sort命令_sort命令keydef(1)

网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化的资料的朋友,可以点击这里获取!

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

sort命令

sort命令是在Linux里非常有用,它将文件进行排序,并将排序结果标准输出。

用法:sort [选项]... [文件]...或:sort [选项]... --files0-from=F

-t,--field-separator=分隔符:指定分隔符
-k,--key=KEYDEF:指定排序键
-r,--reverse:以相反的顺序来排序
-n,--numeric-sort:依照数值的大小排序
-f,--ignore-case:忽略字母大小写
-o,--output=文件:将排序后的结果存入指定的文件
-u,--unique
-d:排序时,处理英文字母、数字及空格字符外,忽略其他的字符
-m:将几个排序号的文件进行合并
-b:忽略每行前面开始出的空格字符
-M:将前面3个字母依照月份的缩写进行排序

[root@iZwz9bhan5nqzh979qokrkZ ~]# cat a.txt 
root:x:0:0:root:/root:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
root:x:0:0:root:/root:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin

实例一:去掉重复的行
[root@iZwz9bhan5nqzh979qokrkZ ~]# sort -u a.txt 
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
root:x:0:0:root:/root:/bin/bash
注:sort的-u选项它的作用很简单,就是在输出行中去除重复行。

实例二:sort的-n、-r、-k、-t选项的使用

[root@iZwz9bhan5nqzh979qokrkZ ~]# sort -t ":" -k 3 a.txt   
root:x:0:0:root:/root:/bin/bash
root:x:0:0:root:/root:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
注:以":"为分割符的第三列排序,默认从小往大

[root@iZwz9bhan5nqzh979qokrkZ ~]# sort -t ":" -k 3 -r  a.txt 
daemon:x:2:2:daemon:/sbin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
bin:x:1:1:bin:/bin:/sbin/nologin
bin:x:1:1:bin:/bin:/sbin/nologin
root:x:0:0:root:/root:/bin/bash
root:x:0:0:root:/root:/bin/bash
注:以":"为分割符的第三列排序,从大往小。-r:取反

[root@iZwz9bhan5nqzh979qokrkZ ~]# sort -t ":"  -k 3 -n a.txt 
root:x:0:0:root:/root:/bin/bash
root:x:0:0:root:/root:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
注:-n:按数值大小排序,默认从小往大。

[root@iZwz9bhan5nqzh979qokrkZ ~]# cat a.txt | sort -t ":" -k 1.2 -r
root:x:0:0:root:/root:/bin/bash
root:x:0:0:root:/root:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
注:以":"为分隔符,以第一列的第二个字符排序,默认从前往后,从小到大。

补充:
cat a.txt | sort -t '':''  -k  2 以分割符的第2列顺序排序
cat a.txt | sort -t ":"  -k 1.2 以分割符的第一列的第2个字符排序
cat a.txt | sort -t ":"  -k 1.2 -r  以分割符的第一列的第2个字符倒序排序  replace
cat a.txt | sort -n  按数值排序 
cat b.txt | sort -t ": " -k 1.2 -n  以分割符的第1列的第2个字符的数值大小排序



**网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**

**[需要这份系统化的资料的朋友,可以点击这里获取!](https://bbs.youkuaiyun.com/topics/618635766)**

**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**

### 集成YOLOv5和DeepSort进行目标检测和跟踪 #### 安装依赖库 要集成YOLOv5与DeepSort,首先需要安装必要的Python包。可以通过pip命令完成这些操作。 ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 pip install opencv-python-headless numpy scipy filterpy git clone https://github.com/ultralytics/yolov5 # 获取YOLOv5仓库 cd yolov5 pip install -r requirements.txt # 安装YOLOv5所需依赖项 ``` #### 下载并配置DeepSort模型文件 接着下载预训练好的DeepSort权重以及对应的配置文件。通常情况下,可以从官方GitHub页面获取最新版本的资源链接。 ```python import os from pathlib import Path # 创建目录结构用于保存模型数据 weights_dir = 'deep_sort_weights' Path(weights_dir).mkdir(parents=True, exist_ok=True) # 下载MARPNet特征提取器权值 (可以替换为其他更合适的网络) !wget -P {weights_dir} http://ai.stanford.edu/~rbg/mars-small128.pb ``` #### 修改YOLOv5源码支持DeepSort功能扩展 编辑`yolov5/detect.py`脚本,在原有基础上加入对DeepSort的支持逻辑: ```python ... from deep_sort.utils.parser import get_config from deep_sort.deep_sort import DeepSort def main(opt): ... cfg_deepsort = get_config() cfg_deepsort.merge_from_file('deep_sort/configs/deep_sort.yaml') deepsort = DeepSort(**cfg_deepsort.DEEPSORT) while True: ret, frame = cap.read() # 读取视频帧 results = model(frame)[0].xyxy.cpu().numpy() outputs = [] if len(results) != 0: bbox_xywh = [] confidences = [] clss = [] for *xyxy, conf, cls in reversed(results): x_c, y_c, bbox_w, bbox_h = xyxy_to_xywh(*xyxy) obj = [x_c, y_c, bbox_w, bbox_h] bbox_xywh.append(obj) confidences.append(conf.item()) clss.append(int(cls)) xywhs = torch.Tensor(bbox_xywh) confss = torch.Tensor(confidences) outputs = deepsort.update(xywhs, confss, clss, frame) draw_boxes(outputs, frame) cv2.imshow("Live", frame) key = cv2.waitKey(1) if key & 0xFF == ord('q'): break cv2.destroyAllWindows() cap.release() ``` 上述代码片段展示了如何利用PyTorch加载YOLOv5模型执行物体检测任务,并通过调用DeepSort实例化对象更新追踪信息[^1]。
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