Sudo zz


 
Sudo 我覺得是一個蠻不錯的程式,可以不用知道 root 的 password,但是卻可以做 root 的事,
像是關機或是編輯一些重要的 config 檔案等等。

原始網頁:http://www.courtesan.com/sudo/sudo.html
檔案下載:http://linuxnews.idv.tw/download/sudo-1.6.1-1.i386.rpm
檔案版本:sudo 1.6.1 - 1
測試系統:RedHat 6.2


下載完之後安裝

rpm -i sudo-1.6.1-1.i386.rpm

編輯設定檔 /etc/sudoers,原則上裡面就有一個帳號是 root (再最後一行)

root ALL=(ALL) ALL

看到這個你應該會設了吧,如果你要讓 linuxnews 這個 user 可以執行跟 root 的權限一樣的話就加入

linuxnews ALL=(ALL) ALL

但是我覺得這樣還無法達到我們的需求,對於系統安全來說還是太危險的如果你只要讓 linuxnews 可以編輯
httpd.conf 然後再重新啟動 httpd 的話,就加入底下的敘述

linuxnews ALL=/usr/bin/pico,/etc/rc.d/init.d/httpd

當 linuxnews 要編輯 httpd.conf 的話就要

sudo pico /etc/httpd/httpd.conf

重新啟動 httpd

sudo /etc/rc.d/init.d/httpd restart

好了,看出倪端了嗎?簡單來說已經加入 /etc/sudoers 裡的 user 如果要執行程式的話就要再指令前面加 sudo
不過如果 sudo 可以再搭配限制目錄的話就更好了,有人知道的話要告訴我呦

 


ps: 1.pico 是我常用的編輯程式
2.記住要將你的 /etc/sudoers 的權限改為 440 或是更隱密的
3.使用 sudo 的時候會問你密碼喔,當然不是 root 的啦,如果是 root 密碼的話那還要 sudo 幹麻咧,當然是自己的啦

具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)内容概要:本文介绍了一个涵盖多个科研领域的综合性MATLAB仿真资源集合,重点聚焦于光伏发电系统中基于粒子群优化(PSO)算法的最大功率点追踪(MPPT)技术的Simulink仿真实现。文档还列举了多种MPPT方法(如P&O、增量电导法、神经网络、模糊逻辑控制等),并展示了该团队在电力系统、智能优化算法、机器学习、路径规划、无人机控制、信号处理等多个方向的技术服务能力与代码实现案例。整体内容以科研仿真为核心,提供大量可复现的Matlab/Simulink模型和优化算法应用实例。; 适合人群:具备一定电力电子、自动控制或新能源背景,熟悉MATLAB/Simulink环境,从事科研或工程仿真的研究生、科研人员及技术人员。; 使用场景及目标:①学习并实现光伏系统中基于粒子群算法的MPPT控制策略;②掌握多种智能优化算法在电力系统与自动化领域的建模与仿真方法;③获取可用于论文复现、项目开发和技术攻关的高质量仿真资源。; 阅读建议:建议结合提供的网盘资料,按照研究方向选取对应模块进行实践,重点关注Simulink模型结构与算法代码逻辑的结合,注重从原理到仿真实现的全过程理解,提升科研建模能力。
热成像人物检测数据集 一、基础信息 数据集名称:热成像人物检测数据集 图片数量: 训练集:424张图片 验证集:121张图片 测试集:61张图片 总计:606张热成像图片 分类类别: - 热成像人物:在热成像图像中的人物实例 - 非热成像人物:在非热成像或普通图像中的人物实例,用于对比分析 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。数据来源于热成像和视觉图像,覆盖多种场景条件。 二、适用场景 热成像监控与安防系统开发: 数据集支持目标检测任务,帮助构建能够在低光、夜间或恶劣环境下自动检测和定位人物的AI模型,提升监控系统的可靠性和实时响应能力。 红外视觉应用研发: 集成至红外摄像头或热成像设备中,实现实时人物检测功能,应用于安防、军事、救援和工业检测等领域。 学术研究与创新: 支持计算机视觉与热成像技术的交叉研究,助力开发新算法用于人物行为分析或环境适应型检测模型。 教育与培训: 可用于高校或培训机构,作为学习热成像人物检测和AI模型开发的教学资源,提升实践技能。 三、数据集优势 精准标注与多样性: 每张图片均由专业标注员标注,确保边界框定位准确,类别分类清晰。包含热成像和非热成像类别,提供对比数据,增强模型的泛化能力和鲁棒性。 场景实用性强: 数据覆盖多种环境条件,如不同光照和天气,模拟真实世界应用,适用于复杂场景下的人物检测任务。 任务适配性高: YOLO标注格式兼容主流深度学习框架(如YOLOv5、YOLOv8等),可直接加载使用,支持快速模型开发和评估。 应用价值突出: 专注于热成像人物检测,在安防、监控和特殊环境检测中具有重要价值,支持早期预警和高效决策。
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