vim教程总结

vim教程总结

打开终端 vimtutor 进入文本练习模式

一 般操作

1.光标在屏幕文本中的移动既可以用箭头键,也可以用hjkl字母键。

h(左移)   j(下移) k(上行) l(右移)

2.进入vim编辑器(从命令提示符),请输入:

vim 文件名 <回车>

3.退出vim编辑器,请输入以下命令放弃所有修改

<ESC>  :q! <回车>

保存所有修改:

:wq <回车>

4.在正常模式下删除光标所在位置的字符,请按:

x

5.在正常模式下要在光標所在位置開始插入文本,請︰

     輸入必要文本     <ESC> 

二 删除

1.从当前光标删除至单字/单词末尾,请输入︰

dw

2.从当前光标删除至当前行末尾,请输入︰

d$

3.刪除整行,請輸入︰

dd

4.在正常模式下一個命令的格式是︰

[number]   command   object     或者     command [number]   object
     number - 代表的是命令執行的次數
       command - 代表要做的事情,比如 d 代表刪除
       object - 代表要操作的對象,比如 w 代表單字/單詞,$ 代表到行末等等。
       $ (to the end of line), etc.

5.欲撤消以前的操作,請輸入︰

u (小寫的u)

欲撤消在一行中所做的改動,請輸入︰

U (大寫的U)

欲撤消以前的撤消命令,恢復以前的操作結果,請輸入︰

CTRL-R

三 修改

1.要重新置入已經刪除的文本內容,請輸入小寫字母 p。該操作可以將已刪除
的文本內容置于光標之後。如果最後一次刪除的是一個整行,那麼該行將置
于當前光標所在行的下一行。

2.要替換光標所在位置的字符,請輸入小寫的 r 和要替換掉原位置字符的新字
符即可。

3.更改類命令允許您改變指定的對象,從當前光標所在位置直到對象的末尾。
比如輸入 cw 可以替換當前光標到單詞的末尾的內容;輸入 c$ 可以替換當
前光標到行末的內容。

4.更改類命令的格式是︰

 [number]   c   object        或者      c   [number]   object

四 替换

1.Ctrl-g 用于显示当前光标所在位置和文件状态信息。Shift-G 用于将光标跳
转至文件最后一行。先敲入一個行号然后按 Shift-G 则是是将光标移动至该行
号代表的行。

2.输入 / 然后紧随一個字符串是則是在当前所编辑的文档中向后查找该字符串。
输入问号 ? 然后紧随一個字符串是則是在当前所编辑的文档中向前查找该字
符串。完成一次查找之後按 n 键则是重复上一次的命令,可在同一方向上查
找下一個字符串所在;或者按 Shift-N 向相反方向查找下該字符串所在。

3.如果光標當前位置是括號(、)、[、]、{、},按 % 可以將光標移動到配對的
括號上。

4.在一行內替换头一個字符串 old 为新的字符串 new,请输入 :s/old/new
在一行內替换所有的字符串 old 为新的字符串 new,请输入 :s/old/new/g
在两行內替换所有的字符串 old 为新的字符串 new,请输入 :#,#s/old/new/g
在文件內替换所有的字符串 old 为新的字符串 new,请输入 :%s/old/new/g
进行全文替换時询问用戶确认每個替换需添加 c 选项,请输入 :%s/old/new/gc

五 外部命令

1.

:!command 用于执行一个外部命令 command。

例如:

:!dir   -用于显示当前目录的内容
:!rm FILENAME -用户删除名为FILENAME的文件

2.:w FILENAME 可将当前 VIM 中正在编辑的文件保存到名为 FILENAME
的文件中。

3.:#,#w FILENAME 可将编辑的文件第 # 行至第 # 行的內容保存到文件
FILENAME 中。

4.:r FILENAME 可提取磁盘文件 FILENAME 并将其插入到当前文件的光标位置
后面。

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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