21、自动化软件构建脚本详解

自动化软件构建脚本详解

一、脚本复用与 pathfind 扩展思路

在编写 shell 脚本时,部分代码是可以复用的。例如,在后续编写的 shell 脚本中,可对前一个脚本稍作修改后使用,如开头的注释横幅、IFS 和 PATH 的赋值、五个辅助函数、用于参数处理的 while 和 case 语句,以及至少对从命令行收集的文件进行的外层循环等。

对于 pathfind 命令,可考虑进行以下扩展:
- 添加 --quiet 选项 :将标准输出和标准错误重定向到 /dev/null ,抑制所有输出,仅通过退出代码指示是否找到匹配项。像 cmp -s 选项和 grep -q 选项就有类似的编程便利。
- 添加 --trace 选项 :在标准错误输出中显示每个测试文件的完整路径。
- 添加 --test x 选项 :允许将测试选项 -f 替换为其他选项,如 -h (文件是符号链接)、 -r (文件可读)、 -x (文件可执行)等。
- 使 pathfind 作为过滤器 :当命令行未指定文件时,应从标准

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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