【基本知识】重定向,出错处理,管道,时间值

本文介绍了标准输入输出的概念,重定向的多种用法及其等价形式,并解释了错误处理中的关键函数strerror与perror的作用。同时,通过一个简单的C语言程序示例展示了如何进行基本的重定向操作和错误管理。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

知识点1:

STDIN_FILENO, STDOUT_FILENO,分别表示标准输入和标准输出;在终端控制台中的输入均为标准输入,输出为标准输出;


知识点2:

ls -l >1.txt等价于ls -l 1>1.txt;重定向1.txt到标准输出;


知识点3:

a.out <1.txt等价于ls -l 0<1.txt;重定向1.txt到标准输入;


知识点4:

a.out <1.txt >2.txt 2>3.txt 等价于a.out 0 <1.txt 1 >2.txt 2>3.txt;标准输入从1.txt,标准输出到2.txt,标准错误输出到3.txt;


知识点5:

a.out <1.txt >2.txt 2>&1;标准输入从1.txt到标准输出到2.txt,标准错误输出重定向到标准输出,而标准输出已经到了2.txt;


知识点6:

strerror(errno)该函数会根据当前的出错errno设置对应的错误字符串s,返回的指针指向;


知识点7:

perror("sorry:")直接打印出相应的错误字符串;


知识点8:

管道可以根据数据流自动的进行协调,如ps | sort相当于ps > 1.txt, sort 1.txt;


知识点9:

CPU时间是用户CPU时间和系统CPU时间之和,其中用户CPU时间是指执行用户指令所花费的时间,其他进程的时间不包括,也就是user时间;而系统CPU时间指该进程执行内核程序所经历的时间,也就是sys时间;还有时钟时间,又称墙上时钟时间,它与系统中的进程数有关,也就是real时间;


程序实现:

#include <fcntl.h>
#include <stdio.h>
#include <unistd.h>
#include <errno.h>
#include <string.h>

#define BUFFER_SIZE (1024)

int main(int argc, char **argv)
{
	/*
	知识点1:STDIN_FILENO, STDOUT_FILENO,分别表示标准输入和标准输出;在终端控制台中的输入均为标准输入,输出为标准输出
	知识点2:ls -l >1.txt等价于ls -l 1>1.txt;重定向1.txt到标准输出;
	知识点3:a.out <1.txt等价于ls -l 0<1.txt;重定向1.txt到标准输入;
	知识点4:a.out <1.txt >2.txt 2>3.txt 等价于a.out 0 <1.txt 1 >2.txt 2>3.txt;标准输入从1.txt,标准输出到2.txt,标准错误输出到3.txt;
	知识点5:a.out <1.txt >2.txt 2>&1;标准输入从1.txt到标准输出到2.txt,标准错误输出重定向到标准输出,而标准输出已经到了2.txt;

	*/
	char buf[BUFFER_SIZE];
	int n;
	while((n = read(STDIN_FILENO, buf, BUFFER_SIZE)))	//读标准输入
	{
		if(write(STDOUT_FILENO, buf, n) != n){		//写到标准输出
			printf("%s\n", "sorry, write error, not complete copy");
		}

		if(n < 0){
			printf("%s\n", "sorry, read error");
		}
	}

	/*
	知识点6:strerror(errno)该函数会根据当前的出错errno设置对应的错误字符串s,返回的指针指向;
	知识点7:perror("sorry:")直接打印出相应的错误字符串;
	知识点8:管道可以根据数据流自动的进行协调,如ps | sort相当于ps > 1.txt, sort 1.txt;
	*/
	errno = EAGAIN;
	char *s = strerror(errno);	//该函数会根据当前的出错errno设置对应的错误字符串s;
	printf("%s\n", s);	
	perror("sorry:");		//该函数直接打印出相应的s值
	return 0;
}

程序输出:

重定向和出错管理测试:



管道和时间值




内容概要:本文介绍了基于SMA-BP黏菌优化算法优化反向传播神经网络(BP)进行多变量回归预测的项目实例。项目旨在通过SMA优化BP神经网络的权重和阈,解决BP神经网络易陷入局部最优、收敛速度慢及参数调优困难等问题。SMA算法模拟黏菌寻找食物的行为,具备优秀的全局搜索能力,能有效提高模型的预测准确性和训练效率。项目涵盖了数据预处理、模型设计、算法实现、性能验证等环节,适用于多变量非线性数据的建模和预测。; 适合人群:具备一定机器学习基础,特别是对神经网络和优化算法有一定了解的研发人员、数据科学家和研究人员。; 使用场景及目标:① 提升多变量回归模型的预测准确性,特别是在工业过程控制、金融风险管理等领域;② 加速神经网络训练过程,减少迭代次数和训练时间;③ 提高模型的稳定性和泛化能力,确保模型在不同数据集上均能保持良好表现;④ 推动智能优化算法与深度学习的融合创新,促进多领域复杂数据分析能力的提升。; 其他说明:项目采用Python实现,包含详细的代码示例和注释,便于理解和二次开发。模型架构由数据预处理模块、基于SMA优化的BP神经网络训练模块以及模型预测与评估模块组成,各模块接口清晰,便于扩展和维护。此外,项目还提供了多种评价指标和可视化分析方法,确保实验结果科学可信。
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