linux 基本命令汇总

!$
!$是一个特殊的环境变量,它代表了上一个命令的最后一个字符串。如:你可能会这样:
$mkdir mydir
$mv mydir yourdir

$cd yourdir
可以改成:
$mkdir mydir
$mv !$ yourdir
$cd !$

‘ALT+.’ or ‘ .’
热建alt+. 或 esc+. 可以把上次命令行的参数给重复出来。

 

du -s * | sort -n | tail
列出当前目录里最大的10个文件。

 

date -d@1234567890
时间截转时间

 

在命令行前加空格,该命令不会进入history里。

 

echo “ls -l” | at midnight
在某个时间运行某个命令。

 

ssh user@server bash < /path/to/local/script.sh
在远程机器上运行一段脚本。这条命令最大的好处就是不用把脚本拷到远程机器上。

 

ssh user@host cat /path/to/remotefile | diff /path/to/localfile -
比较一个远程文件和一个本地文件

 

ar
将许多档案备存成一个或多个档案
◎ ar -rcv 备存档名 欲备存档名1 欲备存档名2 ...
将「欲备存档名1 欲备存档名2 ...」及所有您指定的档案,备存至「备存盘名」中。
参数 -r:在新加入组成档时,检查备存档案中的组成党,如果重复的话,就取而代之。
参数 -c:建立备存档案。
参数 -v:显示详细信息。
◎ ar -t 备存档名 列出「备存档名」中之文件名
◎ ar -x 备存盘名 取出「备存盘名」中所有档案
◎ ar -x 备存盘名 备存盘中档案之档名 取出「备存盘名」中某些档案

du
取得文件夹大小
◎ du 文件夹路径 取得该「文件夹路径」中所有目录 (包含其下子目录) 的文件夹大小
◎ du -s 文件夹路径 取得该「文件夹路径」的文件夹大小 (不包含子目录)
◎ du -h 文件夹路径 以人类较易阅读的方式显示该「文件夹路径」的文件夹大小 (不包含子目录)

ln
建立档案或目录的链接文件
若修改透过 ln 指令建立出来的链接文件,原本的档案内容也会跟着改变
◎ ln 檔名 连结档名称 建立「檔名」的硬连结档,而该连结档名为 「连结档名称」
◎ ln -s 檔名 连结档名称 建立「文件名」的符号链接文件,而该连结档名为 「连结档名称」

tar
建立/解开 .tar 封装档
◎ tar -cvf 封装档名称.tar 文件夹名称 将 「文件夹名称」封装成为 「封装档名称.tar」档案
◎ tar -czvf 压缩封装档名称.tar.gz 文件夹名称 将 「文件夹名称」压缩成为 「压缩封装档名称.tar.gz」压缩文件
◎ tar -cjvf 压缩封装档名称.tar.bz2 文件夹名称 将 「文件夹名称」压缩成为 「压缩封装档名称.tar.bz2」压缩文件
◎ tar -xvf 檔名.tar.gz 解开 「檔名.tar」封装档
◎ tar -xzvf 檔名.tar.gz 解开 「檔名.tar.gz」压缩封装档
◎ tar -xjvf 檔名.tar.bz2 解开 「檔名.tar.bz2」压缩封装档


dos2unixunix2dos

LinuxWindows文本文件的行结束标志不同。在Linux中,文本文件用"/n"表示回车换行,而Windows"/r/n"表示回车换行。所以在Linux中使用Windows的文本文件常常会出现错误。为了避免这种错误,Linux提供了两种文本格式相互转化的命令:dos2unixunix2dosdos2unix"/r/n"转化成"/n"unixtodos"/n"转化成"/r/n"
命令dos2unixunix2dos的使用非常简单,格式为:dos2unix filename


以二进制的放置读取档案内容:od


内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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