关于Linux的选择

如何选择适合自己的Linux发行版 软件包管理:Linux发行版通常使用不同的软件包管理工具,例如Debian的APT、Red Hat的DNF和Arch Linux的Pacman。你可以了解不同发行版的软件包管理工具的特点,以及它们的软件包库的规模和更新频率。选择适合自己的Linux发行版是一个重要的决策,因为它将直接影响到你的工作效率和开发体验。选择适合自己的Linux发行版是一个个人化的过程,需要根据自己的需求和偏好做出决策。安全性和稳定性:如果你需要一个稳定和安全的系统,那么选择一个长期支持(LTS)版本的发行版可能是一个明智的选择。 阅读详情
注:转自中国Linux公社论坛。(http://www.linuxfans.org/nuke/modules.php?name=Forums&file=viewtopic&t=136339)

首先声明一点,本人决无意挑起发行版本优劣的争端,每一个linux发行版都是很优秀的。我写这篇介绍性的文章只是不想看到新手在面对各种各样的版本无所适从,不得不发出什么样的linux版本适合我,我应该安装什么样子的linux之类的帖子求救。

我谨结合自己的使用体验,说说应该如何选择一个适合自己的linux版本。

linux发展到今天,发行版本早已达到百余。可以说百花齐放,但是究其本质,大多数的发行版本都可以从以下两个特点进行简单的区分。

1. 基于二进制或是基于源代码
总所周知,linux上运行的大部分软件都是开放源代码的,很多都需要手动编译,安装,这种安装方式非常麻烦,但是有些linux发行版,预先把软件安的源码包编译成了立即可执行的二进制软件包供用户下载,用户可以使用这些预先编译好的软件包来方便的构建自己的系统。那么这样的系统就叫做基于二进制软件安包的发行版,这样的linux发行版本的优点是很明显的。

Ⅰ可以快速的构建一个操作系统
因为可以使用预编译的软件包,用户就省去了编译的麻烦,而且很多二进制软件包里面都带有已经做好的配置文件,用户也因此省去了繁琐的配置时间。

Ⅱ 有效的降低了运行出错的几率
几乎每一个软件包都会经过严格的测试才会给用户使用,用户可以放心的使用这样的软件包,而不用担心运行问题。

Ⅲ 容易使用
因为不用操心软件的编译和软件安装后的配置,可以说这做到了即安即用,用户就算是不太了解软件的配置一样可以正常使用。

当然,缺点也是有的
Ⅰ 可定制性的降低
这是必然的,为了让二进制软件包可以运行在尽可能多的PC机器上,软件包制作团队用了很多保守的和通用的编译参数,也就是说,一个二进制软件包里面可能包含了你不想要的特性,也可能你想要的特性没有包含进去。解决这个问题的方法当然是自己编译软件包了。

Ⅱ 运行速度的降低
linux是用 gcc来编译的,而gcc这个编译器可以针对不同的cpu进行不同的优化,但是为了软件的通用性,二进制软件包就不会包含针对个别系统的优化,但是,这种性能的降低一般是感觉不到的。

反过来就是基于源代码的操作系统了,你可以把上面的优缺点反过来就知道一个基于源代码的发行版本的优缺点了。这种发行版本把源代码编译的工作放到用户的机器上面进行,用户就有更大的定制,优化的空间,用户也可以通过这样的个性化的设置来得到最适合自己的linux,

基于二进制软件包的发行版本有很多,著名的有 Fecora Debian ubuntu suse Mandrakelinux slackware等等等等。这些发行版本都会让你快速的构建一个可用的操作系统

相对而言,基于源代码的linux发行舨就不太多了,著名的就是gentoo和LFS。

2。软件包管理机制的有无
linux里面软件丰富,且相互依赖,关系复杂,很不容易处理,所以,很多linux发行版本都自己带了一个软件包管理工具,比如说著名的apt/dpkg yum/rpm emerge/ebuild 等等,这些包管理机制虽然各有千秋,但是本质基本相似,都可以很好的解决软件包的安装,卸载问题。这样的软件包管理机制优点也是明显的。

优点
Ⅰ 可以很好的解决软件包的依赖问题
用过redhat发行版本的人都会为这个问题头痛不已,每每被软件包的依赖问题搞的焦头烂额。有了软件包管理机制,这种问题可以说基本解决。

Ⅱ 很容易的更新系统
很多软件包管理器都可以上网去download一些软件的最新版本来给用户使用,使得用户总是能用上最新的软件,这是再好不过的事情了。

缺点
Ⅰ 多余软件包的安装
为了安装一个软件包,软件包管理器通常会我为你的系统添加很多软件包,有些是必须的,有些则是附加(Option)这占用了宝贵的磁盘空间。

Ⅱ 系统对软件包管理器的依赖
一旦软件包管理器挂掉,系统将可能不能被更新,笔者就遇到了几次这样的错误,最后的结果就是重新安装系统。但是,无论如何,软件包管理机制都是linux发行版本的一个重要组成部分。比较好用的软件包管理机制有 apt yum等,而基于二进制软件包系统的除了redhat和slackware以外,基本都带有一个软件包管理系统,所以用户可以放心拿来使用。

以上两点是评价一个linux版本是不是适于“我”的两大重要特质。根据这样的特质,我们可以大致分出来三种操作系统

1 基于二进制带软件包管理机制的操作系统
大多数的发行版本都属于这一类,著名的有 Debian ,Fedora core , Mandrake , suse, 等等。这一类的linux发行版本也是最适合新手使用的。

2 基于源代码带软件包管理机制的操作系统
我用过的只有一个。 gentoo ,这个操作系统可以帮助你建立起一个适合你机器的linux发行版

3 基于源代码不带软件包的操作系统
这个比较变态,但是可定制空间最大,最著名的就是LFS。

当然,我们还有很多考察一个linux发行版本是不是适合自己的点。
比如说

1 该操作系统是不是有丰富的配置工具
2 该操作系统对硬件支持怎么样
3 该操作系统运行速度怎么样
4 该操作系统的稳定性怎么样
5 该操作系统很容易安装么
6 对于中文用户,当然还关心这个发行版本的中文化怎么样

对于这几点,大致上来说,商业上发行版本要比民间志愿者作的发行版本要好(运行速度除外),一个新手要打算使用linux,最好的选择就是选择类似于 Mandrake Suse(据说运行速度比较慢)这样的版本,还有虽然不是商业发行版本但是中文化也作的很不错的Magic linux 以及 hiweed debian 0.6(注意,我说的是0.6)

但是,其他的linux发行版本也是很有特点的,稍微有一点基础的人群可以选用 ubuntu debian 这两个发行版本易用性和中文化并非不好,但是初学者可能会因为这两个操作系统相对简陋的配置工具而受到打击(实际上没那么严重了,用上两三天就好了)

最后是我结合我自己的了解对各大发行版本的总结

Debian 这个发行版本在所有发行版本里面堪称最严谨的,apt软件包管理机制可以让用户快速建立起来高效的操作系统。稳定性也是出名的,这个发行版很多软件默认就有很好的设置,可以作为日常的工作使用。对硬件支持也不错,笔者的笔记本上外设特别多,几乎没有做什么特别的设置那些外设就完全正常的工作了,当然中文化可能需要花你一点点的时间,也就是添加几句话而已。

Fedora Core /Redhat 全拜中国盗版商的功劳,这个系列的发行版能够在中国生存下来,原来的redhat已其最烂的rpm软件包管理机制闻名于世,而现在的FC 则以臃肿的外表和缓慢的运行速度明满天下,笔者不推荐这个版本作为首选,是因为这个版本是作为Redhat的一个实验版本发行,把用户作为小白鼠的行为实在是让人无法忍受。
但是,作为服务器发卖的RH还是很有竞争力的,可惜我手里没有银子,买不起。

gentoo 这个发行版本是基于源代码包的发行版本,特点当然就是运行快速,以及可定制性,当然,相对的代价就是漫长的编译时间,编译一个套件花费一个晚上那是正常的。但是,因为有了 ebuild 这个有效的软件管理器,gentoo已经成为了很多既想要速度有不想自己解决软件包依赖关系的用户的首选

LFS 我之所以反复的提到这个发行版本是因为,它太灵活了,它是你的linux发行版本,虽然代价就是你要自己管理软件包,自己编译,自己给自己的操作系统打补丁,但是,这些是你的,实实在在的,你知道你在你的系统上都作了什么。你可以在这里学到很多东西。

Mandrake 这个版本就是给新手或者给打算用linux工作的人作的,它有一个软件包很丰富的软件仓库,用户可以方便的安装这些软件并使用它们,而且现在这个发行版本的运行速度也是很快的,曾经有人在linuxsir上写过 《 打破Debian神话 》之类的文章来为这个版本作宣传,可见这个版本在总多网友中已经得到肯定,给我一个不用这个发行版的理由,有吗?

Slackware 这个发行版本最大的特点就是,没有配置工具,什么都通过修改配置文件来进行,如果想学习linux背后的东西,那就用这个发行版本吧。

Suse 不能不说这个家伙两句,就是华丽的外表,容易上手的配置工具,和缓慢的运行速度,当然,高配置电脑的用户可以尝试一下这个产品。

Ubuntu 这是最近在国内相当火热的版本,在全世界也是这样,这是一个从debian衍生出来的发行版,软件更新极快,gnome2.12刚出来第二天就被它放在了自己的软件服务器上供用户下载了,而且这个发行版对各种硬件的支持也特别好。用户几乎不用什么特别的配置就可以使用自己机器上面所有的硬件了。如果你用笔记本,可以尝试一下它。不过这个版本因为比较年轻,所以软件服务器很少,速度也比较慢,如果家里不是宽带,那还是不要用这个版本了。
4.无限共轭距柯克物镜设计——zemax学习笔记 无限共轭cooker物镜 阅读详情

相关推荐

切比雪夫插值

切比雪夫插值是一种基于切比雪夫节点的多项式插值方法,其优势是减少插值误差(特别是龙格现象:表现为高维插值时在边缘处插值误差骤增)。本文对其基本操作进行说明。

平和少年的博客 1647

Linux操作系统怎么选?帮助你从令人眼花缭乱的Linux发行版选择地狱冲出来

Unix->(Linux系、MacOS系、Windows系),Linux系就是基于Linux内核的一堆发行版、以及基于发行版的发行版。Debian -> Ubuntu -> Kali(特种Linux三次发行版-网络安全用)国产的操作系统99%都是在Linux发行版-CentOS上的二次开发版。1.1、主要有红帽系(CentOS)、Debian两大系,有钱还可以选红帽的。红帽系 -> Fedora(Linux之父在用,也在骂)(Linux内核->CentOS->国产操作系统)。至自己的云服务器版Linux。

Doctor_Who_Fish的博客 458

TCP报文 Flood攻击原理与防御方式

TCP交互过程中包含SYN、SYN-ACK、ACK、FIN和RST报文,这几类报文也可能会被攻击者利用,海量的攻击报文会导致被攻击目标系统资源耗尽、网络拥塞,无法正常提供服务。接下来我们介绍几种常见的Flood攻击的原理和防御方式。

qq_32044265的博客 4219

如何选择最合适自己的 linux 系统 ?收藏这一篇就够了

如何选择最合适自己的 linux 系统 ?收藏这一篇就够了

2302_76672693的博客 1222

SCSA,scCATCH,SciBet,SingleR 四种注释方法比较

以下是和四种细胞类型注释方法的详细对比,从。

qq_40256654的博客 1216

Python 对接钉钉获取员工上一篇日报或周报内容

摘要:本文介绍使用Python对接钉钉API获取员工日报/周报的方法。首先需创建钉钉应用并开通日志权限,获取员工UserID。通过获取AccessToken进行鉴权,调用topapi/report/list查询日志记录,筛选最新日报/周报后,使用topapi/report/details获取详细内容。需注意权限控制、时间范围筛选和模板匹配等问题。文末提供完整代码示例,并建议扩展自动化触发、数据存储等功能。该方法适用于企业自动化获取员工工作日志的场景。

从技术实践立足,从项目管理方法论延伸思考 814

Web安全和渗透测试有什么关系?

做渗透测试的一个环节就是测试web安全,需要明白漏洞产生原理,通过信息收集互联网暴露面,进行漏洞扫描,漏洞利用,必要时进行脚本自编写和手工测试,力求挖出目标存在的漏洞并提出整改建议,当然如果技术再精一些,还要学习内网渗透(工作组和域环境),白盒审计,app,小程序渗透那些了......可以说是最科学最系统的学习路线,大家跟着这个大的方向学习准没问题。当然除了有配套的视频,同时也为大家整理了各种文档和书籍资料&工具,并且已经帮大家分好类了。总之,web安全包含于渗透测试,但不是渗透测试的全部。

Python_0011的博客 4864

ABAP CDS SELECT, parameters 全面解析:把参数化视图玩明白(含可运行示例)

这篇技术博客介绍了ABAP CDS中参数化视图的用法与实践。文章从业务需求出发,解释了参数化视图的必要性,并详细说明了语法规则、参数类型匹配、视图内部参数引用等关键点。重点展示了在JOIN和ASSOCIATION中传递参数的写法,提供了航线分析的完整业务案例和可运行代码示例。文章还总结了视图实体与DDIC视图的差异、会话变量使用技巧等实践要点,特别强调了JOIN中必须显式传参的语法要求。通过真实场景演示,帮助开发者掌握参数化CDS的高效应用。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 365

选择 Linux 操作系统版本

选择 Linux 发行版时需要综合考虑使用场景、用户技能水平、软件包管理系统、社区支持、稳定性、硬件兼容性、安全性以及商业支持等因素。每个发行版都有其独特的特点和适用范围,因此最好根据你的具体需求和经验水平来选择合适的版本。如果不确定,可以先从用户友好、社区支持活跃的发行版(如 Ubuntu 或 Linux Mint)入手,随着使用经验的增加,再根据需求尝试其他更为专业或定制化的发行版。

Flying_Fish_roe的博客 1482

课题申报书成功率提升85%!借助大模型AI精准选题、搭综述框架及提炼创新点(附实操AI提示词)

写一份高质量的课题申报书往往面临许多困难,对很多同仁来说,难就难在:选题既要新又要能落地,文献综述要结构清晰还得有观点,研究目标要写得有逻辑还不能夸大,创新点必须得新。而且就算你有思路,也卡在怎么组织语言,怎么压缩字数上。现在我们用ChatGPT等AI工具,可以帮我们从“选题策划 → 综述撰写 → 目标拆解 → 创新提炼 → 团队结构”实现申报工作的全流程,我们要做的就是设计好提示词和收集相关资料。这篇文章将会从申报工作的六个核心模块出发,并给出参考AI提示词,帮你快速提升课题申报效率。

智能AI让学术科研更容易 909

行为预测模型:Social LSTM与Graph Neural Networks

行为预测模型:Social LSTM与Graph Neural Networks ,人工智能,计算机视觉,大模型,AI,本文围绕行为预测模型Social LSTM与Graph Neural Networks展开,介绍了两者的基础概念、原理、应用场景,还对比了它们在优势、劣势和适用场景上的不同,最后给出了相应的代码示例。Social LSTM基于LSTM,通过社交池化层处理多智能体交互;图神经网络处理图结构数据,靠消息传递获取信息,二者各有侧重,适用于不同场景。

不踩坑,不知道坑有多深;不总结,踩过的坑白踩。 15万+

各类Linux操作系统如何选择?

CentOS的全称是Community Enterprise Operating System,它由社区开发和维护,目标是提供一个稳定、可靠的企业级操作系统,同时保持与RHEL高度兼容。它提供了广泛的软件包选择,包括常用的服务器软件、开发工具、数据库系统等,可以满足不同用户的需求。Ubuntu是一种广泛使用的自由Linux操作系统,它以易用性、稳定性和社区支持著称。Debian由社区开发和维护,它的目标是提供一个完全自由的操作系统,同时支持多种硬件体系结构,并提供广泛的软件包选择。桌面平台:Ubuntu。

diskindom的博客 837

RK3568 Android14 调试 RTL8211F 千兆以太网 (RGMII)

调试 RTL8211F 的核心在于:确认地址(看电阻贴片情况)和 搞定延时(配置 rgmii-id 或微调 delay 值)。一旦这两点对上了,RK3568 的千兆网络就能稳定运行。希望这篇结合原理图的实战记录能帮到你!

qq_33427070的博客 1651

linux版本选择,Linux版本选择参考

最近又开始学Linux啦!又有很多刚入门Linux的人私底下和我说,Linux的发行版种类真的是多得眼花缭乱,又听说每个Linux的命令又有差异,如包的管理有的是RPM,有的是YaST,有的是APT......搞得无从下手。其实关于这个话题我几年前也发过一篇关于版本的选择的介绍,现在回顾起来,这篇文章太长,新手读起来可能比较乏味。那么,今天旧事重提,也尽量言简意赅的说几点关于新手对于Linux版本...

weixin_39919195的博客 189

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

Linux操作系统的选择

废话少说,不是说选择windows不行,而是越来越多的客户包括我们自己创建平台都会使用linux,稳定、安全是不可质疑的,如果硬要用windows来和我辩一辩,那么着实没空陪你玩。  下面列一下不同情形下选择linux操作系统的类别:  一、商业化   如果你的平台足够大,足够有爆发发展的趋势,那么你肯定需要更多的官方支持而不是招聘一大堆运维人员来自行维护,那么请选择 Red Hat Ent

liangyixin19800304的专栏 1181

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

【Linux】选择哪种 Linux版本更好一些?

今天我决定写一篇关于如何选择Linux发行版的博客文章,以便于大家借鉴。 正文共:3680 字  预计阅读时间:10 分钟 很多人经常会问我这样一个问题:“嘿,你是用Linux的,对吧?我应该使用Linux的哪个版本?我有这个朋友推荐我_____,你觉得怎么样?”我通常会以这样的问题回复:这取决于你想做什么? 今天我决定写一篇关于如何选择Linux发行版的博客文章,以便于大家借鉴。 ...

happydecai的博客 7万+

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

shell题库选择题_linux题库选择及答案

linux题库选择及答案一、选择题1.在创建Linux分区时,一定要创建( D )两个分区A. FAT/NTFS B. FAT/SWAP C. NTFS/SWAP D.SWAP/根分区2.在Red Hat Linux中,系统默认的(A)用户对整个系统拥有完全的控制权。A. root B. guest C. administrator D....

weixin_39910043的博客 1838

linux选择java_linux下选择java版本

使用alternatives命令完成,必须具有root权限。alternative命令介绍alternatives version 1.3.30.2 - Copyright (C) 2001 Red Hat, Inc.This may be freely redistributed under the terms of the GNU Public License.usage: alternati...

weixin_42638139的博客 791

Linux编辑器的选择

<!-- @page { margin: 0.79in } P { margin-bottom: 0.08in } --> 起因 因项目需要,我也开始转入Linux开发,转就转呗,虽然我未真正在Linux开发过,但我也玩过linux,基本的vimg

懒蚂蚁的专栏 993

Linux系统各版本区别,如何选择?

这篇文章,我们分析了 Linux 几种常见的发行版以及它们的优缺点。在实际生产中如何选择,可以参考上面的意见,最终还是需要根据公司或者团队的实际情况来决定。三两肉。

三两肉的博客 2169

如何选择最合适自己的linux系统

如何选择适合自己Linux系统

极限 1万+

Linux版本选择经验分享

今天我决定写一篇关于如何选择Linux发行版的博客文章,以便于大家借鉴。 正文共:3680 字 预计阅读时间:10 分钟 很多人经常会问我这样一个问题:“嘿,你是用Linux的,对吧?我应该使用Linux的哪个版本?我有这个朋友推荐我_____,你觉得怎么样?”我通常会以这样的问题回复:这取决于你想做什么? 今天我决定写一篇关于如何选择Linux发行版的博客文章,以便于大家借鉴。 ...

Liebers的博客 734

linux之安装模式的选择

 

Steve_Noah的博客 1281

如何选择linux系统版,熟悉很重要 如何选择合适的Linux发行版

Linux现状与大多数桌面和服务器操作系统不同,Linux拥有多个版本,他们各自都是基于Linux内核和各种GNU,如果你正在运行Linux桌面或者Linux,你应该了解他们各自的重要差异,你应该独具慧眼的知道哪些Linux最适合哪种应用情况,本文将帮助你做到这一点。由于是开源软件,Linux的版本数量很难让人具体知道有多少,但是我们可以来看一下最常用的这些名单都有谁:红帽企业Linux(RHEL...

weixin_39596090的博客 197

Linux发行版 教你如何选择

Linux的发行版何止琳琅满目,简直是乱入你眼。 本篇将介绍笔者选择发行版的经验,会从家用既能娱乐又能工作的PC角度去谈。 选择发行版需考虑哪些因素 选择发行版时需要考虑的因素不少。选择常常没有完美,只有最适合。 背景、面向用途、用户群、软件源、支持周期、更...

这个博客已搬家请移步 6740

Linux系统选择

Linux系统选择1.常见Linux发行版① Red Hat Linux②Ubuntu Linux③ SuSE Linux④ Gentoo LinuxLinux所有发行版本Linux 发行版本的选择 1.常见Linux发行版 ① Red Hat Linux Red Hat(红帽公司)创建于 1993 年,是目前世界上资深的 Linux 厂商,也是最获认可的 Linux 品牌。 Red Hat ...

JSL481783335的博客 703
上一篇: Windows系统文件保护
下一篇: Linux以及各大发行版介绍
iiprogram
博客等级 码龄25年 1068粉丝 1515原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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