Vi的自学报告

vi的自学报告

vi是所有的Unix Like系统都自带的编辑器,而其他文本编辑器则不一定存在,所以我们用的较多的还是vi。vi具有程序编辑的能力,能以字体的颜色来辨别语法的正确性。而且它虽然历史悠久,但功能丰富,其中由它发展而来的vim则更是能力强大,如代码补全、编译以及错误跳转等等。所以我就在这里介绍一下vi/vim的使用。

  • 进入vi/vim
    只要在命令行输入vi/vim [filename]就能进入vi/vim,其中文件名并非必要。如果文件存在此目录,就会直接编辑已存在的文件;如果文件不存在,就由最后vi/vim的使用者是否决定保存了。vi/vim其实共分为三种模式,这时进入的是第一种模式:命令模式。
  • 命令模式
    这时用户从键盘键入的输入都会被当做命令。常用的命令有:
i, I这时用户会进入输入模式,i指直接能在光标所在位置开始输入;I指从当前行所在行的第一个非空格字符处输入。
a, A用户也会进入输入模式,a指在光标位置的下一个字符开始输入;A指从当前行行位输入。
o, O进入输入模式,o指在光标所在行的下一行处输入新的一行;O则指在上一行处输入新的一行。
r, R进入取代模式,r只由输入取代当前光标所在字符;R是一直取代下去,backspace则恢复。
x删除当亲光标所在的字符。
:进入底线命令模式,在最底一行输入命令。
k/↑光标向上移动一个字符。
j/↓光标向下移动一个字符。
h/←光标向左移动一个字符。
l/→光标向右移动一个字符。

后面的k、j、k、l如果在前面加上数字,就能跳转指定数字的字符。

  • 输入模式
    进入输入模式时,最底下有个Insert字样。输入模式下,有正常的文本编辑器的功能,什么Enter,Delete该有的功能都有。除此之外,还有些我认为比较常用的命令:
Home/End光标移到行首/行尾。
Page Up/Page Down上/下翻页。
ESC退出输入模式,切换到命令模式。
  • 底线命令模式
    底线命令模式是指只在最后一行输入命令的模式,同时也意味着这个文件已经编辑完成(当然,如果你好像编辑的话,只要删掉在命令模式下输入的冒号就行了)。所以这里的命令操作都是保存或者退出的命令。
q退出程序
q!强制退出程序,修改不会保留。
w保存文档。
w!强制保存文档,即使文件是”只读”的,但这就要看的你的权限了,无法保证一定能保存文档。
wq保存文档后退出。
wq!强制保存文档后强制退出。
ZZ大写的Z,如果文件没修改,就直接离开,否则保存后离开。
w filename相当于另存为(当然如果你是用vi/vim直接进来的的,不是修改现有文档,那就可以保存文档)

我所列举的这些其实并不全,vi/vim其实还有很多非常好用的功能,小伙伴如果需要的话再去查看吧,vi/vim的话,使用方法还是很容易搜得到的。
最后给大家分享一点vi/vim的 强化
先在命令行下输入sudo vim /etc/vim/vimrc,来修改vim的配置文件。
然后文件中有一句:syntax on,指语法高亮,如果被注释了,就请删掉注释。
最后在文件末尾加入下面的语句,让你的vi/vim更加强大:
set nu //在左侧显示行号
set nonu //取消行号
set tabstop=4 //tab 长度设置为 4
set nobackup //覆盖文件时不备份
set cursorline //突出显示当前行
set ruler //在右下角显示光标位置的状态行
set autoindent //自动缩进
inoremap ( ()i //自动补全小括号
inoremap [ []i //自动补全中括号
inoremap { {}i //自动补全大括号
inoremap < <>i //自动补全尖括号,这个其实不太好,因为大于号与小于号还是比较常用的,这时自动补全就不太好

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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