shell 基础 在终端输入:sh进入脚本界面 helloworld 编辑内容 #!/bin/bash echo "hello world!" 保存退出: w ~/helloworld.sh 运行: chmod +x ~/helloworld.sh cd ~ ./helloworld.sh 执行结果: hello world! 分析: 第一行中#!是一个约定的标记,告诉系统脚本需要使用什么解释器来执行,即使用哪一种shell 这种在第一行指定了解释器信息的方式,需要让脚本作为可执行程序执行 还有第二种运行方式,即作为解释器参数,这时,第一行的解释器信息,失效 eg:python test.py shell 变量 显式 …

shell进阶 破壳漏洞 env x='() { :;}; echo shellshocked' bash –c "echo test"检查,如果输出了两行,那么需要升级bash的版本 解释器的类型 系统中的shells使用cat /etc/shells查看: /bin/sh /bin/dash /bin/bash /bin/rbash /usr/bin/tmux /usr/bin/screen /bin/zsh /usr/bin/zsh 设置解释器的类型 #!/bin/bash在文件的开头使用,内核会根据"#!“后的解释器来确定该用那个程序解释这个脚本中的内容 脚本的编辑 vim帮助我们编 …

Redis的特点 速度快 使用内存 使用C语言 单线程 持久化 对数据的更新，异步保存到磁盘上 多种数据结构 strings/Blobs/Bitmaps Hash Tables Linked Lists Sets Sorted Sets BitMaps HyperLogLog(超小内存唯一值计数) GEO 多语言支持 功能丰富 发布topic 支持lua脚本 支持简单的事务 支持pipeline 高可用，分布式 Redis初识 缓存 计数器 消息队列系统 排行榜 实时系统 社交队列 Redis 可执行文件介绍 redis-server：redis服务器 redis-cli：rdis命令行服务端 redis-benchmark：性能测 …

TensorFlow 基础 计算密集型(tensorflow) cpu计算 io密集型(Django,Scrapy) http请求 线性回归回顾 准备好特征和lable y = x*0.7+0.8 2.建模.随机初始化一个权重w,一个偏置b y_predict = wx+b 求损失函数 less化损失函数 (y-y_predict)^2/x.shape[0] 4.梯度下降优化损失函数,我们需要查阅tensorflowAPI,制定合适的eta 变量作用域 tf.variable_scope 让变量显示可观测 收集变量 tf.summary.scalar(name=’’,tensor) #收集单值变量,name是 …

TensorFlow 线性回归 TensorFlow是一个编程系统,使用图(graphs)来表示计算任务,图(graphs)中的节点称之为op(operation),一个op获得0个或者多个Tensor,执行计算,产生0个或者多个Tensor.Tensor看做是一个n维的数组或者列表.图必须在会话Session里被启动 ##基本概念 使用图(graphs)来表示计算任务 在被称为会话(Session)的上下文(context)中执行图 使用张量(tensor)表示数据 通过变量(Vatria)维护状态 使用feed和fetch可以为任意的操作赋值或者从中获取数据 张量(Tensor) 在TensorFlow中,张量的维度被描述 …