Linux常见问题与解决方案详解

需积分: 9 1 下载量 68 浏览量 更新于2024-08-27 收藏 884KB PPT 举报
Linux FAQ.ppt 是一份关于Linux系统常见问题和技术指南的PowerPoint演示文稿,由ByLeo.C.Wu创建于2015年9月12日。这份文档主要关注了Linux操作系统的细节,包括: 1. **32位操作系统问题**:针对32位Linux系统,可能遇到的问题和解决方案,如安装镜像的下载地址,建议使用Mirrors.163.com、Sohu的镜像站或阿里云镜像。 2. **鼠标指针问题**:讲解了如何在不同环境下处理鼠标控制,如在虚拟机中,Windows用户可以通过按住右Ctrl键释放鼠标,而在Mac上则需要使用左Command键。 3. **网络设置**:介绍Host-only网络,如何检查和配置网络设备,如查看eth0接口的状态,以及使用dhclient获取IP地址的过程。 4. **连接虚拟机**:使用putty进行远程连接时,需提供主机IP地址和登录凭证,以及如何使用snapshot功能管理和备份虚拟机状态。 5. **终端操作**:包括如何终止命令、关机命令的区别(poweroff、halt和shutdown),以及重启和重新启动计算机的方法。 6. **跨平台应用**:Linux与Windows程序的兼容性问题,可以通过虚拟机或Wine(Windows兼容层)来间接运行Windows应用程序,但可能存在性能损失。 7. **文件系统和路径**:区分Windows(使用反斜杠\)和Linux(使用正斜杠/)的文件路径,以及文件名的大小写敏感性。 8. **系统结构**:Windows采用盘符分隔,而Linux采用严格的目录结构,根目录为"/"。 9. **磁盘管理**:讲解了MBR和GPT分区表的区别,以及主分区、扩展分区和逻辑分区的设置,以及如何使用parted工具进行分区操作和格式化。 10. **挂载点和磁盘命名**:在Linux中,挂载点通常是目录,与Windows的卷标和NTFS文件夹不同。磁盘命名遵循26进制规则。 11. **Linux Swap**:介绍了Linux swap分区的创建、格式化和启用方法。 这份文档涵盖了Linux系统的基本操作和管理,对于初次接触Linux或者需要解决日常问题的用户来说,是一份实用的参考资源。

import ast from dataclasses import dataclass from typing import List import pandas as pd import json ["text", "六十一岁还能办什么保险"] @dataclass class FAQ: title: str sim_questions: List[str] answer: str faq_id: int ori_data = pd.read_csv('baoxianzhidao_filter.csv') data = [] exist_titles = set() for index, row in enumerate(ori_data.iterrows()): row_dict = row[1] title = row_dict['title'] if title not in exist_titles: data.append(FAQ(title=title, answer=row_dict['reply'], sim_questions=[title], faq_id=index)) exist_titles.add(title) from modelscope.pipelines import pipeline from modelscope.utils.constant import Tasks pipeline_ins = pipeline(Tasks.faq_question_answering, 'damo/nlp_mgimn_faq-question-answering_chinese-base') bsz = 32 all_sentence_vecs = [] batch = [] sentence_list = [faq.title for faq in data] for i,sent in enumerate(sentence_list): batch.append(sent) if len(batch) == bsz or (i == len(sentence_list)-1 and len(batch)>0): # if i == len(sentence_list)-1 and len(batch)>0: sentence_vecs = pipeline_ins.get_sentence_embedding(batch) all_sentence_vecs.extend(sentence_vecs) batch.clear() import faiss import numpy as np hidden_size = pipeline_ins.model.network.bert.config.hidden_size # hidden_size = pipeline_ins.model.bert.config.hidden_size index = faiss.IndexFlatIP(hidden_size) vecs = np.asarray(all_sentence_vecs, dtype='float32') index.add(vecs) from modelscope.outputs import OutputKeys def ask_faq(input, history=[]): # step1: get sentence vector of query query_vec = pipeline_ins.get_sentence_embedding([input])[0] query_vec = np.asarray(query_vec, dtype='float32').reshape([1, -1]) # step2: faq dense retrieval _, indices = index.search(query_vec, k=30) # step3: build support set support_set = [] for i in indices.tolist()[0]: faq = data[i] support_set.append({"text": faq.title, "label": faq.faq_id, "index": i}) # step4: faq ranking rst = pipeline_ins(input={"query_set": input, "support_set": support_set}) rst = rst[OutputKeys.OUTPUT][0][0] pred_label = rst['label'] pred_score = rst['score'] # get answer by faq_id pred_answer = "" pred_title = "" for faq in data: if faq.faq_id == pred_label: pred_answer = faq.answer pred_title = faq.title break history.append((f'{pred_answer}|(pred_title:{pred_title},pred_score:{pred_score:.3f})')) return history优化这段代码

2023-04-20 上传