Linux - shell脚本学习笔记

本文介绍了Shell脚本的基础知识及常见问题解决方法,包括执行方法、编写规范、条件判断语句使用技巧等内容,并提供了实用的示例。

一、踩坑记录

1. sh脚本执行

# 没有赋权的三种执行方法
bash test.sh
sh test.sh
. test.sh

# 为sh脚本赋权后, 可直接./执行
chmod 755 test.sh
./test.sh

2. 编写规范

  • 为编写规范, 所有sh脚本第一行
#!/bin/bash
  • 变量的申明和引用
# 申明变量时, 等号左右两边不能有空格
val=123
# 如果有export前缀则是申明环境变量
export VAL_EXPORT=456

# 引用变量时, 直接 $变量 也行, 但是为了规范编写 ${变量} 更好
echo ${val}
  • echo打印文本时的引号与转义符\
# 这个是为了看着舒适, 在文本前后加引号
echo "\"hello world\""
# 实际打印内容是 "hello world"
  • if语句规范
fileName=test.sh
filePath=./${fileName}
# 注意[]内少一个空格都会使语句失效, []后跟分号 空格 then
# []内的判断变量用引号引起来, 如 "${filePath}"
# 每一个if都要用fi结尾
if [ -e "${filePath}" ]; then
	echo "\"${fileName}文件存在\""
	if [ -s "${filePath}" ]; then
		echo "\"${fileName}文件存在, 且文件大小大于0\""
		else
			echo "\"${fileName}文件存在, 但文件为空\""
	fi
	else
		echo "\"test.sh文件不存在\""
fi

二、常用指令

1. if参数

[ -e filename ] 如果filename存在, 则为真
[ -d filename ] 如果filename为目录, 则为真
[ -f filename ] 如果filename为常规文件, 则为真
[ -L filename ] 如果filename为符号链接, 则为真
[ -r filename ] 如果filename可读, 则为真
[ -w filename ] 如果filename可写, 则为真
[ -x filename ] 如果filename可执行, 则为真
[ -s filename ] 如果文件长度不为0, 则为真
[ -h filename ] 如果文件是软链接, 则为真
[ filename1 -nt filename2 ] 如果filename1比filename2新, 则为真
[ filename1 -ot filename2 ] 如果filename1比filename2旧, 则为真
[ -eq ] 等于
[ -ne ] 不等于
[ -gt ] 大于
[ -ge ] 大于等于
[ -lt ] 小于
[ -le ] 小于等于

— 较全面的if参数 —

2. > 和 >>

  • >
    将当前内容覆盖至指定文件, 由于>的操作是生成一个新文件替换原文件, 所以文件日期会更新.
# 执行curl, 将其返回结果保存至test.txt中
curl www.baidu.com > ./test.txt
  • >>
    将当前内容追加至指定文件.
# 查看hosts文件, 将其内容追加至test.txt中
cat /etc/hosts >> ./test.txt

3. exec

在一个sh脚本中调用另一个sh脚本

# 被调用的sh脚本需要先被chmod 755 test.sh赋权
exec ./test.sh

— 在sh脚本中调用另一个sh脚本的三种方式 —

4. 路径和转义符

在Linux中:

  • / 表示路径
  • \ 表示转义
  • - 表示参数

5. 创建指定大小的文件

truncate -s 25M test.file

— 创建指定大小文件的几种方法 —

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实现一键化建模的方法。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/高光谱影像的单一类别特征提取。; 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。
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