深度学习烦人的基础知识(1)---&@在bash中的作用---positional parameter详解

这篇具有很好参考价值的文章主要介绍了深度学习烦人的基础知识(1)---&@在bash中的作用---positional parameter详解。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

深度学习,反展到现在,真的是要融会贯通很多东西。遇到便补吧!

想直接知晓答案的,请到最后一个练习题,想补基础知识的,请按照顺序阅读。

更多bash脚本知识可以参考thegeekstuff的教程!人很Nice,讲解清晰明了。

学习:学且练习,请多做做练习题吧!

Positional parameter

Positional Parameter就是调用shell脚本时,传入的参数!在脚本中通常用$0, $1, $2, ...表示。如下例子,您有一个脚本arithmetic.sh,它计算输入的两个数值的和,内容如下:

#!/usr/bin/bash

let add=$1+$2
echo "the sum is $add"

运行结果如下:

$ bash arithmetic.sh   9  7
$ the sum is 16

上例中,$1就是用户输入的9,$2是输入的7,$0是被调用的脚本名arithmetic.sh

你可以在脚本中给他们重复赋值(assign to them)!

练习题

  1. 请您用一句话介绍什么是positional parameter,并用打比方的方法介绍它。
  2. 用您的话向小学生解释’positional parameter’.(困难)

Special parameter

Parameter Parameter是管理具体输入参数的,Special parameter是管理shell的一些参数的,不可被赋值。
常见有:$*, $@, $#, $$, $!,...
$*是指整个输入参数的list,$@也是一样,不包含$0,从$1开始。
"$*"是指整个输入参数的list的字符串,你可以制定间隔符IFS(Internal Field Sperator),"$@"则是参数的string的list。
$#是输入参数的数量。
$$是script的pid,$!是当前脚本background运行时的PID。
测试用例如下:

#!/usr/bin/bash

let add=$1+$2
echo "the sum is $add"

IFS='-'

echo "$$  $! $#"

for arg in $*
do
    echo $arg
done

for arg in $@
do
    echo $arg
done

for arg in "$*"
do
    echo $arg
done

for arg in "$@"
do
    echo $arg
done

输出如下:

$ bash test.sh  9  7
the sum is 16
741642   2
9
7
9
7
9 7
9
7

练习题

$ deepspeed --bind_cores_to_rank cifar10_deepspeed.py --deepspeed $@

这个中$@表示什么意思?

$@不会被script接收,会被略过!没有啥意思!

$ cat run.sh
deepspeed --bind_cores_to_rank cifar10_deepspeed.py --deepspeed $@

这个是shell文件中的$@,是指在运行run.sh时,将输入的参数传给deepspeed程序。文章来源地址https://www.toymoban.com/news/detail-795092.html

到了这里,关于深度学习烦人的基础知识(1)---&@在bash中的作用---positional parameter详解的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 深度学习torch基础知识

    detach是截断反向传播的梯度流 将某个node变成不需要梯度的Varibale。因此当反向传播经过这个node时,梯度就不会从这个node往前面传播。 拼接:将多个维度参数相同的张量连接成一个张量 torch.nn.DataParallel(module, device_ids=None, output_device=None, dim=0) module即表示你定义的模型,devic

    2024年02月13日
    浏览(48)
  • 深度学习·理论篇(2023版)·第002篇深度学习和计算机视觉中的基础数学知识01:线性变换的定义+基于角度的线性变换案例(坐标变换)+点积和投影+矩阵乘法的几何意义+图形化精讲

    💕 恭喜本博客浏览量达到两百万,CSDN内容合伙人,CSDN人工智能领域实力新星~ 🧡 本文章为2021版本迭代更新版本,在结合有效知识的基础上对文章进行合理的增加,使得整个文章时刻顺应时代需要 🧡 本专栏将通过系统的深度学习实例,从可解释性的角度对深度学习的原理

    2023年04月08日
    浏览(56)
  • 深度学习基础知识神经网络

    1. 感知机 感知机(Perceptron)是 Frank Rosenblatt 在1957年提出的概念,其结构与MP模型类似,一般被视为最简单的人工神经网络,也作为二元线性分类器被广泛使用。通常情况下指单层的人工神经网络,以区别于多层感知机(Multilayer Perceptron)。尽管感知机结构简单,但能够学习

    2024年02月03日
    浏览(53)
  • 深度学习基础知识-感知机+神经网络的学习

    参考书籍:(找不到资源可以后台私信我) 《深度学习入门:基于Python的理论与实现 (斋藤康毅)》 《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition (Aurelien Geron [Géron, Aurélien])》 机器学习和深度学习的区别: Perceptron(感知机) 感知机就是一种接收多种输入信

    2023年04月26日
    浏览(60)
  • 深度学习基础知识(三)-线性代数的实现

    1.标量使用 标量由只有一个元素的张量表示,标量可以做最简单的计算。 结果: 2.向量使用 向量:将标量值组成的列表就是向量 结果: 访问张量的长度 只有一个轴的张量,形状只有一个元素 创建一个二维矩阵5行4列,然后将矩阵做转置,轴对称的一个转置 结果:其实就是把

    2024年02月10日
    浏览(60)
  • 深度学习基础知识-pytorch数据基本操作

    1.1.1 数据结构 机器学习和神经网络的主要数据结构,例如                 0维:叫标量,代表一个类别,如1.0                 1维:代表一个特征向量。如  [1.0,2,7,3.4]                 2维:就是矩阵,一个样本-特征矩阵,如: [[1.0,2,7,3.4 ]                   

    2024年02月11日
    浏览(48)
  • 深度学习TensorFlow2基础知识学习前半部分

    目录 测试TensorFlow是否支持GPU: 自动求导:  数据预处理 之 统一数组维度  定义变量和常量  训练模型的时候设备变量的设置 生成随机数据 交叉熵损失CE和均方误差函数MSE  全连接Dense层 维度变换reshape 增加或减小维度 数组合并 广播机制: 简单范数运算  矩阵转置 框架本

    2024年02月04日
    浏览(47)
  • 自动化测试-基础知识—Bash基础

    在 Bash 中,美元符号 $ 可以用于引用变量或者表达式的值。Bash 中的变量并不需要事先声明,而是在第一次赋值时自动创建。基于这个特性,我们可以通过给变量名加上 $ 的方式来引用它的值,比如 $var 表示引用变量 var 的值。 在 Bash 中,使用 $ 还有其他一些常见的用法,例

    2024年02月06日
    浏览(43)
  • 计算机视觉基础知识(十二)--神经网络与深度学习

    一种机器学习的算法 一般有输入层--隐藏层--输出层 隐藏层数量多于两个的称为深度神经网络; 输入的是特征向量; 特征向量代表的是变化的方向; 或者说是最能代表这个事物的特征方向; 权重是特征值,有正有负,加强或抑制; 权重的绝对值大小,代表输入信号对神经元的影响大小

    2024年02月21日
    浏览(59)
  • 【知识存储】用于深度学习研究的 ☆ 概率论和数理统计☆ 基础理论知识,用时查阅,灵活运用,很基础很重要

    随机事件和概率 1.事件的关系与运算 (1) 子事件: A ⊂ B A subset B A ⊂ B ,若 A A A 发生,则 B B B 发生。 (2) 相等事件: A = B A = B A = B ,即 A ⊂ B A subset B A ⊂ B ,且 B ⊂ A B subset A B ⊂ A 。 (3) 和事件: A ⋃ B Abigcup B A ⋃ B (或 A + B A + B A + B ), A A A 与 B B B 中至少有一个发生

    2024年02月16日
    浏览(63)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包