Linux06 linux常用命令(文件目录常用操作命令汇总)

linux常用操作命令 当然,如果想解压缩,就直接替换上面的命令 tar -cvf / tar -zcvf / tar -jcvf 中的“c” 换成“x” 就可以了。例如:有一个文件filename,权限为“-rw-r----x” ,将权限值改为“-rwxrw-r-x”,用数值表示为 765。将一个命令的标准输出作为另一个命令的标准输入。tar -zcvf /home/abc.tar.gz /home/abc 打包,并用gzip压缩。如图所示,jdk-7u21-linux-i586.tar.gz文件的权限为-rw-rw-r-- 阅读详情
  • 第一部分 cd 、 ll 、mkdir 、rmdir 、 touch 、rm、 cp 、mv 、cat 、more 、less、 tail 、 grep (共两部分)

1.1  目录切换

                                  cd ../      切换到上一层目录

                                  cd /     切换到系统根路径

                                  cd ~     切换到用户主路径

                                  cd -     切换到上一个所在目录    

                                  man+命令 查询操作命令的一些参数    例如man ls 查看显示文件列表的组合参数  

1.2  显示文件列表

                                  ls 显示当前目录下所有的文件和目录

                                  ls -a 显示所有包括隐藏的文件

                                  ls -l 查询所有文件和文件夹 缩写成ll

                                  ll -a 查询所有

                                  ll -h 友好的查询并显示文件的大小

                                  dir 用的不多       

             

1.3   创建目录移除目录

                                     mkdir a 创建一个目录

                                     rmdir a 移除一个空目录

                                     mkdir -p a/b/c 创建级联文件夹                   

1.4   创建文件命令

                                     touch a.txt    创建一个空文件

                                     touch a/a.txt  在a文件夹下创建一个a.txt文件

           创建一个文件的另外一种方式

                                      vim a.txt   创建并编辑a.txt文件

                                                 输入:wq 按回车 保存内容并退出编辑     

             

1.5   删除文件和目录

                                         rm [参数] a.txt      

                                                       参数:  -f强制删除  -r递归             

              删除文件

                                          rm   a.txt          删除a.txt文件

                                          rm -f  a.txt       不询问直接删除a.txt

              删除目录      

                                          rm -r  a           递归删除目录(文件夹)                                                              

                                          rm -fr a           不询问递归删除a (慎用)                                                              

                                          rm -rf *           删除所有文件(慎用)                                                              

                                          rm -rm / *         自杀 连自己都删除(慎用)                            

1.6   拷贝文件                   

                                         cp a.txt b.txt    复制文件a.txt到另起名为b.txt的文件 a.txt和b.txt一样

                                         cp a.txt c/b.txt  复制a.txt文件到c文件夹中

                                         cp a.txt ../      复制a.txt到上层目录中

           

1.7   移动(剪贴)或者重命名  

                                                        mv a.txt ../       将a.txt移动到上层目录中

                                                        mv a.txt  b.txt    将a.txt文件重命名为b.txt         

1.8  浏览文件

                                          cat a.txt     查看a.txt的全部信息                    

                                            more a.txt    分页查看a.txt的全部信息

                                                                          空格显示下一页的数据,回车显示下一行的数据

                                                                          不想看了,按q退出

                    

                                           less a.txt    和more差不多 区别是用 PgUp 和 PgDn进行翻页的 也是按q退出                                

                                           tail -10 a.txt     查看最后10行内容                   

                                           tail -f  a.txt     动态查看日志(如果另一边有更新 也会把更新的加载出来)  

                                                                                                                                按Ctrl+C 结束              

1.9   grep命令 主要用途查找相关信息  例如error 快速定位错误信息

             

                                          grep debug yum.conf                   查看yum.conf中包含有debug内容的一行内容

                                          grep debug yum.conf --color          查看yum.conf中包含有debug内容的一行内容并高亮显示

                                          grep debug yum.conf --color -A5      带debug的内容往后数五行

                                          grep debug yum.conf --color -A5 -B   带debug的内容往后数5行 往前3行

                                           grep error yum.conf    


  • 第二部分 文件编辑、打包解压、管道、重定向 、&& 等  (共两部分 )

   2.1   编辑器vi 和vim

           vim是对vi进行了扩展 vim编辑的时候会带有颜色

                                           vim a.txt 打开a.txt文件

                                          切换到命令行模式: 按Esc键

                                         切换到插入模式按i  在当前位置前插入      I当前行首插入

                                                                     o  在当前行之后插入一行  O当前行之前插入

                                                                     a  在当前位置后插入      A在当前行尾插入

                                         yy 复制当前行

                                         p  粘贴

                                         切换到底行模式 按:(冒号)

                    

                                         esc-->  :q  退出

                                         esc-->  :wq 保存并退出

                                         esc-->  :q! 不保存退出/强制退出

             

2.2   tar命令:打包或者解压

                     tar命令在/bin目录下,能够将用户所指定的文件或者目录打包成一个文件,但不做压缩

                     一般linux上常用的压缩方式是选用tar将许多文件打包成一个文件,再以gzip

                     压缩命令压缩成xxxx.tar.gz(或者xxxx.tgz)的文件

                    

                        xxxx.tar就是将多个文件打包但是不压缩

                        xxxx.tar.gz就是将文件打包且压缩

                     常用参数

                                   -c 创建一个新的tar文件

                                   -v 显示运行过程的信息

                                   -f 指定文件名

                                   -z 调用gzip压缩命令进行压缩

                                   -t 查看压缩文件的内容

                                   -x 解开tar文件

                     打包:

                            tar -cvf xxx.tar ./ *       把当前路径下所有的文件打包到xxx.tar里面了

                     打包压缩

                            tar -zcvf xxx.tar.gz ./ *   把当前路径下所有的文件都打包压缩成xxx.tar.gz文件了

                    

                     解压

                            tar -xvf xxx.tar.gz           解压文件

                            tar -xvf yyy.tar.gz -C /usr/aaa   解压到一个指定的路径下(C是大写)                                  

2.3  重定向输出

                                        ifconfig 查看网卡信息

                                        ifconfig >a.txt 把信息重定向a.txt

                                        > 重定向输出,会将原来重定向的内容覆盖掉

                                        >> 重定向输出,并且追加内容

2.4  管道 |

                                         管道(|)的作用就是将一个命令的输出用作另一个命令的输入

                                          ll --help           查看很多的命令

                                          ll --help | more    分页浏览很多的命令

                      

                                          ps -ef               类似于Windows里面的任务管理器 显示很多的进程

                                          ps -ef | grep  aio    查找所有显示的进程中带有aio字样的

                                          ps -ef | grep java    查找所有进程中和java相关的进程

 

2.5   &&命令执行控制  与

                                   只有在&& 左面的命令返回真(命令返回$?==0) 右面的命令才会执行

                                   只要有一个命令返回假(命令返回$?==1) 后面的命令就不会被执行

                

                                   mkdir a && cd a  创建a 并且进入到a目录下     

                                   du -h          显示当前目录的大小                           

                                   who              显示目前登入系统的用户信息                         

2.6  其他常用命令

                                         pwd 显示当前所在目录或者路径

                                         wget  下载资料   wget + 网址路径

 

 

 

                                                        <完>

说明:此文仅仅是简单的常用命令入门

Unity 面试篇|(三)设计模式篇 【全面总结 | 持续更新 | 建议收藏】 设计模式是一套被反复使用、多数人知晓、经过分类编目、代码设计经验的总结。设计模式与方法或库的使用方式不同, 你很难直接在自己的程序中套用某个设计模式。模式并不是一段特定的代码, 而是解决特定问题的一般性概念。你可以根据模式来实现符合自己程序实际所需的解决方案。常常会混淆模式和算法, 因为两者在概念上都是已知特定问题的典型解决方案。但算法总是明确定义达成特定目标所需的一系列步骤, 而模式则是对解决方案的更高层次描述。同一模式在两个不同程序中的实现代码可能会不一样。单例模式。 阅读详情

相关推荐

Spring Authorization Server实战:从零搭建OAuth2.1授权中心(含数据库改造)

本文详细介绍了如何从零开始使用Spring Authorization Server搭建符合OAuth2.1规范的授权中心,并完成关键的数据库持久化改造。内容涵盖微服务架构下的统一认证需求、基础配置、数据库表设计、高级特性(如令牌自定义、性能优化)以及与现有系统(如SSO、Gateway网关)的集成实战,为构建生产级授权服务提供完整指南。

weixin_29315091的博客 256

Linux 常用命令最全总结

(分析一行的信息,若当中有我们所需要的信息,就将该行显示出来,该命令通常与管道命令一起使用,用于对一些命令的输出进行筛选加工等等)对文件进行打包,默认情况并不会压缩,如果指定了相应的参数,它还会调用相应的压缩程序(如gzip和bzip等)进行压缩和解压)推荐。(用于查看文本文件的内容,后接要查看的文件名,通常可用管道与 more 和 less 一起使用)(用于复制文件,copy之意,它还可以把多个文件一次性地复制到一个目录下),它的参数是要切换到的目录的路径,可以是绝对路径,也可以是相对路径)

m0_52775179的博客 4万+

Apache-Plc4x-Modbus-Tcp学习记录(一)

Apache-Plc4x-Modbus-Tcp学习记录(一)

weixin_45325423的博客 6989

Linux中文件操作基本指令大全

ll命令:可以用于查看文件情况,列出当前文件或目录的详细信息,含有时间、读写权限、大小、时间等信息。2、owner、group和others三种身份各自的三个权限,用u、g、o代表三种身份,用a(all)代表所有身份,命令为:其中的权限为r|w|x。tail -2 access.log(常用)、tail -n 2 access.log、tail -n -2 access.log。3、查看access.log文件的后2行。查找指定文件类型的文件(f:普通文件、d:文件夹、l:链接文件、p:管道文件、s。...

m0_52165864的博客 2万+

数十个锂电池充放电电路,锂电池充放电芯片

关乎锂电池供电的产品,在锂电池上,需要三个电路系统:1,锂电池保护电路,2,锂电池充电电路,3,锂电池输出电路。 内容目录: 单节的锂电池保护电路单节为3.7V锂电池(也叫4.2V)和3.8V锂电池(也叫4.35V) 单节的锂电池充电电路即锂电池保护板 单节的锂电池输出电路锂电池转换稳压输出为:1.2V,3.3V,5V,12V等等 两节的锂电池保护电路两节串联7.4V锂电池(也叫8.4V) 两节的锂电池充电电路即两节锂电池保护板 两节...

kuakewei123的博客 1万+

cutlass2.x源码解读之PitchLinearStripminedThreadMap

TensorCoord:使用layout::PitchLinearCoord作为张量坐标。Shape:使用模板参数Shape_作为tile的形状,kThreads:线程总数,定义为模板参数Threads。kElementsPerAccess:每次访问的元素数,定义为模板参数ElementsPerAccess。ThreadAccessShape:线程访问的形状,使用layout::PitchLinearShape定义。内部实现细节:ShapeVec。

jiangjkd的专栏 790

Linux文件目录类常用命令

Linux文件目录类常用命令 目录 常见Linux命令的格式 1.浏览目录命令: ls pwd ls pwd 2.目录操作命令: cd mkdir rmdir cd mkdir 3.浏览文件命令: cat more less head tail cat more less head tail 区别 ...

爱上小公举 6808

可信启动方案设计

本博客简要解释了TF-A中的Measured-Boot可信启动设计实现。

AI-安全-功耗 1204

linux常用命令

cd 在输入路径时可以按tab补全,但是当补全的选项不止一个时,就不会补全,此时连按两次tab就可以查看可以补全的选项有哪些。上面的echo,cat可以用来简单的数据编写,但是一旦数据复杂起来,就需要使用到vim进行编写查看数据了。Mv也可以用来修改文件名,mv 的目标如果是不存在的文件,则会将源文件修改为这个文件。2. 创建多级目录 mkdir -p 名/名/名。Cp的目标如果不存在,也是将新文件命名为目标文件。1.创建目录 mkdir 目录名。

qq_61925446的博客 8171

如何使用 ESP32 CAM 进行自动车牌识别 (ANPR)

用于提取 JSON 值并在 OLED 上显示文本的函数。有一个可用的函数,即 extractJsonStringValue 来提取字符串值。它是独立函数,但您仍然可以使用一些 JSON 库来执行相同的功能。

jkh920184196的博客 1306

YOLOv11改进有效系列目录 - 包含卷积、主干、检测头、注意力机制、Neck上百种创新机制 - 针对多尺度、小目标、遮挡、恶劣天气等问题

在一些特定情况下,目标检测任务由于多种因素的影响,变得更加复杂和困难。以下是几类常见的困难目标检测场景:1. 小目标检测定义:小目标检测是指当目标在图像中的占比非常小时,模型需要准确识别和定位这些目标。典型场景包括远程监控、卫星图像分析等。挑战1. 低分辨率:由于目标在图像中占据像素较少,细节缺失,特征提取难度增加。2. 特征不足:小目标缺乏明显的形状和纹理特征,容易被复杂背景淹没。3. 检测难度大:由于小目标与背景之间的对比度较低,误检的几率上升。4. 数据不平衡。

qq_64693987的博客 4万+

Linux常用操作命令大全

Linux常用操作命令大全

huanglm_OneWholeLife的博客 9万+

Python爬虫教程:抓取地方政府网站的公开文件与政策信息

Web爬虫是指一种自动化脚本,用于模拟人类浏览器访问网页、提取网页内容的数据抓取工具。发送请求到目标网页;获取网页内容;解析网页内容,提取所需数据;将数据保存或进一步处理。爬虫可以抓取各种形式的数据,如文本、图片、文件等。本教程将重点展示如何抓取地方政府网站上公开的政策文件、公告等信息。许多政府网站都会采取一定的反爬虫措施,防止大量数据被爬取。IP封锁:如果短时间内大量请求来自同一IP,可能会被封锁。验证码:一些网站会使用验证码来验证访问者是否为机器人。动态加载。

2201_76125261的博客 1982

【Linux】常用命令汇总

Linux常用指令总结,方便用来复习

m0_60338933的博客 2462

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

史上最全的Linux常用命令汇总(超全面!超详细!)收藏这一篇就够了!

这绝对是整理的最全面最详细最认真最适合用来当笔记的Linux终端命令汇总的文章了

万里羊的博客 105万+

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")

Linux 常用命令汇总

Linux 常用命令汇总

weixin_45754224的博客 2409

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

Linux,常用命令,看这篇就够了

linux 常用命令大全

qq_48721706的博客 4万+

Linux基础篇:Linux文件系统管理及常用命令

1.Linux文件系统管理 2.文件目录查看、切换(常用命令:ls、pwd、cd、clear) 3.文件管理(常用命令:touch、mkdir、cp、mv、rm、rmdir)

qq_45070595的博客 8894

Linux常用命令

vim是从vi发展来的一个功能更加强大的文本编辑工具,在编辑文本时可以对文本进行着色,方便我们对文件进行编辑处理,所以实际工作中vim更加常用。注意: 由于我们使用ls命令时经常需要加入-l选项,所以Linux为ls -l 命令提供了一种简写方式,即 ll。作用:vi命令是Linux系统提供的一个文本编辑工具,可以对文件内容进行编辑,类似于windows中的记事本。作用:为文件或目录改名、或将文件或目录移动到其他位置。作用:对文件进行打包、解包、压缩、解压。作用:用于复制文件或目录。作用:删除文件或目录。

m0_63486510的博客 744

【Linux】Linux基础常用命令1(常用Linux命令的基本使用,Linux终端命令格式)

【Linux】Linux基础常用命令1(常用Linux命令的基本使用,Linux终端命令格式)1. 常用Linux命令的基本使用1.1 学习Linux终端命令的原因1.2 常用Linux命令的基本使用1.3 自动补全2. Linux终端命令格式2.1 终端命令格式2.2 查阅命令帮助信息2.2.1 --help2.2.2 man 1. 常用Linux命令的基本使用 1.1 学习Linux终端命令的...

来日浅谈的博客 9616

Linux自学笔记 | 06 常用命令 - 文件目录类

Linux系统中文件目录类常用命令以及使用示例

野生猿林仔的博客 474

LINUX常用操作命令

LINUX常用操作命令前言常用 Linux 命令的基本使用01. 学习 Linux 终端命令的原因02.常用基本命令03.自动补全04.文件和目录常用命令1. ls命令1. ls常用选项:2. 通配符的使用:2. 切换目录3.创建和删除操作3.1 touch 创建文件或修改文件时间3.2 mkdir 创建一个新目录3.3 rm 删除文件或目录4 拷贝和移动文件4.1 tree 以树状图列出文...

live4046的博客 848

小猿圈学习Linux之Linux常用命令汇总

自学linux的同学们注意了,现在为了大家更快更好的linux学习,小猿圈的linux老师为大家准备了Linux常用命令汇总,为你在学习中解决疑难,下面就看一下linux老师为你准备的命令吧。一.系统工作命令1.echo命令echo命令用于在终端输出字符串或者变量提取后的值。格式为echo[字符串|$变量]类似于java中的system.out.println[root@k8s-master ~]...

weixin_34258838的博客 167
上一篇: 测试十五、------软件测试流程及详解
下一篇: web自动化介绍
object_oriented_uy
博客等级 码龄8年 195粉丝 136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