Linux系统学习笔记第8页

探秘Linux进程间通信：ipcdump 工具

探秘Linux进程间通信：ipcdump工具IPCDump项目地址:https://gitcode.com/gh_mirrors/ip/IPCDumpipcdump是一个强大的开源工具，专门用于追踪Linux

高慈鹃Faye·2025-07-08 22:56

学习笔记：oracle online系列：oracle：Per-Process PGA memory limit

我们的文章会在微信公众号IT民工的龙马人生和博客网站(www.htz.pw)同步更新，欢迎关注收藏，也欢迎大家转载，但是请在文章开始地方标注文章出处，谢谢！由于博客中有大量代码，通过页面浏览效果更佳。本文转自朋友的真实案例分享。oracleonline系列：oracle：Per-ProcessPGAmemorylimit前几日，东区某客户的19crac出现了ORA-04030，从报错的trace来

认真就输DBA·2025-07-08 22:24

机器学习知识点复习上（保研、复试、面试）百面机器学习笔记

机器学习知识点复习上一、特征工程1.为什么需要对数值类型的特征做归一化？2.文本表示模型3.图像数据不足的处理方法二、模型评估1.常见的评估指标2.ROC曲线3.为什么在一些场景中要使用余弦相似度而不是欧氏距离？4.过拟合和欠拟合三、经典算法1.支持向量机SVM2.逻辑回归3.决策树四、降维1.主成分分析（PrinalComponentsAnalysis,PCA）降维中最经典的方法2.线性判别分析

·2025-07-08 20:36

大数据平台之ranger与ldap集成，同步用户和组

ranger可以通过ranger-usersync与linux系统同步用户，但是，还有个问题，就是我们的hiveserver一般是集群，可以是多台服务器，那么我们空间同步哪一台呢，而且如果用户多了，如何管理用户登录密码呢

无级程序员·2025-07-08 20:06

揭开Linux DDoS攻击的神秘面纱：从原理到防御

二、LinuxDDoS攻击的原理剖析（一）DDoS攻击的基本概念（二）针对Linux系统的攻击特点三、常见的LinuxDDoS攻击手段（一）流量型攻击1.UDPFlood攻击2.ICMPFlood攻击（

·2025-07-08 19:03

Linux系统用户和用户组管理详细介绍

文章目录1.用户与用户组基本概念1.1用户类型1.2用户组2.用户管理操作2.1创建用户2.2设置用户密码2.3删除用户2.4修改用户属性3.用户组管理操作3.1创建用户组3.2删除用户组3.3修改用户组3.4用户与组的关联4.权限管理4.1文件权限模型4.2修改文件权限4.3高级权限控制5.sudo与su5.1sudo5.2su6.配置文件与安全实践6.1关键配置文件6.2安全实践7.常见问题与

·2025-07-08 18:23

DPDK探测设备并初始化

本文整理下之前的学习笔记，基于DPDK17.11版本源码分析。主要看一下DPDK探测网卡设备，并进行初始化的流程，用到了类似kernel中的总线-设备-驱动模型。

分享放大价值·2025-07-08 17:51

Shell脚本编程完全指南：从基础到自动化项目实战

作为Unix/Linux系统的核心自动化工具，它能完成：系统管理任务自动化复杂命令序列的封装文件批量处理服务状态监控等典型应用场景：#!

·2025-07-08 17:20

Unix/Linux系统上用于构建图形用户界面的核心协议和架构标准

1.查看当前使用的协议‌2.切换X11/Wayland（Ubuntu示例）‌3.开发适配（Qt等）‌三、3个常见用例‌四、总结建议‌前言本文介绍下Unix/Linux系统上用于构建图形用户界面的核心协议和架构标准

行之文·2025-07-08 17:18

动手学深度学习13.7. 单发多框检测（SSD）-笔记&练习（PyTorch）

以下内容为结合李沐老师的课程和教材补充的学习笔记，以及对课后练习的一些思考，自留回顾，也供同学之人交流参考。

scdifsn·2025-07-08 13:22

动手学深度学习3.3线性回归的简洁实现-笔记&练习（PyTorch）

以下内容为结合李沐老师的课程和教材补充的学习笔记，以及对课后练习的一些思考，自留回顾，也供同学之人交流参考。

scdifsn·2025-07-08 13:22

【网络】Linux 内核优化实战 - net.ipv4.tcp_syncookies

目录功能作用取值及含义查看与修改方法net.ipv4.tcp_syncookies是Linux系统中的一个内核参数，用于控制是否启用SYNCookies功能，该功能主要用于防范SYNFlood攻击。

锅锅来了·2025-07-08 13:21

Python学习笔记2-垃圾回收机制

Python的垃圾回收机制是自动管理内存的系统，用于回收不再使用的内存，以避免内存泄漏和优化内存使用。Python使用引用计数（ReferenceCounting）和垃圾回收（GarbageCollection）两种方式来管理内存。1.引用计数(ReferenceCounting)引用计数是Python内存管理的基础机制。每个对象都维护一个引用计数器，记录有多少个引用指向该对象。当一个新的引用指向

Carrie_Lei·2025-07-08 12:45

Python数据分析学习笔记：字符串统计

一、题目来源KagglePandas-Exercise:SummaryFunctionsandMaps章节二、题目要求描述一瓶葡萄酒时，可用的词汇有限。哪种词出现频率更高：“tropical”还是“fruity”？统计description列中这两个词的出现次数。忽略大小写。三、我的思路（使用str.contains统计总次数）tropical_count=reviews['description

NIKEeri·2025-07-08 11:39

一行配置引起的Linux默认路由未生效问题

默认路由问题Linux多网卡默认路由未配置问题背景问题分析Linux多网卡默认路由未配置问题背景最近装机比较频繁，但是装完机，启动系统之后，发现Linux系统没有默认路由。

彭泽布衣·2025-07-08 10:06

Linux信号处理全解析

在Linux系统编程中，信号（Signal）是一种异步通知机制，用于告知进程发生了某种事件。理解常见的信号及其默认行为对于编写健壮的应用程序至关重要。

程序员弘羽·2025-07-08 10:32

【机器学习|学习笔记】随机森林（Random Forest, RF）详解，附代码。

【机器学习|学习笔记】随机森林（RandomForest,RF）详解，附代码。【机器学习|学习笔记】随机森林（RandomForest,RF）详解，附代码。

努力毕业的小土博^_^·2025-07-08 09:56

Linux 命令使用笔记【sysctl】

名称在系统运行时，配置修改内核参数概要sysctl[options][variable[=value]][...]sysctl-p[fileorregexp][...]描述sysctl用于在linux系统运行时修改内核参数

fzip·2025-07-08 08:49

PyTorch深度学习快速入门教程【小土堆】详细学习笔记（第1-11个视频笔记）

本学习笔记源自于B站up主【我是土堆】的视频教程：PyTorch深度学习快速入门教程（绝对通俗易懂！）

胡说八道的Dr. Zhu·2025-07-08 08:49

Linux - 修改系统的max open files、max user processes（附ulimit的使用方法）

maxopenfiles、maxuserprocesses（附ulimit的使用方法）目录1问题说明2修改maxopenfiles3修改maxuserprocesses4附录:ulimit命令说明1问题说明Linux

oldbalck·2025-07-08 08:46

max open files mysql_MySQL性能优化之open_files_limit，table_open_cache和max_connections配置关系...

本文探讨的均基于Linux系统首先，mysql会基于max_connections和table_open_cache的值计算最低需要的文

Moriarty K·2025-07-08 08:46

关于 Linux中系统调优的一些笔记

写在前面推送的的邮件里看到有大佬讲的公共课，听了之后这里整理学习笔记。因为是公开课，所以讲的很浅，没接触过，这里做为了解，长长见识。

山河已无恙·2025-07-08 08:45

CSC研修计划的书写

博主最近在申请CSC，所以也会更新一下自己的学习笔记，有需要的可以关注我一下，同时有问题大家可以一起交流一下啊一要求（fromCSC官网）①拟留学专业(研究课题)在国内外研究情况及水平；②拟选择的留学国别

·2025-07-08 07:07

【机器学习笔记 Ⅱ】9 模型评估

评估机器学习模型是确保其在实际应用中有效性和可靠性的关键步骤。以下是系统化的评估方法，涵盖分类、回归、聚类等任务的评估指标和技术：一、分类模型评估1.基础指标2.高级指标ROC-AUC：通过绘制真正例率（TPR）vs假正例率（FPR）曲线下面积评估模型整体性能。AUC=1：完美分类；AUC=0.5：随机猜测。适用于二分类及多分类（OvR或OvO策略）。混淆矩阵：可视化模型在各类别上的具体错误（如将

巴伦是只猫·2025-07-08 07:07

【机器学习笔记 Ⅱ】7 多类分类

1.多类分类（Multi-classClassification）定义多类分类是指目标变量（标签）有超过两个类别的分类任务。例如：手写数字识别：10个类别（0~9）。图像分类：区分猫、狗、鸟等。新闻主题分类：政治、经济、体育等。特点互斥性：每个样本仅属于一个类别（区别于多标签分类）。输出要求：模型需输出每个类别的概率分布，且概率之和为1。实现方式One-vs-Rest(OvR)：训练K个二分类器（

巴伦是只猫·2025-07-08 07:06

【DeepSeek开源周】Day 4：DualPipe & EPLB 学习笔记

目录一、DualPipe&EPLB概述二、DualPipe详解1.流水线并行策略（1）F-then-B策略（2）1F1B策略2.朴素流水线并行3.GPipe微批次流水线并行4.PipeStream5.ZBPP6.DualPipe7.DualPipeV8.流水线并行方案对比三、EPLB详解1.专家并行（EP）2.EPLB冗余专家策略3.负载均衡策略（1）分层负载均衡（2）全局负载均衡（3）接口和示例

蓝海星梦·2025-07-08 06:00

Hadoop MapReduce 入门

一、Hadoop3.0.4环境准备1.环境要求Java8（Hadoop3.0.4不支持Java11+）单节点或多节点Linux系统（推荐Ubuntu18.04+）至少4GB内存（建议8GB+）50GB以上磁盘空间

·2025-07-08 06:29

【机器学习笔记 Ⅱ】4 神经网络中的推理

推理（Inference）是神经网络在训练完成后利用学到的参数对新数据进行预测的过程。与训练阶段不同，推理阶段不计算梯度也不更新权重，仅执行前向传播。以下是其实现原理和代码示例的完整解析：1.推理的核心步骤加载训练好的模型参数（权重和偏置）。前向传播：输入数据逐层计算，得到输出。后处理：根据任务类型解析输出（如分类取概率最大值，回归直接输出）。2.代码实现（Python+NumPy）(1)定义模型

·2025-07-08 06:29

【机器学习笔记 Ⅲ】3 异常检测算法

异常检测算法（AnomalyDetection）详解异常检测是识别数据中显著偏离正常模式的样本（离群点）的技术，广泛应用于欺诈检测、故障诊断、网络安全等领域。以下是系统化的解析：1.异常类型类型描述示例点异常单个样本明显异常信用卡交易中的天价消费上下文异常在特定上下文中异常（如时间序列）夏季气温突降至零下集体异常一组相关样本联合表现为异常网络流量中突然的DDOS攻击流量2.常用算法(1)基于统计的

巴伦是只猫·2025-07-08 04:17

【机器学习笔记 Ⅲ】4 特征选择

特征选择（FeatureSelection）系统指南特征选择是机器学习中优化模型性能的关键步骤，通过筛选最相关、信息量最大的特征，提高模型精度、降低过拟合风险并加速训练。以下是完整的特征选择方法论：1.特征选择的核心目标提升模型性能：去除噪声和冗余特征，增强泛化能力。降低计算成本：减少训练和预测时间。增强可解释性：简化模型，便于业务理解。2.特征选择方法分类(1)过滤法（FilterMethods

巴伦是只猫·2025-07-08 04:17

机器学习笔记二-回归

回归是统计学和机器学习中的一种基本方法，用于建模变量之间的关系，特别是用一个或多个自变量（输入变量）来预测一个因变量（输出变量）的值。回归分析广泛应用于预测、趋势分析和关联研究中。根据目标和数据的性质，可以使用不同类型的回归方法。1.回归的基本概念：自变量（IndependentVariable）:也称为预测变量、解释变量，是模型中的输入变量，用于预测或解释因变量的变化。因变量（Dependent

·2025-07-08 04:46

OpenHarmony解读之设备认证：Pake协议详解与实战

陈乔布斯·2025-07-08 04:16

【ESP32最全学习笔记（基础篇）——7.ESP32 ADC – 使用 Arduino IDE 读取模拟值】

关于本教程：ESP32基础篇1.ESP32简介2.ESP32Arduino集成开发环境3.VS代码和PlatformIO4.ESP32引脚5.ESP32输入输出6.ESP32脉宽调制7.ESP32模拟输入☑8.ESP32中断定时器9.ESP32深度睡眠

「已注销」·2025-07-07 23:40

centos7 ifconfig命令不显示IP号的解决方法

当使用ifconfig命令时，对于ens33这个第一网卡不显示ip地址，用ip-a并不显示正确的ip号，用下面的方式来解决用sudodhclient-v命令这是一个在Linux系统中获取IP地址的命令，

奔跑向Python的小兔·2025-07-07 21:52

Linux系统学习：文件、目录操作，简单语法

DAY2文件系统Linux本质上就是一个文件系统。Linux文件系统是操作系统组织、存取、保存数据的一种手段。整体采用层级式的倒状目录结构。倒状树结构中的目录/:根目录/bin：主要存放系统普通指令/boot：主要存放系统的引导程序/dev：存放硬件设备对应的文件（Linux应用开发阶段，访问其中的文件）/etc：存放系统和应用程序的配置文件（如：profile）/home：家目录，存放当前系统下

橙小花·2025-07-07 20:15

计算机网络（网页显示过程，TCP三次握手，HTTP1.0，1.1，2.0，3.0，JWT cookie）

前言最近一直在看后端开发的面经，里面涉及到了好多计算机网络的知识，在这里以问题的形式写一个学习笔记（其中参考了:JavaGuide和小林coding这两个很好的学习网站）1.当键入网址后，到网页显示，其间发生了什么

老虎0627·2025-07-07 19:38

PyQt5—QTextEdit 学习笔记

第二章控件学习一、QTextEdit基础认知QTextEdit是PyQt/PySide框架中用于处理富文本内容的强大控件，它不仅支持纯文本编辑，还能处理HTML、图片等复杂内容，是开发文本编辑器、日志查看器等应用的核心组件。二、最简单的QTextEdit实现下面是一个创建QTextEdit并显示的基础案例，适合零基础入门：importsysfromPyQt5.QtWidgetsimportQApp

寄思～·2025-07-07 18:32

陈强《计量经济学及Stata应用》学习笔记——持续更新

1导论1.1什么是计量经济学econometrics几种关系：相关关系、因果关系、逆向因果关系reversecausality、双向因果关系被解释变量dependentvariable解释变量explanatoryvariable=regressor=自变量independentvariable=协变量covariateunobservable的误差项errorterm=随机扰动项stochast

WangSoooCute·2025-07-07 16:23

医咖会免费STATA教程学习笔记——单因素方差分析

单因素方差分析和单因素回归分析相同1.单因素方差分析需要满足的假设：（1）因变量为连续变量（2）至少有一个分类变量（大于等于2类）（3）观测值相互独立（4）没有异常值（5）服从正态分布（6）方差齐性2.准备工作（1）导入数据集：webusesystolic,clear（2）检验是否存在异常值：方法一：图形——箱线图——在变量中选择systolic——确定方法二：grahboxsystolic,ov

Unacandoit·2025-07-07 16:49

嵌入式Linux内核镜像生成过程

嵌入式Linux内核镜像生成过程嵌入式Linux系统的核心组件是内核，它是操作系统的核心部分，负责管理硬件资源、提供系统调用接口以及驱动设备等功能。

飘逸轻舞·2025-07-07 14:35

【机器学习笔记 Ⅱ】11 决策树模型

决策树模型（DecisionTree）详解决策树是一种树形结构的监督学习模型，通过一系列规则对数据进行分类或回归。其核心思想是模仿人类决策过程，通过不断提问（基于特征划分）逐步逼近答案。1.核心概念节点类型：根节点：起始问题（最佳特征划分点）。内部节点：中间决策步骤（特征判断）。叶节点：最终预测结果（类别或数值）。分支：对应特征的取值或条件判断（如“年龄≥30？”）。2.构建决策树的关键步骤(1)

巴伦是只猫·2025-07-07 12:24

【机器学习笔记 Ⅱ】10 完整周期

机器学习的完整生命周期（End-to-EndPipeline）机器学习的完整周期涵盖从问题定义到模型部署的全过程，以下是系统化的步骤分解和关键要点：1.问题定义（ProblemDefinition）目标：明确业务需求与机器学习任务的匹配性。关键问题：这是分类、回归、聚类还是强化学习问题？成功的标准是什么？（如准确率>90%、降低10%成本）输出：项目目标文档（含评估指标）。2.数据收集（DataC

·2025-07-07 12:24

【机器学习笔记Ⅰ】13 正则化代价函数

正则化代价函数（RegularizedCostFunction）详解正则化代价函数是机器学习中用于防止模型过拟合的核心技术，通过在原始代价函数中添加惩罚项，约束模型参数的大小，从而提高泛化能力。以下是系统化的解析：1.为什么需要正则化？过拟合问题：当模型过于复杂（如高阶多项式回归、深度神经网络）时，可能完美拟合训练数据但泛化性能差。解决方案：在代价函数中增加对参数的惩罚，抑制不重要的特征权重。2.

·2025-07-07 12:23

【机器学习笔记Ⅰ】6 多类特征

多类特征（Multi-classFeatures）详解多类特征是指一个特征（变量）可以取多个离散的类别值，且这些类别之间没有内在的顺序关系。这类特征是机器学习中常见的数据类型，尤其在分类和回归问题中需要特殊处理。1.核心概念(1)什么是多类特征？定义：特征是离散的、有限的类别，且类别之间无大小或顺序关系。示例：颜色：红、绿、蓝（无顺序）。城市：北京、上海、广州（无数学意义的大小关系）。动物类别：猫

巴伦是只猫·2025-07-07 12:53

机器学习笔记——支持向量机

支持向量机参数模型对分布需要假设（这也是与非参数模型的区别之一）间隔最大化，形式转化为凸二次规划问题最大化间隔间隔最大化是意思：对训练集有着充分大的确信度来分类训练数据，最难以分的点也有足够大的信度将其分开间隔最大化的分离超平面的的求解怎么求呢？最终的方法如下1.线性可分的支持向量机的优化目标其实就是找得到分离的的超平面求得参数w和b的值就可以了注意，最大间隔分离超平面是唯一的，间隔叫硬间隔1.1

star_and_sun·2025-07-07 12:23

Simscape入门教程

文章目录物理网络连接到Simulink运行本文是官方教程构造物理模型的基本步骤的学习笔记，旨在建立一个带有控制器的质量-弹簧-阻尼系统。

微小冷·2025-07-07 12:51

Linux内存管理和寻址详解

页式：内存划分为多个内存页进行管理，如在Linux系统中，每一页的大小为4KB。由于分了页后，就不会产生细小的内存碎片。但是仍然也存在内存碎片问题。段页式：段式和页式结合。

*烟雨·2025-07-07 12:51

从小白到进阶：解锁linux与c语言高级编程知识点嵌入式开发的任督二脉（1）

但当你踏入嵌入式开发的大门，尤其是涉及到那些跑着Linux系统的“大家伙”（比如树莓派、工控机、智能路由器），你就会发现，一个全新的世界在你面前展

small_wh1te_coder·2025-07-07 12:50

【机器学习笔记Ⅰ】7 向量化

向量化（Vectorization）详解向量化是将数据或操作转换为向量（或矩阵）形式，并利用并行计算高效处理的技术。它是机器学习和数值计算中的核心优化手段，能显著提升代码运行效率（尤其在Python中避免显式循环）。1.为什么需要向量化？(1)传统循环的缺陷低效：Python的for循环逐元素操作，速度慢。代码冗长：需手动处理每个元素。示例：计算两个数组的点积（非向量化）a=[1,2,3]b=[4

巴伦是只猫·2025-07-07 12:48

大模型RLHF强化学习笔记（二）：强化学习基础梳理Part2

【如果笔记对你有帮助，欢迎关注&点赞&收藏，收到正反馈会加快更新！谢谢支持！】一、强化学习基础1.4强化学习分类根据数据来源划分Online：智能体与环境实时交互，如Q-Learning、SARSA、Actor-CriticOffline：智能体使用预先收集的数据集进行学习根据策略更新划分On-Policy：学习和行为策略是相同的，数据是按照当前策略生成的，如SARSAOff-Policy：学习策

Gravity!·2025-07-07 11:17

推荐频道

Linux系统学习笔记