新闻详情

新闻详情

首页 / 资讯中心 / 详情

从零开始用 Linux:文件与目录操作

发布时间:2026/11/14 3:02:10来源:尧图网络
从零开始用 Linux:文件与目录操作
先确认你在哪看终端的提示符——fjxfjx:~$→ 已经在 Ubuntu 里直接往下敲C:\Users\72344→ 还是 Windows 的 cmd先敲wsl回车进去第一步装 g三条命令依次敲sudo—— 怎么以管理员身份执行命令apt—— 怎么装软件、更新软件源sudo apt update输入时会问密码屏幕上不显示字符正常输完回车。它会下载软件清单可能几十秒到一两分钟。sudo apt install -y g下载并安装编译器大概几十 MB。g --version看到类似g (Ubuntu 13.x.x ...) 13.x.x就成了。第二步文件与目录操作练习一条一条敲cd ~ mkdir practice cd practice mkdir src docs test touch src/main.cpp docs/readme.md ls -R.: ← 当前位置.里有什么docs src test ← 这三个子目录./docs: ← 进入 ./docs 看readme.md./src: ← 进入 ./src 看main.cpp./test: ← 进入 ./test 看← 空的什么都没有./test:后面没有内容不是出错了是这个目录确实是空的。.开头表示从当前目录算起。三个值得记住的细节一、路径可以写多层。touch src/main.cpp的意思是在当前目录下的 src 目录里建一个 main.cpp。注意斜杠是/正斜杠这是 Linux 的路径分隔符——Windows 用\别搞混。二、~会跟着你走。cd ~后提示符是~cd practice后是~/practice——bash 会把家目录缩写成~看着就知道自己在家里的哪个位置。三、mkdir和touch都支持一次给多个参数。所以mkdir src docs test一行建三个不用敲三遍。接着练复制、移动、删除cp docs/readme.md docs/readme.bak mv docs/readme.bak test/ rm test/readme.bak ls -R跑完最后那个ls -R你应该看到docs/里只剩 readme.mdsrc/还是 main.cpptest/又变回空的因为里面的文件被删了。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/13 10:09:00

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/13 13:31:48

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/13 16:11:45

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉