19、Linux 进程管理:用户、组、会话与守护进程详解

Linux 进程管理:用户、组、会话与守护进程详解

1. 用户和组 ID 相关概念

在 Linux 系统中,用户和组 ID 是管理进程权限的重要概念,主要涉及到实际用户 ID(real user ID)、有效用户 ID(effective user ID)和保存的用户 ID(saved user ID)。
- 实际用户 ID :属于实际运行程序的用户的有效用户 ID。
- 有效用户 ID :在验证进程凭据时检查的用户 ID,是关键的权限判断依据。
- 保存的用户 ID :进程的原始有效用户 ID,在进程执行 exec 调用时,内核会将其设置为有效用户 ID。

当进程执行 exec 调用时,通常有效用户 ID 不变,但如果执行的是 setuid(suid)二进制文件,进程的有效用户 ID 会被设置为程序文件所有者的用户 ID。例如, /usr/bin/passwd 是一个 setuid 文件,其所有者是 root,当普通用户的 shell 产生一个进程来执行该文件时,无论执行用户是谁,该进程的有效用户 ID 都会变为 root。

非特权用户可以将有效用户 ID 设置为实际用户 ID 或保存的用户 ID,而超级用户可以将有效用户 ID 设置为任何值。非特权用户不能更改保存的用户 ID,超级用户可以将其更改为与实际用户 ID 相同的值。

2. 修改用户和组 ID 的系统调用

Linux 提供了多种系统调用来修改用

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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