Linux 心路历程

作者分享了一年来的Linux使用经验,从初学者的困惑到掌握常用指令、文件系统,推荐了《Linux就该这么学》一书,并对比了Linux与Windows的优缺点。文中提及了Linux在中文支持、驱动、稳定性及软件数量方面的不足,同时强调了其在资源管理和系统稳定性的优势。

1.心路历程

折腾Linux快一年了,使用过各种发行版,从Ubuntu,openSUSE、deepin以及centos,再到现在的Mint。也从开始的各种心累,心态爆炸到现在的遇问思源,熟悉常用的指令,熟悉权限系统,文件系统。


8923455-c794d5aeaeba3ff7.png
Linux Mint

2.截图欣赏

8923455-a0546df9666fdbff.png
desktop
8923455-87cca87fb9b7cc9a.png
terminal
8923455-84c097b3c7ef5cd6.png
work environment
8923455-a4986993058ebdde.png
workspace

3.学习之路

我从知乎上看见一篇文章里面的一句话对我影响十分深刻

若无力驾驭自由,自由便成为一种负担

使用Linux不也是这样吗,如果你缺少相关的专业知识,你就会感觉特别难用,开始将其与Windows各种比较,然后卸放弃。

如果你对Linux感兴趣的话,你可以先装一个虚拟机,找本入门的书籍,先折腾几下。虚拟机折腾坏了,还原一下就行了,学习起来时间成本会低很多。不至于双系统重装系统那么费事。Linux入门书籍的话,我建议《Linux就该这么学》,我也看了一点鸟叔的书,相比之下我更喜欢前者。

作为一个软件专业的,学习一点Linux还是很有必要的。使用Linux就像在调用一个库,而windows则更像是使用一个框架。前者是你调用它,后者则是它调用你。作为一个自由主义者,当然是喜欢Linux了啦!

4 Linux和Windows的优缺点

当然不可否认,Linux在很多方面有不足,比如

  1. 对中文的支持。我卸载Ubuntu的原因就是我无法解决IDEA中不能使用搜狗输入法。
  2. 驱动问题。我听说有的独显电脑好像有,但是我没有遇到
  3. 不稳定。不稳定我只在deepin中遇到过,其他版本还是很稳定的。
  4. 软件少。QQ,迅雷啥的没有,office办公软件也不太好用
    • QQ这东西我用的最多的还是传文件,如果你也是这样的话,可以用微云作为中转。微云和QQ文件是无缝传输的。
    • 对于很多大文件的下载,没有迅雷真的超级慢,所有我一般在windows下载之后切到Linux下 mv xxxx.tar.gz /home/download 的确略有折腾。
    • office的话,简单点的文档就markdown写,然后转成PDF。如果是PPT的话,那还是去Windows吧,因为Linux上的office真的容易炸。
      ...

使用Linux还有一个原因就是对Windows 10 太失望了。在Windows 10 的支配下,我一个室友都买MBP了,作为穷学生,为了躲避Windows 当然还是尝试 Linux了。说说我遇到的windows上的问题吧。

  1. 动不动强制你更新操作系统,给你弹窗。超级不喜欢这种被打扰的感觉
  2. 小米air下,电脑发热严重。换成Linux后如果不是编译Android程序,风扇基本上不怎么转,键盘也不烤手。
  3. 电脑很容易死机。这里说的死机是电脑待机之后,屏幕无法唤醒。
  4. 基本上每天需要重启电脑
  5. 可支配内存和磁盘小。对于8G+256G的笔记本来说,我是无法忍受windows系统自己占几十G磁盘的。也无法忍受开机占30%以上的内存

5.Linux软件环境

用途软件评价
浏览器Chrome、Firefox更喜欢Chrome,仁者见仁智者见智了
邮箱网页版有一些客户端,但是我更喜欢网页版的
IDEAndroidStudio GoLand IDEA PychamLinux 最不缺的软件
输入法当然是搜狗了真的良心
播放器网易云音乐好像也没有其他选择
聊天工具wewechat网民制作的linux版本微信,很不错
officeWPS可读吧,编辑的话,还是去windows吧

6. Linux美容

这个自己折腾去吧,没啥好说的。

【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)内容概要:本文提出了一种基于融合鱼鹰和柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法利用西储大学公开的轴承数据集进行验证,通过OCSSA算法优化VMD的分解层数K和惩罚因子α,有效提升信号分解精度,抑制模态混叠;随后利用CNN提取故障特征的空间信息,BiLSTM捕捉时间序列的动态特征,最终实现高精度的轴承故障分类。整个诊断流程充分结合了信号预处理、智能优化与深度学习的优势,显著提升了复杂工况下轴承故障诊断的准确性与鲁棒性。; 适合人群:具备一定信号处理、机器学习及MATLAB编程基础的研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标:①应用于旋转机械设备的智能运维与故障预警系统;②为轴承等关键部件的早期故障识别提供高精度诊断方案;③推动智能优化算法与深度学习在工业信号处理领域的融合研究。; 阅读建议:建议读者结合MATLAB代码实现,深入理解OCSSA优化机制、VMD参数选择策略以及CNN-BiLSTM网络结构的设计逻辑,通过复现实验掌握完整诊断流程,并可进一步尝试迁移至其他设备的故障诊断任务中进行验证与优化。
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