/etc/crontab # 系统任务调度的配置文件(不建议使用)
/var/spool/cron/username # 用户任务调度的配置文件 应使用crontab -e编辑 不建议直接修改
/etc/crontab 格式

# Example of job definition:
# .---------------- minute (0 - 59)
# |  .------------- hour (0 - 23)
# |  |  .---------- day of month (1 - 31)
# |  |  |  .------- month (1 - 12) OR jan,feb,mar,apr ...
# |  |  |  |  .---- day of week (0 - 6) (Sunday=0 or 7) OR sun,mon,tue,wed,thu,fri,sat
# |  |  |  |  |
# *  *  *  *  * user-name  command to be executed

crontab -e -u user 格式(无user)

# Example of job definition:
# .---------------- minute (0 - 59)
# |  .------------- hour (0 - 23)
# |  |  .---------- day of month (1 - 31)
# |  |  |  .------- month (1 - 12) OR jan,feb,mar,apr ...
# |  |  |  |  .---- day of week (0 - 6) (Sunday=0 or 7) OR sun,mon,tue,wed,thu,fri,sat
# |  |  |  |  |
# *  *  *  *  *  command to be executed

常用调试手段,输出echo cron中的环境变量 $PATH >> /data/path.log

  • 计划任务手动开启
/usr/sbin/crond

防火墙管理

iptables

查看规则 -t表名 -n数字形式显示ip和端口 -v显示详细信息(例如接口名) --line-numbers 显示rule-num
iptables -t nat --list -nv --line-numbers
  1. -j target-chain 调用目标自定义规则链(返回时返回被调用规则)
  1. user-defined chain (用户自定义链)
    -j chainname 进入用户自定义链处理
  2. iptables-extensions defined target(iptables拓展目标)
    -m matching-module-name -j target-name
  3. special values(最常用-特殊目标)
    -j values
    【values】
    ACCEPT 允许(允许通过),并进入下一链继续处理
    DROP 禁止(禁止通过),直接丢弃数据包
    RETURN 返回(忽略本链),忽略本链的处理,并返回上一级链的下一条规则处理
  1. -g target-chain 跳转到目标自定义规则链(返回时返回前一个由-j调用的规则,而不一定是前一个规则)

日志查看

## 以utc时间查看系统服务日志
journalctl --utc
## 查看引导进程日志
journalctl -b
## 查看某段时间范围内的日志
journalctl --since "2015-01-10" --until "2015-01-11 03:00" --utc
journalctl --since yesterday --utc
## 按时间倒序查看
journalctl -r
## 查看某个服务的日志
journalctl -u nginx.service
## 看日志级别查看
journalctl -p err

开机自启

/etc/rc.local
系统服务

环境变量

日志定位

用户管理

  1. 区分应用权限时的用户
    尽量最小权限,如果一定要允许本地登录,则给shell和home,设置密码为空,并禁止空密码用户的远程登录

强制重启

echo 1 > /proc/sys/kernel/sysrq  
echo b > /proc/sysrq-trigger 

桌面安装

vnc VS xrdp (推荐使用xrdp)

https://www.linuxidc.com/Linux/2017-09/147112.htm

Ubuntu系统
apt-get install x-window-system-core(图形基础)
apt-get install gdm(登录管理器)
apt-get install ubuntu-desktop
apt-get install unity (需先安装ubuntu-desktop)

xrdp (RDP,remote desktop protocol服务包,转换为vnc协议)
 console  

Linux桌面环境
 |-X Display Manager(XDM)
   |-gdm https://wiki.gnome.org/Projects/GDM
   |-kdm https://www.kde.org/
   |-xdm https://wiki.archlinux.org/index.php/XDM
   |-lightdm (Light Display Manager)
 |-X Server (Linux X Window System) 窗口管理器 版本11 通常称为X11 使用startx脚本启动
   |-xorg 依赖(xserver-xorg) (不具备远程访问的能力)
   
     |-x-window-system-core(现在一般不需要了)
     |-ubuntu-desktop(桌面环境)
       |-unity(ubuntu17后默认不装,Canonical开发,已经放弃开发)
     |-Kubunut-desktop(桌面环境, kdm)
     |-gnome-core 
       |-gnome2
       |-gnome3 (桌面环境)
       |-gnome-session (会话管理)
     |-Xfce      
       |-Xubuntu-desktop(桌面环境) https://xubuntu.org/
   |-X11rdp 
 
 
xserver-common
|-xserver-xorg-core
  |-xserver-xorg
    |-xorg         (XOrg Foundation Open Source Public Implementatio 是一个X Server的实现)

MATE  
Cinnamon  

vnc4server (vnc的服务端,RFB协议)
tightvncserver
x11vnc

sudo apt-get install xubuntu-desktop

xrdp

软件管理

## Radhat 对应的软件包 RPM(Redhat Package Manager)  YUM(Yellow dog Updater, Modified, 最早用于yellow dog linux操作系统)
[root@lineto ~]# rpm -qf /usr/bin/vmstat
procps-ng-3.3.10-10.el7.x86_64
## 查找包含某个命令的yum包
[root@docker140 ~]# yum provides */nslookup
1:bash-completion-extras-2.1-11.el7.noarch : Additional programmable completions
                                           : for Bash
Repo        : epel
Matched from:
Filename    : /usr/share/bash-completion/completions/nslookup

32:bind-utils-9.9.4-61.el7.x86_64 : Utilities for querying DNS name servers
Repo        : base
Matched from:
Filename    : /usr/bin/nslookup


## Ubuntu APT (Advanced Packaging Tool)  dpkg(Debain Package) 
dpkg -l | grep name
apt list --installed

## Alpine APK (Alpine Linux Package Keeper, called, a-packs)

## OpenWrt opkg (Open PacKaGe management) fork与 ipkg(Itsy PacKaGe management system)项目 因此其软件包扩展名为ipk,效仿与ubuntu dpkg

## DNF (Fedora)

## Tiny DNF, (Tiny Dandified Yum) Vmware PhotonOS

## Moc OS (brew)

网络代理

利用SSH加速国外访问(SOCKS5代理)

ssh -f -C2qTnN -D 127.0.0.1:1080 root@国外服务器IP -p Port

使用privoxy对SOCKS代理进行HTTP代理转换, 并利用全局变量设置代理

https://blog.youkuaiyun.com/brenda2314/article/details/88320012

利用Proxychains实现对linux软件的代理访问(部分软件不支持)

Centos基本使用 我们首先了解一下Linux系统文件的结构: 1、查看 pwd 查看当前的路径 man 命令名{ 进入之后:q键退出,j键向下,h向上} man 命令进入后,/ 查找,n下一个 N 表示上一个。 man命令主要分为8章: (1)用户命令 (2)系统接口函数 (3)c语言库函数 (4)设备 (5)配置文件信息 (6)游戏 (7)某一主题 (8)系统管理命令 2、ls 查看目录下的内容常用 ... 阅读详情

相关推荐

CentOS7安装使用Docker

前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站,这篇文章男女通用,看懂了就去分享给你的码吧。

pleaseprintf的博客 958

linux 中软件安装的三种方法

2019独角兽企业重金招聘Python工程师标准>>> ...

weixin_33674976的博客 1253

window中docker中使用centos

window中docker中使用centos 一、下载安装CentOS 进入centos可用镜像页面,查看可用的镜像centos镜像地址 根据镜像的提示命令进行镜像下载 相关命令 拉取指定版本的镜像:docker pull centos:centos7 启动并运行容器:docker run -itd --name centos-test centos:centos7 进入容器内部:docker exec -it centos-test bin/bash 启动容器:docker start cent

Rulesss的博客 743

linux--rpm包常用操作

1、rpm RPM原先被称为红帽包管理器(red hat package manageer)。rpm包主要有两种类型:二进制的rpm包和源码rpm包,二进制rpm包是为了特定的架构所编译出来的包,比如x86架构的包不能安装在ARM上;源码包提供了源码,可以在不同的架构上编译成二进制rpm包。 2、安装 #下载软件包一定去官网下载,防止第三方软件包被注入恶意的程序 [root@V...

u012967763的专栏 846

procps-ng-3.3.10-28.el7.i686.rpm

官方离线安装包,亲测可用。使用rpm -ivh [rpm完整包名] 进行安装

保姆级教程:STK 11.0 从下载到安装成功(附Matlab互联配置与常见问题解决)

本文提供STK 11.0的完整安装指南,包括下载、安装步骤、Matlab互联配置及常见问题解决方案。详细介绍了系统要求核查、分步安装流程、关键文件替换和许可证配置,确保用户能够顺利完成STK 11.0的部署并实现与Matlab的无缝对接。

weixin_30698297的博客 347

centos 7 升级使用札记

通过vmware升级开发os到centos7,发现很多地方有差异;记录一下开发环境设置的一些差异。 1 启动级别 centos7的启动级别设置已经从/etc/inittab 改到systemd 比如默认运行级别改为字符终端: ln -sf /lib/systemd/system/runlevel3.target /etc/systemd/system/default.target  ...

fishermen 207

Unity游戏开发:从零开始适配Nintendo Switch的完整指南

本文详细介绍了如何使用Unity进行Nintendo Switch游戏开发的完整流程,包括开发环境搭建、Unity工程适配、手柄与硬件特性开发、存储与性能优化等关键步骤。特别强调了Switch SDK的配置、输入系统改造和内存优化技巧,帮助开发者高效完成跨平台适配。

vodka的博客 1073

centos 7 samba设置札记

在centos 7使用过程中,使用hostnamectl指令修改了主机的hostname,但是未在/etc/hosts文件中加入新设置的hostname导致samba连接的时候出现Samba - protocol negotiation failed的问题。 在samba设置过程中使用了sec...

cheyo809775692的博客 161

UDP协议详解——使用Socket通信

UDP(UserDatagramProtocol)是一个简单的面向消息的传输层协议,尽管UDP提供标头和有效负载的完整性验证(通过校验和),但它不保证向上层协议提供消息传递,并且UDP层在发送后不会保留UDP 消息的状态。因此,UDP有时被称为不可靠的数据报协议。如果需要传输可靠性,则必须在用户应用程序中实现。UDP使用具有最小协议机制的简单无连接通信模型。UDP提供数据完整性的校验和,以及用于在数据报的源和目标寻址不同函数的端口号。它没有握手对话,因此将用户的程序暴露在底层网络的任何不可靠的方面。

qq_3517289697的博客 3390

Unity3d实现的十字路口的模拟(一)

最近学习了Unity3d这个游戏引擎,感觉真的是非常的强大,正好赶上操作系统课程要做一个模拟信号量的模拟程序,于是打算做一个模拟十字路口的程序,大致的实现要实现的成果是:存在四种不同的汽车,包括一辆警车(不受交通信号灯的控制)随机产生在不同的路口,并且有不同的行动路线如:直走,左转,右转等,当然还有交通信号灯来控制车辆的有序运行。可以展示不同的视角来观察路口的情况(利用Q,W,E,R分别控制不同的

永远在身边的专栏 7489

CentOS6.8 札记

wget https://dev.mysql.com/get/mysql57-community-release-el6-9.noarch.rpm rpm -Uvh mysql57-community-release-el6-9.noarch.rpm 安装mysql yum install mysql-community-server

Alice的博客 268

UE5 GAS 学习笔记 1.2游戏标签

这一节对GameplayTag游戏标签进行详细的讲解。

CloudHuCoding 1928

【札记】CentOS7-linux-在虚拟机上配置IP地址

最近在VMware上部署Hadoop,发现以前没有记录相关Linux的配置问题,这里记录一下: 命令行下配置IP地址有两种方式: 1、动态配置,再重启网卡后配置失效还原为默认的配置地址(即此方式不修改网卡配置文件) 2、静态配置,配置后只要配置文件还在,则永久生效。 以下为配置方法: 1、动态配置ip a. 查看机器的IP地址: ifconfig  , 以eth 或 en(Et

Miner_Jasber_Yon的专栏 9万+

STM32 使用IQmath实现SVPWM

文章目录SVPWMIQMATHIQmathLib测试部分程序附件 SVPWM SVPWM是空间矢量脉宽调制(Space Vector Pulse Width Modulation)的简称,通常由三相逆变器的六个功率开关管组成,经过特定的时序和换相所所产生的脉冲宽度调制波,最终输出的波形可能会十分接近理想的正弦波形。 具体如下图所示;左侧为复平面,即空间矢量,右侧为时域的正弦波形; 关于SVPWM原理的文章非常多,这里可以推荐一下网上一个非常不错的教程《SVPWM的原理及法则推导和控制算法详解第五修改版》,

一名热爱技术的工程师的博客。分享技术干货,记录美好生活。永远相信美好的事情即将发生。 2万+

《Python星球日记》 第72天:问答系统与信息检索

《Python星球日记》 第72天:问答系统与信息检索,在前面的日子里,我们学习了自然语言处理的基础知识,包括文本预处理、词向量、Transformer架构和各种预训练模型。今天,我们将探索问答系统这一NLP的重要应用,以及如何结合信息检索技术构建智能问答系统。

Code_流苏:在代码中寻诗意,在实践中觅真知 1075

Linux札记3 centos7下 tomcat的jvm

测试cmis的发现cmis在case进行中的时候偶尔会超时。 app\common\components\CMIS\CmisRuntimeException: Curl Error Code: 28, url: http://cmis:8180/cmis/atom/pf1tyl4r%3adefault/id?id=d20ddc94-06ac-47ff-8828-c5f43efdb9cc...

aoehai4075的博客 175

【学习系列】SAP RAP 1:关于RAP的一些基本介绍

摘要:SAP RAP和CAP是两种不同的开发模型。RAP(RESTful ABAP)用于在S/4HANA等ABAP平台上构建现代业务应用,基于CDS+OData,适合ABAP开发者扩展核心业务。CAP(云应用编程模型)是BTP上的云原生框架,支持Node.js/Java,适合构建跨系统集成应用。RAP优势在于与S/4HANA深度集成,CAP则更灵活,支持多云环境。选择依据主要取决于开发平台(S/4HANA或BTP)、技术栈(ABAP或Node.js/Java)及应用场景(核心扩展或云原生开发)。

DeveloperMrMeng的博客 1173

Linux札记2-esxi上为基于基于LVM的centos7的根目录扩容

======= 概念:据说默认centos都是基于LVM的 LVM:LVM是逻辑盘卷管理(Logical Volume Manager)的简称,它是Linux环境下对磁盘分区进行管理的一种机制. LVM 更加详细的说明可点这里:http://www.cnblogs.com/mchina/p/linux-centos-logical-volume-manager-lvm.html ...

aoehai4075的博客 292

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

Linux札记1- centos7 桌面GNOME安装,语言设置,hostname设置

Linux札记1- centos7 桌面GNOME安装,语言设置,hostname设置 一,桌面GNOME安装 1.找到可安装的软件,如图,GNOME Desktop 2.安装即可 yum groupinstall "GNOME Desktop"一直等到它安装完毕即可 二,语言设置 设置为英文,方便出错的时候在外文站搜索localectl set-locale LAN...

aoehai4075的博客 637

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');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

CentOS 使用个人总结

一、概述 1、CentOS 目录下各文件含义 / - 根 处于 Linux 系统树形结构的最顶端,它是 Linux 文件系统的入口,所有的目录、文件、设备都在 / 之下。 /bin - 二进制命令目录 bin 是 Binary 的缩写。常用的二进制命令目录。比如 ls、cp、mkdir、cut等;和 /usr/bin 类似,是 /usr/bin 的软链接,一些用户级工具。 /bo...

边扯边淡 5580

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

[服务器]Centos和UBUNTU之争

1.背景 ​ 作者拥有3年centos和3年ubuntu系统的使用经历,其他Linux系统一直没有考虑过,有朋友一直询问这两个系统的区别,很惭愧我无法很系统的给出区别和各自的优缺点,因此产生了本文。 2.安装 ​ UBUNTU安装需要主板BOIS支持UEFI模式,这就需要安装工程人员需要去设置主板配置,而CENTOS则不需要设置,此处CENTOS更优秀; ​ 如果服务器之前...

俗科技的博客 2万+

CentOS下安装和使用chrome

要安装和使用chrome,需要先添加一个源地址 vim /etc/yum.repos.d/CentOS-Base.repo 在这个文件里面添加一个源: 如果你的系统是32位的,添加下面的源 [google] name=Google - i386 baseurl=http://dl.google.com/linux/rpm/stable/i386 enabled=1 gpgc

草帽的后花园 6749

云原生之使用docker部署centos系统测试环境

云原生之使用docker部署centos系统测试环境

jks212454的博客 2541

centos7命令使用

稳定性CentOS 7基于Red Hat Enterprise Linux(RHEL)的源代码构建,继承了RHEL的稳定性和可靠性。它能够在长时间运行的企业环境中保持稳定,满足对系统稳定性要求极高的应用场景。安全性CentOS 7在安装时会自动开启防火墙和SELinux(Security-Enhanced Linux),为系统提供强大的安全保护。SELinux是一种访问控制安全策略,能够限制程序只能访问其完成任务所必需的资源,从而减少潜在的安全风险。

xiaoahong12138的博客 1045

CENTOS:Docker安装centos容器

这里主要是记录安装在Docker里CENTOS的步骤。 第一步:当然是要下载CENTOS的包(Image)。 docker pull centos 这个命令是下载最新版本的CENTOS包 第二步:建立一个CENTOS的容器。 sudo docker run --privileged --cap-add SYS_ADMIN -e container=docker -it -

dogfish的专栏 4652
上一篇: JVM垃圾回收相关总结
下一篇: Centos基础与安装
zhg_vincent
博客等级 码龄12年 93粉丝 45原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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