Linux 系统的顶层目录结构

本文详细介绍了Linux系统的顶层目录结构及其用途,包括根目录、用户主目录、系统配置文件夹等关键组成部分,为初学者提供了清晰的指引。

  Linux 系统的顶层目录结构

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

/              根目录

├── bin     存放用户二进制文件

├── boot    存放内核引导配置文件

├── dev     存放设备文件

├── etc     存放系统配置文件

├── home    用户主目录

├── lib     动态共享库

├── lost+found  文件系统恢复时的恢复文件

├── media   可卸载存储介质挂载点

├── mnt     文件系统临时挂载点

├── opt     附加的应用程序包

├── proc    系统内存的映射目录,提供内核与进程信息

├── root    root 用户主目录

├── sbin    存放系统二进制文件

├── srv     存放服务相关数据

├── sys     sys 虚拟文件系统挂载点

├── tmp     存放临时文件

├── usr     存放用户应用程序

└── var     存放邮件、系统日志等变化文件

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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