- 博客(68)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 Linux ps命令行
[root@localhost ~]# ps -ef | grep ApacheJetspeedroot 18887 18828 0 08:09 pts/0 00:00:00 grep ApacheJetspeed字段含义如下：UID PID PPID C STIME TTY TIME CMDroot 18887 18828...
2020-04-27 15:10:08
311
转载 Linux中tar命令解析
tar-c: 建立压缩档案-x：解压-t：查看内容-r：向压缩归档文件末尾追加文件-u：更新原压缩包中的文件这五个是独立的命令，压缩解压都要用到其中一个，可以和别的命令连用但只能用其中一个。下面的参数是根据需要在压缩或解压档案时可选的。-z：有gzip属性的-j：有bz2属性的-Z：有compress属性的-v：显示所有过程-O：将文件解开到标准输出下面的参数-f是必须的...
2020-04-26 10:54:49
754
原创 大数-最小倍数
大数求最小倍数Plus — 1至n的的每个数字的最小整数思路是后面的数字如果可以整除前面的数字时，step1: 就意味着存在公约数（前面的那个数字即为两数间的公约数），故整除即可，而数字又是从小到大排列的所以不用担心后面的公约数会是前面数的倍数，如arr【4】（4）可以整除arr【2】，所以arr【4】变为2，arr【6】（6）可以整除arr【4】（2）和arr【3】变为1，一轮扫描...
2020-04-10 19:01:57
314
原创 Lua 赋值语句
Lua 可以对多个变量同时赋值，变量列表和值列表的各个元素用逗号分开，赋值语 句右边的值会依次赋给左边的变量a, b = 10, 2*x <--> a=10; b=2*x 遇到赋值语句 Lua 会先计算右边所有的值然后再执行赋值操作，所以我们可以这样 进行交换变量的值：x, y = y, x -- swap 'x' for 'y' a[i], a[j] = a[...
2020-03-30 13:48:38
287
原创 Lua 表达式运算符
二元运算符：+ - * / ^ (加减乘除幂)关系运算符：< > <= >= == ~=这些操作符返回结果为 false 或者 true；==和~=比较两个值，如果两个值类型不同， Lua 认为两者不同；nil 只和自己相等逻辑运算符： and or not逻辑运算符认为 false 和 nil 是假（false），其他为真，0 也是 tr...
2020-03-30 11:16:51
167
原创 Lua 变量类型
特殊类型nil — 一个全局变量没有被赋值以前默认值为nil；给全局变量赋值nil可以删除该变量Booleans — 取值false和true。Lua中除了false和nil为假，其他值都为真。所以Lua认为0和空串都是真。Numbers — Lua 的 numbers 可以处理任何长整数不用担心误差Strings — Lua是8位字节，所以字符串可以包含任何数值字符，包括嵌入的0。可以...
2020-03-30 09:52:03
247
原创 C strncmp函数
C 库函数 int strncmp(const char *str1, const char *str2, size_t n) 把 str1 和 str2 进行比较，最多比较前 n 个字节。int strncmp(const char *str1, const char *str2, size_t n)参数str1 – 要进行比较的第一个字符串。str2 – 要进行比较的第二个字符串。...
2020-03-26 09:59:44
254
原创 C++ 十进制小数转为N进制方法
十进制小数转换为N进制小数的方法为乘N取整法所谓乘N取整法是将十进制的小数乘以N，得到的整数部分作为小数点后第一位。剩余的小数部分再乘以N，得到的整数部分作为小数点后第二位。直到剩余小数部分为0，或达到一定精度为止。如十进制的0.54转换为16进制的过程为：0.55*16=8.8 —80.8*16=12.8 —12©0.8*16=12.8 —12©0.8*16=12.8 —12©…...
2020-03-23 16:57:21
3820
原创 C++四舍五入与小数点后有效位数
#include <cmath>double round(double r){ return (r > 0.0) ? floor(r + 0.5) : ceil(r - 0.5);}强制保留两位小数#include <iomanip>double res = num / (count + 1);cout << setiosflag...
2020-03-23 10:03:33
1402
原创 Linux中date和cal指令
date指令 显示当前日期语法1）date 显示当前时间2）date +%Y 显示当前年份3）date +%m 显示当前月份4）date +%d 显示当前是哪一天5）date “+%Y-%m-%d %H:%M:%s” 显示年月日时分秒date指令设置日期date -s 字符串时间cal指令 查看日历基本语法cal [选项] 不加选项，显示本月日历案例1：显示当前日...
2020-01-13 14:44:06
304
原创 Linux中ln、history指令
软链接也叫符号链接，类似于 windows 里的快捷方式，主要存放了链接其他文件的路径基本语法ln -s [原文件或目录] [软链接名] （功能描述：给原文件创建一个软链接）应用实例案例 1: 在/home 目录下创建一个软连接 linkToRoot，连接到 /root 目案例 2: 删除软连接 linkToRoot细节说明当我们使用 pwd 指令查看目录时，仍然看到的是软链接所在...
2020-01-13 14:19:44
123
原创 Linux中echo、head和tail指令
echo 输出内容到控制台基本语法echo [选项] 输出内容案例: 使用 echo 指令输出环境变量,输出当前的环境路径head 用于显示文件的开头部分内容，默认情况下 head 指令显示文件的前 10 行内容基本语法head 文件 (功能描述：查看文件头 10 行内容)head -n 5 文件 (功能描述：查看文件头 5 行内容，5 可以是任意行数)应用实例案例: ...
2020-01-13 13:56:15
345
原创 Linux >和>>指令
> 指 令 和 >> 指 令> 输出重定向 : 会将原来的文件的内容覆盖>> 追加： 不会覆盖原来文件的内容，而是追加到文件的尾部基本语法1） ls -l > 文件（功能描述：列表的内容写入文件 a.txt 中（覆盖写））说明：ls -l > hello.txt , 将 ls -l 的显示的内容覆盖写入到 hello.txt 文件，如果...
2020-01-13 13:31:17
305
原创 Linux cat、more、less指令
cat指令查看文件内容，是以只读的方式打开基本语法cat [选项] 要查看的文件常用选项-n :显示行号应用案例案例1：more指令是一个基于vi编译器的文本过滤器，它以全屏幕的方式按页显示文本文件的内容基本语法more 要查看的文件应用案例快捷键：less指令用来分屏查看文件内容，它的功能与more指令类似，但是比more指令更加强大，支持各种显示终端。less指令在显...
2020-01-13 13:20:02
157
原创 Linux运行级别
0：关机1：单用户【找回丢失密码】2：多用户状态没有网络服务3：多用户状态有网络服务4：系统未使用保留给用户5：图形界面6：系统重启常用运行级别是 3 和 5 ，要修改默认的运行级别可改文件Ubuntu、Debian系列与RedHat、CentOS启动级别含义有所区别：Ubuntu系列运行级别定义如下：0 – Halt关机模式1 –Single单用户模式2 - Ful...
2020-01-13 11:42:35
317
原创 Linux mv指令
mv指令 移动文件与目录或重命名基本语法mv oldNameFile newNameFile（重命名）mv /temp/movefile /targetFolder（移动文件）案例1：将/home/aaa.txt文件重命名为pig.txt案例2：/home/pig.txt文件移动到/root目录...
2020-01-13 11:41:39
135
原创 Linux touch、cp指令
touch 指令创建空文件• 基本语法touch 文件名称• 应用实例案例 1: 创建一个或多个空文件cp 指令拷贝文件到指定目录• 基本语法cp [选项] source dest• 常用选项-r ：递归复制整个文件夹• 应用实例案例 1: 将 /home/hello.txt 拷贝到 /home/rb 目录下[拷贝单个文件]案例 2: 递归复制整个文件夹，举例将/home...
2020-01-13 11:10:22
174
原创 Linux mkdir、rmkdir指令
mkdir指令用于创建目录基本语法：mkdir [选项] 要创建的目录常用选项：-p:创建多级目录应用实例案例1：创建一个目录/home/dog案例2：创建多级目录...
2020-01-13 10:14:43
1814
原创 Linux的用户配置文件 口令配置文件 组配置文件
/etc/passwd 文件用户（user）的配置文件，记录用户的各种信息每行的含义：用户名:口令:用户标识号:组标识号:注释性描述:主目录:登录 Shell/etc/shadow 文件口令的配置文件每行的含义：登录名:加密口令:最后一次修改时间:最小时间间隔:最大时间间隔:警告时间:不活动时间:失效时间:标志/etc/group 文件组(group)的配置文件，记录 Linux 包...
2020-01-12 22:31:50
652
原创 Linux中增加和删除用户组
增加组groupadd 组名删除组groupdel 组名增加用户时直接加上组useradd -g 组名 用户名修改用户的组usermod -g 用户组名 用户名
2020-01-12 11:51:49
148
1
原创 Linux删除用户
基本语法userdel 用户名删除用户 xm，但是要保留家目录userdel xm删除用户xh以及用户主目录userdel -r xh在删除用户时，我们一般不会将主目录删除。
2020-01-12 10:10:17
97
原创 Linux开机、重启和用户登录注销命令
关机&重启命令shutdownshutdown -h now :表示立即关机shutdown -h 1:表示1分钟后关机shutdown -r now：立即重启halt：就是直接使用，效果等价于关机reboot：就是重启系统sync:把内存的数据同步到磁盘注意：不管是重启系统还是关闭系统，首先要运行sync命令，把内存中的数据写到磁盘中用户登录和注销登录时尽量少用ro...
2020-01-10 16:34:00
567
原创 vim常用快捷键
常用快捷键拷贝当前行 yy , 拷贝当前行向下的 5 行 5yy，并粘贴（p）。删除当前行 dd , 删除当前行向下的 5 行 5dd在文件中查找某个单词 [命令行下 /关键字 ， 回车 查找 , 输入 n 就是查找下一个 ],查询hello.设置文件的行号，取消文件的行号.[命令行下 : set nu 和 :set nonu]编辑 /etc/prof...
2020-01-10 15:58:06
228
原创 vi和vim中三种模式
正常模式:以 vim 打开一个档案就直接进入一般模式了(这是默认的模式)。在这个模式中， 你可以使用『上下左右』按键来移动光标，你可以使用『删除字符』或『删除整行』来处理档案内容，也可以使用『复制、贴上』来处理你的文件数据。插入模式:按下i, I, o, O, a, A, r, R等任何一个字母之后才会进入编辑模式, 一般来说按i即可.命令行模式在这个模式当中， 可以提供你相关指令，...
2020-01-10 15:36:57
175
原创 Linux目录结构
linux 的文件系统是采用级层式的树状目录结构，在此结构中的最上层是根目录“/”，然后在此目录下再创建其他的目录。深刻理解 linux 树状文件目录是非常重要的，这里我给大家说明一下。记住一句经典的话：在 Linux 世界里，一切皆文件。/bin【重点】(/uer/bin、/usr/local/bin)是Binary的缩写，这个目录存放着最经常使用的命令- /sbin（/usr/s...
2020-01-10 11:42:47
126
原创 深度学习---Adam算法
Adam算法在RMSProp算法基础上对小批量随机梯度也做了指数加权移动平均。Adam算法使用了动量变量vtv_tvt和RMSProp算法中小批量随机梯度按元素平方的指数加权移动平均变量sts_tst，并在时间步0将他们中每个元素初始化为0。给定超参数0≤β1<10\leq\beta_1<10≤β1<1（算法作者建议设为0.9），时间步ttt的动量变量vtv_tvt即小...
2019-12-27 16:31:23
659
原创 RMSProp算法和AdaDelta算法
AdaGrad算法在迭代后期由于学习率过小，可能较难找到一个有用的解。为了解决这一问题，RMSProp算法对AdaGrad算法做了一点小小的修改。RMSProp算法RMSProp算法将截止时间ttt步所有小批量随机梯度gtg_tgt按元素平方做指数加权移动平均。具体来说，给定超参数0≤γ<10\leq\gamma <10≤γ<1,RMSProp算法在时间步t>0t&...
2019-12-27 15:21:52
2267
原创 AdaGrad算法
在动量法和梯度下降优化算法中，损失函数自变量的每一个元素在相同时间步都使用同一个学习率来自我迭代。例如：假设损失函数为fff，自变量为一个二维变量[x1,x2]T[x_1,x_2]^T[x1,x2]T，该向量中每一个元素在迭代时都使用相同的学习率。例如，在学习率为η\etaη的梯度下降中，元素x1x_1x1和x2x_2x2都使用相同的学习率。但是两个自变量的梯度值有较大的差别时，使用相同...
2019-12-27 11:31:43
817
原创 深度学习---动量法
损失函数有关自变量的梯度代表了损失函数在自变量当前位置下降最快的方向。因此，梯度下降也叫作最陡下降。在每次迭代中，梯度下降根据自变量当前位置，沿着当前位置的梯度更新自变量，然而，如果自变量的迭代方向仅仅取决于自变量当前位置，可能会带来一些问题。例如：损失函数为f(x)=0.1x12+2x22f(x)=0.1x_1^2 + 2x_2^2f(x)=0.1x12+2x22该函数在x1,x2x_1...
2019-12-26 18:30:56
827
原创 深度学习---梯度下降算法
1、批量梯度下降算法批量梯度下降法是最原始的形式，它是指在每一次迭代时使用所有样本来进行梯度的更新。在深度学习里，优化算法的目标函数通常是训练数据集中有关各个样本的损失函数的平均。设fi(x)f_i(x)fi(x)是有关索引为iii的训练数据样本的损失函数，nnn是训练数据样本数，xxx是模型的参数向量，那么目标函数定义为：f(x)=1n∑i=1nfi(t)f(x) = \frac 1n \s...
2019-12-26 17:22:28
500
原创 门控循环单元（GRU）
1. GRU在循环神经⽹络中的梯度计算⽅法中，当时间步数较⼤或者时间步较小时，循环神经⽹络的梯度较容易出现衰减或爆炸。虽然裁剪梯度可以应对梯度爆炸，但⽆法解决梯度衰减的问题。通常由于这个原因，循环神经⽹络在实际中较难捕捉时间序列中时间步距离较⼤的依赖关系。门控循环神经⽹络（gated recurrent neural network）的提出，正是为了更好地捕捉时间序列中时间步距离较⼤的依赖关系...
2019-12-26 14:37:23
1779
原创 深度学习---长短期记忆（LSTM）
长短期记忆LSTM引入了3个门，输入门、遗忘门和输出门，以及与隐藏状态形状相同的记忆细胞。输入门、遗忘门和输出门长短期记忆的门中输入均为当前时间步输入XtX_tXt与上一时间步隐藏状态Ht−1H_{t-1}Ht−1，输出由激活函数为sigmoid函数的全连接层计算得到。所以这三个门元素的值域均为[0,1]。时间步ttt的输入门It∈Rn×hI_t\in\R^{n\times h}It...
2019-12-26 14:10:17
782
转载 深度学习---循环神经网络RNN(基本理论)
为了印象更加直观,这里贴一个前面例子的动图.到这里,关于RNN最基本的概念和运算方式就讲完了.转载自：https://blog.csdn.net/xierhacker/article/details/73384760...
2019-12-25 18:42:12
138
原创 深度学习---one-hot向量
one-hot向量为了将词表示为向量输入到神经网络，一个简单的办法是使用one-hot向量。假设词典中不同字符的数量为N，每个字符已经同一个从0到N-1的连续整数值索引一一对应。如果一个字符的索引是整数i，那么就创建一个全0的长为N的向量，并将其位置为i的元素设成1.该向量就是对原字符的one-hot向量。label = torch.tensor([2,3,4,1]).view(-1,1)o...
2019-12-25 17:57:51
4476
原创 深度学习---时序数据的采样（随机采样和相邻采样）
随机采样在随机采样照片那个，每个样本是原始序列上任意截取的一段序列。相邻的两个随机小批量在原始序列上的位置不一定相毗邻。因此，无法用一个小批量的最终时间步的隐藏状态来初始化下一个小批量的隐藏状态。在训练模型时，每次随机采样前都需要重新初始化隐藏状态 num_examples = (len(corpus_indices) - 1) // num_steps epoch_size ...
2019-12-25 15:47:28
2680
1
原创 深度学习---语言模型
1、语言模型语言模型是自然语言处理的重要技术。自然语言处理中最常见的数据是文本数据。假设一段长度为T的文本中的词依次为w1,w2,...,wTw1,w2,...,wTw1,w2,...,wT，那么在离散的时间序列中，wt([1,T])可以看作在时间步t的输出或标签。假设序列w1,w2,...,wTw1,w2,...,wTw1,w2,...,wT中的每个词是依次生成的，则该序列的概率：例如，...
2019-12-25 11:06:11
513
原创 深度学习---稠密连接网络（DenseNet）
DenseNet和ResNet的主要区别是DenseNet里面模块B的输出不是像ResNet那样和模块A的输出相加，而是在通道维上连结。这样模块A的输出可以直接传入模块B后面的层。DenseNet的主要构建模块是稠密层和过渡层。前者定义了输入和输出是如何连结的，后者则用来控制通道数，使之不过大。由于每个稠密层都会带来通道数的增加，使用过多则会带来过于复杂的模型。过渡层用来控制模型复杂度。它通过...
2019-12-24 18:21:25
3012
转载 深度学习---残差网络Resnet
1. 思想作者根据输入将层表示为学习残差函数。实验表明，残差网络更容易优化，并且能够通过增加相当的深度来提高准确率。核心是解决了增加深度带来的副作用（退化问题），这样能够通过单纯地增加网络深度，来提高网络性能。 作者在ImageNet上实验了一个152层的残差网络，比VGG深8倍，取得了3.57%的错误率。 作者通过一系列实验证明了表示的深度（即网络的深度）对很多视觉识别任务都...
2019-12-24 18:05:42
944
原创 含并行连接的网络（GoogLeNet）
Inception块GoogLeNet中的基础卷积块叫做Inception块。如下图所示：Inception块里有4条并行的线路。前3条线路使用窗口大小分别是1x1,3x3,5x5的卷积层来抽取不同空间尺寸下的信息，其中中间2个线路会对输入先做1x1卷积来减少输入通道数，以降低模型复杂度。第四条线路则使用3x3最大池化层，后接1x1卷积层来改变通道数。4条线路都使用了合适的填充使得输入与输出的...
2019-12-24 16:06:09
366
原创 pytorch中批量归一化BatchNorm1d和BatchNorm2d函数
class torch.nn.BatchNorm1d(num_features, eps=1e-05, momentum=0.1, affine=True) [source]对小批量(mini-batch)的2d或3d输入进行批标准化(Batch Normalization)操作在每一个小批量（mini-batch）数据中，计算输入各个维度的均值和标准差。gamma与beta是可学习的大小...
2019-12-24 16:05:42
27344
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人