进阶命令

                                                                 **进阶命令**

file:查看文件类型
语法:#file 文件名/目录名
grep:在文件中搜索关键词
语法:#grep 关键词 文件名
|管道符
语法:ls | grep cjk 将上一条输出结果,作为下一条命令的输入
echo :echo什么显示什么
var/log/messages 计算机存放的日志文件
more/less 逐页浏览文件内容
语法:#more 文件路径
语法:#less 文件路径

head:查看前几行(默认10行)
语法:#head -n 行数 文件名
tail:查看后几行
语法:#tail -n 行数 文件名
语法:#tail -f 文件名 查看动态文件
history:查看历史命令
语法:#history
语法:#history -c 清空历史命令
语法:#history -w 将缓存中的历史命令写入保存文件中(硬盘)
~/。bash_history:历史命令保存文件
使用“!n”重复执行第n个历史命令
使用“!!”重复执行上一个历史命令
使用"!字串"重复执行最后一个该字串开头的历史命令
alias 命令的别名设置
语法#alias 查询命令别名
语法#alias 别名=“原始命令” 给命令设置别名
语法#unalias 别名 删除别名
~/.bashrc 修改别名永久生效路径
快捷键 ctry +d :退出当前终端
通配符
?:匹配任意一个字符
* :匹配0个或者多个字符,可以匹配任何内容
[ ] :匹配括号中任意一个字符
[-]:匹配括号中任意一个字符,"-"代表一个范围
[^]:逻辑非,表示不是括号中的一个字符
特殊符号
‘’:单引号,在单引号中所有特殊符号都没有特殊含义
“”:双引号,在单引号中所有特殊符号都没有特殊含义,但是$、`和\例外
``:反引号,反引号中优先执行,相当于数学中的括号
\:转义符,跟在\之后的特殊符号将失去特殊含义
#:在shell脚本中,#开头代表注释
:用于调用变量的值,如需调用变量文件时,用“:用于调用变量的值,如需调用变量文件时,用“文件名”的方式得到变量值
#dd if=/dev/zero of=文件名 bs=1M count=100
dd:复制、克隆、生成文件(只能复制文件,不能复制目录)
if:原文件原地址,从哪读取
of:写入到哪
bs:每次写入的大小,单位必须大写
cout:写入的次数
只能使用正整数,单次写入大小不能超过硬盘上限
/dev/zero:白洞文件(零文件) /dev/null:黑洞文件
文件归档、文件压缩
(1):节约磁盘空间 (2)整合文件
Linux系统压缩方式:gzip、bzip、zip、tar
#gzip 文件名(gz) :压缩文件 #gzip -d 压缩文件名 :解压文件
#bzip2 文件名 (bz2) :压缩文件 #bzip2 -d 压缩文件名:解压文件
#zip 新文件名(zip) 要压缩的文件(保留原文件)
#unzip 压缩的文件名 :解压文件
tar
tar -c:创建 tar -x:释放 每个选项后面必须加一个f
tar -C:指定解压目录 tar -v:显示过程
#tar -cf 新文件名 要归档的文件 :归档文件
#tar -xf 归档的文件 :释放文件
#tar -zcf 新文件名(tar.gz) 要压缩归档的文件 :归档文件并用gzip压缩
#tar -xcf 压缩归档的文件 :释放并用gzip解压文件
#tar -jcf 新文件名(tar.bz2) 要压缩归档的文件 :归档文件并用bzip2压缩
#tar -jxf 压缩文件名 :释放并用bzip2解压文件

内容概要:本文档详细介绍了一个基于MATLAB实现的跨尺度注意力机制(CSA)结合Transformer编码器的多变量时间序列预测项目。项目旨在精准捕捉多尺度时间序列特征,提升多变量时间序列的预测性能,降低模型计算复杂度与训练时间,增强模型的解释性和可视化能力。通过跨尺度注意力机制,模型可以同时捕获局部细节和全局趋势,显著提升预测精度和泛化能力。文档还探讨了项目面临的挑战,如多尺度特征融合、多变量复杂依赖关系、计算资源瓶颈等问题,并提出了相应的解决方案。此外,项目模型架构包括跨尺度注意力机制模块、Transformer编码器层和输出预测层,文档最后提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,尤其是熟悉MATLAB和深度学习的科研人员、工程师和研究生。 使用场景及目标:①需要处理多变量、多尺度时间序列数据的研究和应用场景,如金融市场分析、气象预测、工业设备监控、交通流量预测等;②希望深入了解跨尺度注意力机制和Transformer编码器在时间序列预测中的应用;③希望通过MATLAB实现高效的多变量时间序列预测模型,提升预测精度和模型解释性。 其他说明:此项目不仅提供了一种新的技术路径来处理复杂的时间序列数据,还推动了多领域多变量时间序列应用的创新。文档中的代码示例和详细的模型描述有助于读者快速理解和复现该项目,促进学术和技术交流。建议读者在实践中结合自己的数据集进行调试和优化,以达到最佳的预测效果。
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