yum深度学习

一:yum简介

yum是一个在Fedora和RedHat以及CentOS中的Shell前端软件包管理器。基于RPM包管理,能够从指定的服务器自动下载RPM包并且安装,可以自动处理依赖性关系,并且一次安装所有依赖的软件包,无须繁琐地一次次下载、安装。

二:yum的用法

1.yum repolist

all 显示所有的仓库

enabled 显示已启用的仓库

disabled 显示已禁用的仓库

2.yum list [all] :(yum list zlib :精确查询;yum list *zlib*:模糊查询)

available 显示所有可用的,且未安装的

installed 显示所有已安装的包

updates 显示可更新的包

3.yum install pkg1 [pkg2]:安装一个或多个包

4.yum reinstall pkg1 [pkg2] :重装一个或多个包

5.yum update [pkg1] [pkg2]

6.yum list updates 或 yum check-update

7.yum erase 或 yum remove

8.yum info pkg1 显示包的详细信息

9.yum provides | whatprovides  文件路径(支持文件名通配符) 查询一个文件来自哪一个rpm包无论是否已安装

10.yum clean all清空缓存 (仓库路径发生变化时)

11.yum makecache 重建缓存

12.yum search string1 :搜索描述中的关键字

13.yum deplist pkg1 查询指定包所依赖的能力

14.yum history 显示yum的历史操作

yum history info # 详细显示某条历史记录

yum history undo # 撤消某条yum的操作

当安这个包时;由于依赖性关系多安装了很多包,如何能够一次卸载这些刚安装的包而不影响其他的包呢?我们可以按照如图的做法处理

这样我们就把刚才所做的安装动作撤销了!

15.yum localinstall |install  rpm路径  安装本地的rpm包,并用yum解决依赖性关系

16.yum localupdate |update  rpm路径  更新本地的rpm包,并用yum解决依赖性关系

17.系统中有一些捆绑到一起的多个包,这些包就成为了包组;这使得工具的安装更加方便,

yum groupinstall grppkg1

grouplist 列出所有的包组

groupinfo grppkg1 显示该包组包含的rpm包

groupremove grppkg1 卸载包组

18.yum install --nogpgcheck 临时不进行gpg check

-y 自动回答,避免交互式

-q 静默。但不彻底,建议使用yum -y install vsftpd &> /dev/null

19.createrepo 存放rpm的路径

用这条命令,我们可以自己创建创建数据库文件,解决依赖性问题;可以用来安装第三方的软件。

20.yum-config-manager --add-repo=http://172.16.0.1/centos/6/:这条命令可以创造一个仓库脚本。简单方便

例子:使用最小化安装centos6(无图形化)在系统安装完成后,使用yum安装图形化后,执行init 5可进入图形化。

在做这个例子时,我们下最小化安装系统,再安装X window ,Desk,Desktop包组,第一个包组是底层环境,第二三个是桌面应用工具,这个实验主要考察对包组的操作,具体操作很简单,直接看图片吧。

首先写一个仓库脚本。

再运行命令:安装包组

最后输入init 5,进入图形化界面

三:总结

在文章的最后,我想说说我的学习方法,与大家分享一下自己的学习经验,我刚开始的时候走了很多弯路,不注重命令,想到用到命令的时候再查书。这是不对的,我们一定要多动手,多敲命令,才能做到熟能生巧。

原文地址:http://blog.51cto.com/13560258/2069392

时间: 2024-08-02 16:38:08

yum深度学习的相关文章

深度学习与计算机视觉(11)_基于deep learning的快速图像检索系统

作者: 寒小阳 && 龙心尘 时间:2016年3月. 出处:http://blog.csdn.net/han_xiaoyang/article/details/50856583 http://blog.csdn.net/longxinchen_ml/article/details/50903658 声明:版权所有,转载请联系作者并注明出处 1.重点内容引言 本系统是基于CVPR2015的论文<Deep Learning of Binary Hash Codes for Fast Im

人人都可以做深度学习应用:入门篇

一.人工智能和新科技革命 2017年围棋界发生了一件比较重要事,Master(Alphago)以60连胜横扫天下,击败各路世界冠军,人工智能以气势如虹的姿态出现在我们人类的面前.围棋曾经一度被称为"人类智慧的堡垒",如今,这座堡垒也随之成为过去.从2016年三月份AlphaGo击败李世石开始,AI全面进入我们大众的视野,对于它的讨论变得更为火热起来,整个业界普遍认为,它很可能带来下一次科技革命,并且,在未来可预见的10多年里,深刻得改变我们的生活. 其实,AI除了可以做我们熟知的人脸.

人人都能够做深度学习应用:入门篇

一.人工智能和新科技革命 2017年围棋界发生了一件比較重要事,Master(Alphago)以60连胜横扫天下,击败各路世界冠军.人工智能以气势如虹的姿态出现在我们人类的面前.围棋以前一度被称为"人类智慧的堡垒",现在.这座堡垒也随之成为过去.从2016年三月份AlphaGo击败李世石開始,AI全面进入我们大众的视野,对于它的讨论变得更为火热起来.整个业界普遍觉得,它非常可能带来下一次科技革命,而且,在未来可预见的10多年里,深刻得改变我们的生活. 事实上.AI除了能够做我们熟知的人

[AI开发]centOS7.5上基于keras/tensorflow深度学习环境搭建

这篇文章详细介绍在centOS7.5上搭建基于keras/tensorflow的深度学习环境,该环境可用于实际生产.本人现在非常熟练linux(Ubuntu/centOS/openSUSE).windows上该环境的搭建 :) 前面三篇博客代码实现均基于该环境(开发或者测试过): [AI开发]Python+Tensorflow打造自己的计算机视觉API服务 [AI开发]基于深度学习的视频多目标跟踪实现 [AI开发]视频多目标跟踪高级版 运行环境 1) centOS 7.5 ,不要安装GUI桌面:

基于ZStack构建深度学习云平台

前言 深度学习是机器学习和人工智能研究的热门分支,也是当今最流行的科学研究趋势之一.深度学习方法为计算机视觉.机器学习带来了革命性的进步,而新的深度学习技术也正在不断诞生.由于深度学习正快速发展,新的研究者很难对这一技术实时跟进.国内各大公有云厂商都提供了相应的深度学习相关产品,但对于初学者并不那么实用.本文将介绍基于产品化云平台--ZStack,来构建对初学者友好.易运维.易使用的深度学习云平台. 由于ZStack的轻量性,我们仅通过一台普通PC机就能部署云平台,进而实现深度学习平台构建.读者

TensorFlow【机器学习】:如何正确的掌握Google深度学习框架TensorFlow(第二代分布式机器学习系统)?

本文标签:   机器学习 TensorFlow Google深度学习框架 分布式机器学习 唐源 VGG REST   服务器 自 2015 年底开源到如今更快.更灵活.更方便的 1.0 版本正式发布,由 Google 推出的第二代分布式机器学习系统 TensorFlow一直在为我们带来惊喜,一方面是技术层面持续的迭代演进,从分布式版本.服务框架 TensorFlow Serving.上层封装 TF.Learn 到 Windows 支持.JIT 编译器 XLA.动态计算图框架 Fold 等,以及

【深度学习学习记录】之一:开篇闲扯一些话

深度学习的历史可谓是一波三折,而就在最近阿尔法狗战胜李世乭,让深度学习再次回到人们的视线. 我对深度学习的真正意义上的认识,还得从2016.05.26日的一节课上说起. 讲课老师是信科软工所的李戈老师,他是一位较年轻的副教授,讲课风趣幽默,看上去很健谈,喜欢笑. 这位老师在三个小时的课程中,带领我们从只是听说过深度学习到对深度学习有个大致了解.全程我都非常认真的听了,这种感受已经在大三之后都几乎没有过了,我认为一方面是老师讲课的方式非常吸引人,另一方面是兴趣使然,我对人工智能方面还是非常感兴趣的

深度学习与自然语言处理之四:卷积神经网络模型(CNN)

/* 版权声明:可以任意转载,转载时请标明文章原始出处和作者信息 .*/ author: 张俊林 大纲如下: 1.CNN基础模型 2.单CNN模型的改进    2.1对输入层的改进    2.2Convolution层的改进    2.3Sub-Sampling层的改进    2.4全连接层的改进 3.多CNN模型的改进 4.探讨与思考 扫一扫关注微信号:"布洛卡区" ,深度学习在自然语言处理等智能应用的技术研讨与科普公众号.

Spark MLlib Deep Learning Convolution Neural Network (深度学习-卷积神经网络)3.1

3.Spark MLlib Deep Learning Convolution Neural Network (深度学习-卷积神经网络)3.1 http://blog.csdn.net/sunbow0 Spark MLlib Deep Learning工具箱,是根据现有深度学习教程<UFLDL教程>中的算法,在SparkMLlib中的实现.具体Spark MLlib Deep Learning(深度学习)目录结构: 第一章Neural Net(NN) 1.源码 2.源码解析 3.实例 第二章D