test

参考 原文 有两种方式： 1. command & ： 后台运行，你关掉终端会停止运行 2. nohup command & ： 后台运行，你关掉终端也会继续运行 一、 简介 Linux/Unix 区别于微软平台最大的优点就是真正的多用户，多任务。因此在任务管理上也有别具特色的管理思想。 我们知道，在 Windows 上面，我们要么让一个程序作为服务在后台一直运行，要么停止这个服务。而不能让程序在前台后台之间切换。而 Linux 提供了 fg 和bg 命令，让你轻松调度正在运行的任务。假设你发现前台运行的一个程序需要很长的时间，但是需要干其他的事情，你就可以用 Ctrl-Z ，挂起这个程序，然后可以看到系统提示： [1]+ Stopped /root/bin/rsync.sh 然后我们可以把程序调度到后台执行：（bg 后面的数字为作业号） #bg 1 [1]+ /root/bin/rsync.sh & 用 jobs 命令查看正在运行的任务： #jobs [1]+ Running /root/bin/rsync.sh & 如果想把它调回到前台运行，可以用 #fg 1 /root/bin/rsync.sh 这样，你在控制台上就只能等待这个任务完成了。 & 将指令丢到后台中去执行 [ctrl]+z 將前台任务丟到后台中暂停 jobs 查看后台的工作状态 fg %jobnumber

猜随机数的大小 描述： 写一个猜数字脚本，当用户输入的数字和预设数字（随机生成一个0-100的数字）一样时，直接退出，否则让用户一直输入：并且提示用户输入的数字比预设数字大或者小 分析： 1：随机数字是如何生成的 2：这是一个死循环，直到猜对了才能退出 3：需要判断大小 脚本实现： [root@jumpserver-70 scripts]# cat num_random.sh #!/bin/bash num=$(echo $(($RANDOM%100+1))) i=0 while true do read -p "请猜一下这个数是多少：" number let i++ if [[ ! $number =~ ^[0-9]+$ ]];then echo "请检查输入的是否为数字" elif [ $number -gt $num ];then echo "你输入的数大了！" elif [ $number -lt $num ];then echo "你输入的数小了- -" else echo "恭喜你！都会抢答了。" echo "你一共猜了 $i 次" exit 1 fi done 实现的效果： [root@jumpserver-70 scripts]# sh num_random.sh 请猜一下这个数是多少：10 你输入的数小了- - 请猜一下这个数是多少：50 你输入的数小了- -

1、Redis简介 REmote DIctionary Server(Redis) 是一个由Salvatore Sanfilippo写的key-value存储系统。Redis是一个开源的使用ANSI C语言编写、遵守BSD协议、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库，并提供多种语言的API。它通常被称为数据结构服务器，因为值（value）可以是 字符串(String), 哈希(Map), 列表(list), 集合(sets) 和 有序集合(sorted sets)等类型。 大家都知道了redis是基于key-value的no sql数据库，因此，先来了解一下关于key相关的知识点 1、任何二进制的序列都可以作为key使用 2、Redis有统一的规则来设计key 3、对key-value允许的最大长度是512MB 2、支持的语言: ActionScript Bash C C# C++ Clojure Common Lisp Crystal D Dart Elixir emacs lisp Erlang Fancy gawk GNU Prolog Go Haskell Haxe Io Java Javascript Julia Lua Matlab mruby Nim Node.js Objective-C OCaml Pascal Perl PHP Pure

1.PCA原理 主成分分析（Principal Component Analysis，PCA）， 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。 PCA算法： 2.PCA的实现 数据集： 64维的手写数字图像 代码： #coding=utf-8 import numpy as np import pandas as pd from sklearn.decomposition import PCA from matplotlib import pyplot as plt from sklearn.svm import LinearSVC from sklearn.metrics import classification_report #1.初始化一个线性矩阵并求秩 M = np.array([[1,2],[2,4]]) #初始化一个2*2的线性相关矩阵 np.linalg.matrix_rank(M,tol=None) # 计算矩阵的秩 #2.读取训练数据与测试数据集。 digits_train = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/optdigits/optdigits.tra', header=None)

1. 搜索结果中的一些词的含义 took：整个搜索请求花费了多少毫秒； hits.total：本次搜索，返回了几条结果； hits.max_score：本次搜索的所有结果中，最大的相关度分数是多少，每一条document对于search的相关度，越相关，_score分数越大，排位越靠前； hits.hits：默认查询前10条数据，完整数据，_score降序排序； shards：shards fail的条件（primary和replica全部挂掉），不影响其他shard。默认情况下来说，一个搜索请求，会打到一个index的所有primary shard上去，每个primary shard都可能会有一个或多个replic shard，所以请求也可以到primary shard的其中一个replica shard上去； timeout：默认无timeout，latency平衡completeness，手动指定timeout，timeout查询执行机制； GET /_search?timeout=10m timeout查询执行机制指每个shard在timeout时间内，将搜索的部分数据（也可以是全部数据）直接返回给client程序，而不用等到所有的查询结果都查询出来再返回； 2. multi-index和multi-type搜索模式 /_search：所有索引

改革春风吹满地 Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 65536/32768 K (Java/Others) Total Submission(s): 16889 Accepted Submission(s): 8636 Problem Description “ 改革春风吹满地, 不会AC没关系; 实在不行回老家， 还有一亩三分地。 谢谢!（乐队奏乐）” 话说部分学生心态极好，每天就知道游戏，这次考试如此简单的题目，也是云里雾里，而且，还竟然来这么几句打油诗。 好呀，老师的责任就是帮你解决问题，既然想种田，那就分你一块。 这块田位于浙江省温州市苍南县灵溪镇林家铺子村，多边形形状的一块地，原本是linle 的，现在就准备送给你了。不过，任何事情都没有那么简单，你必须首先告诉我这块地到底有多少面积，如果回答正确才能真正得到这块地。 发愁了吧？就是要让你知道，种地也是需要AC知识的！以后还是好好练吧... Input 输入数据包含多个测试实例，每个测试实例占一行，每行的开始是一个整数n(3<=n<=100)，它表示多边形的边数（当然也是顶点数），然后是按照逆时针顺序给出的n个顶点的坐标（x1, y1, x2, y2... xn, yn）,为了简化问题，这里的所有坐标都用整数表示。

文章目录 1 智能指针介绍 1.1 智能指针的意义 1.2 STL中的智能指针 1.3 Qt中的智能指针 2 创建智能指针类模板 1 智能指针介绍 1.1 智能指针的意义 智能指针具有如下意义： 现代C++开发库中最重要的类模板之一。 C++中自动内存管理的主要手段。 能够很大程度上避开内存相关的问题。 1.2 STL中的智能指针 STL中的智能指针auto_ptr： 生命周期结束时，销毁指向的内存空间。 不能指向堆数组，只能指向堆对象（变量）。 一片堆空间只属于一个智能指针对象。 多个智能指针对象不能指向同一片堆空间。 编程实验：auto_ptr使用初探 # include <iostream> # include <string> # include <memory> using namespace std ; class Test { string m_name ; public : Test ( const char * name ) { cout << "Hello, " << name << "." << endl ; m_name = name ; } void print ( ) { cout << "I'm " << m_name << "." << endl ; } ~ Test ( ) { cout << "Goodbye, " << m_name << ".

logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。 sigmoid函数 通过sigmoid函数，可以将任何实数值转换为区间为【0，1】之间值相应的值就符合了概率对应的值域 import numpy as np from matplotlib import pyplot as plt # 定义sigmoid函数 def sigmoid ( t ) : return 1 / ( 1 + np . exp ( - t ) ) x = np . linspace ( - 10 , 10 , 1000 ) y = sigmoid ( x ) plt . plot ( x , y ) plt . show ( ) 逻辑回归损失函数：表征模型预测值与真实值的不一致程度。 损失函数为什么选择用交叉验证。原因是平方损失在训练的时候会出现一定的问题。当预测值与真实值之间的差距过大时，这时候参数的调整就需要变大，但是如果使用平方损失，训练的时候可能看到的情况是预测值和真实值之间的差距越大，参数调整的越小，训练的越慢。 from sklearn import datasets iris = datasets . load_iris ( ) x = iris .

今天调试程序，使用top命令后，发现程序的cpu占有率很高，一直在99，这很可怕，所以来调试。 使用top命令，得如下结果 PID USER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND 1997 root 20 0 358m 71m 3208 S 99.1 7.2 81:53.50 test 1 root 20 0 24332 2044 1176 S 0.0 0.2 0:01.36 init 2 root 20 0 0 0 0 S 0.0 0.0 0:00.00 kthreadd 3 root 20 0 0 0 0 S 0.0 0.0 0:46.51 ksoftirqd/0 4 root 20 0 0 0 0 S 0.0 0.0 0:38.53 kworker/0:0 6 root RT 0 0 0 0 S 0.0 0.0 0:00.00 migration/0 可知test的PID为1997 然后具体查看test里线程的cpu使用情况 使用 top -H -p 1997 命令 root@slk:~# top -H -p 1997 top - 17:19:47 up 15 days, 34 min, 4 users, load average: 1.02, 1.06, 1.06 Tasks: 8 total, 1 running, 7

task01-线性模型、softmax与分类模型、多层感知机 一. 线性回归模型从零开始的实现 0.准备工作 #导入可视化的包和基本包 % matplotlib inline import torch from IPython import display from matplotlib import pyplot as plt import numpy as np import random print ( torch . __version__ ) 1.生成数据集 使用线性模型来生成数据集，生成一个1000个样本的数据集，线性关系： price = w1⋅area + w2⋅age + b # 输入特征 num_inputs = 2 # 样本数 num_examples = 1000 # 权重 偏差 true_w = [ 2 , - 3.4 ] true_b = 4.2 features = torch . randn ( num_examples , num_inputs , dtype = torch . float32 ) # 线性关系表达式 labels = true_w [ 0 ] * features [ : , 0 ] + true_w [ 1 ] * features [ : , 1 ] + true_b labels += torch . tensor (