5、Linux使用指南:发行版选择与命令行基础

Linux使用指南:发行版选择与命令行基础

1. 不同使用场景下Linux发行版的选择

在搭建软件工程项目时,选择合适的Linux发行版至关重要。下面为你介绍两种常见使用场景下的发行版选择建议。

1.1 搭建软件工程博客

若你想创建一个软件工程博客,使用基于Node.js的Ghost博客平台,以MySQL作为后端数据库,并且打算自行安装、维护和管理相关平台,同时希望选择一个由主要云提供商托管的虚拟专用服务器(VPS)解决方案,那么在选择Linux发行版时,需要考虑以下功能需求:
- 自管理的公共托管VPS解决方案。
- 托管成本较为敏感。
- 所需软件包的维护相对容易。
- 预计会有频繁的更新,包括Linux平台本身。

基于以上需求,推荐选择Debian Stable或Ubuntu Server LTS。Ubuntu是一个强大、安全的企业级Linux发行版,而Debian同样稳定,并且为应用程序提供了不错的选择。这两个发行版的平台维护和管理工作都不复杂,所需的软件包(Node.js、Ghost和MySQL)都很容易获取且维护良好。此外,Ubuntu Server的占用空间相对较小,能够在其系统要求范围内轻松运行博客所需的软件栈,因此托管成本较为合理。

1.2 搭建媒体服务器

对于家庭影院爱好者而言,如果你有大量的电影、视频、照片等媒体文件存储在网络附加存储(NAS)上,但NAS自带的媒体服务器流媒体性能较差,你使用Plex作为媒体播放器系统,以Plex Media Server作为后端,那么在选择Linux平台时,需要考虑以下系统要求:
- 速度:以实现高质量、流

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