리눅스 파일 검색 명령어


리눅스 파일 검색

find [경로] -name [파일 이름]

# find . -name "file*"


리눅스에서 파일 내부의 문자열을 검색

grep [옵션] 패턴 [파일]

# grep -r "Pattern" ./*

-r, --recursive 서브 디렉토리까지 찾아본다.


리눅스에서 파일 검색 후 파일 내용 중 문자열을 찾기

# find . -name "module*" | xargs grep "video"

파일 이름에 "module"이 들어있는 파일 중 내용에 "video"가 들어있는 파일을 보여준다.


댓글

댓글 쓰기

이 블로그의 인기 게시물

임베디드 리눅스 Starting Kernel 로그 출력 후 멈춤 현상이 있을때

임베디드 리눅스를 포팅하고 부팅 중 Staring Kernel 메시지 이후 아무런 로그 메시지가 출력되지 않고 멈추는 경우가 있다. 경험상 이런 경우 보통 Device Tree에서 GPIO설정이 잘못되었거나 파일시스템 설정이 잘못되어 rootfs를 마운트 하지 못해 발생하는 경우가 많았다. 확실히 하기 위해 로그 메시지를 레벨을 조정해 어디에서 부팅이 멈춘 것인지 확실히 해야 한다. 커널 로그 메시지 레벨은 kernel .config에서 LOGLEVEL을 수정하면 된다.  LOGLEVEL이 클수록 모든 로그 메시지를 출력한다.  https://man7.org/linux/man-pages/man2/syslog.2.html # # Kernel hacking # CONFIG_DEFAULT_MESSAGE_LOGLEVEL=7 만약, LOGLEVEL을 수정해도 아무런 로그 메시지가 나오지 않는다면, bootargs의 loglevel 값이 어떻게 설정되어 있는지 확인할 필요가 있다. loglevel도 클수록 모든 로그 메시지를 출력한다.
자세한 내용 보기

base64 인코딩 디코딩 예제 c 소스

이미지
본 글은 base64 encoder/decoder예제 c 소스 코드를 싣고 있다. BASE64 BASE64는 일련의 데이터를 64종류" ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/ "의 문자만을 이용하여 표현하도록 하는 부호화 방식이다. Base64는 인터넷 이메일 프로토콜이나 http url등에서 사용된다.  부호화 과정은 아래와 같다. 문자 : Hello Hex 코드 : 0x48 0x65 0x6c 0x6c 0x6f 8bits bin 코드: 01001000 01100101 01101100 01101100 01101111 8비트 단위의 문자를 6비트 단위로 분리한다. 6bits bin 코드 : 010010  000110  010101  101100  011011  000110  1111  00  ‘=’ 6비트 2진 코드 값은 BASE64 코드 테이블의 인덱스이고 각 인덱스의 문자로 base64 부호화 한다. 마지막 모자라는 비트는 0으로 채우며, 4글자 단위로 부호화 하기 때문에 4글자가 안되면 ‘=’기호를 사용해 4글자를 맞춘다. Base64 코드 : aGVsbG8= Base64 Encoder source code Base64 인코더 소스는 아래와 같다. 위의 부호화 예대로 text데이터를 받아 6bit 단위로 나누어 base64 코드 테이블에 맞춰 부호화를 진행한다. static const char base64code_ascii[] = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/"; int text2base64_size(const char *text) {...
자세한 내용 보기

uwb radar 호흡수 측정 방법 예제 코드

이미지
 본 포스트는 uwb radar를 사용한 호흡수 측정의 예제 코드와 측정 결과를 싣고 있다. 예제 코드는 python으로 구현했다. 호흡수 측정 원리는 아래 글에 설명돼 있다. UWB 레이더를 사용한 호흡수 측정 원리 1. uwb radar signal  예제 코드에서는 uwb 레이더로 사람을 측정한 후 저장된 파일을 사용하였다.  파일에서 한 프레임씩 읽어 10초 단위로 버퍼에 저장한 후 이를 사용하여 호흡수를 측정했다. csvfile = open('0117170856.csv') if csvfile is None:     return uwb_signal = csv.reader(csvfile) measure_len = 153 for line in uwb_signal:     frame = [float(x) for x in line]     frame = frame[0:measure_len]             vital.put_frame(frame)      csvfile.close() def put_frame(self, frame):     self.framesize = len(frame)     self.framestack.append(frame)     if len(self.framestack) > self.framestack_size:         self.framestack.pop(0) 2. 사람 위치  호흡을 측정하기 위해선 사람의 위치를 찾는 것이 선행되어야 한다.  사람이 호흡할 때 움직이는 가슴/배의 위치를 찾...
자세한 내용 보기

딥러닝을 사용한 로또 번호 예측 실험

이미지
딥러닝을 공부하며 , 이것을 사용하여 무엇을 해볼까 생각해보다 로또 번호 예측을 해보기로 했다 . 최근에 딥러닝 공부를 위해 구입한 O’REILLY 에서 나온 ‘Deep Learning Cookbook’ 에 나온 예제 중 ‘ 셰익스피어가 쓴 것 같은 문장 생성하기 ’ 를 참조하기로 했다 .  파이선은 딥러닝 공부하며 처음 접해본 언어라 책의 예제 소스를 많이 참조했다 .  참조한 예제는 RNN(Recurrent Neural Network) 을 사용하고 있다 . RNN 은 일정한 순서를 가진 입력의 경우 흔히 사용한다고 한다 . 1. 당첨 번호들을 사용하여 데이터 셋을 만든다 . 트레이닝 세트와 테스트 세트로 나눠 테스트를 하는 것이 좋지만 일단은 테스트 세트 없이 학습 loss 와 accuracy 만을 보기로 했다 .  로또 당첨 번호들을 로또 사이트에서 다운받은 다음 text 형태로 만든 뒤 , 이를 읽어 리스트 형태의 데이터로 만든다 . 2. RNN 모델을 만든다 . RNN 모델은 Keras( https://keras.io/ ) API 를 사용하여 만들었다 . 입력과 출력은 45 개의 one-hot 코딩된 데이터 ( 로또 번호가 1~45 이므로 ) 형태를 사용한다 . 입력 받은 데이터는 Keras 에서 제공하는 LSTM(Long Short-Term Memory Layer) 를 사용하고 , 과적합 방지를 위해 GaussianDropout 레이어도 중간에 넣어준다 .  LSTM 은 총 6 개의 Layer 를 쌓고 node 개수는 256 개를 사용했다 .  LSTM Layer 다음에는 일반적인 Neural Network 을 두어 45 개의 one-hot 코딩된 값을 출력하게 했다 . Activation 은 softmax 를 사용했다 . 3. 모델 Training 위는 Training 코드와 같다 . 먼저 모델을 만들고 fit_generator 를 사용하여 ...
자세한 내용 보기

Keras 모델 가중치 weights 파라미터 가져오기 설정하기 저장하기 및 불러오기

이미지
Keras 모델의 가중치(weights) 파라메터 검색, 설정, 저장 및 불러오기 정리 관련 포스트다. keras model에서 가중치(weights) 가져오기  Model.get_weights() return:   - 모델의 가중치 배열 Keras model에 가중치(weights) 설정하기 Model.set_weights(weights) argument:  - weights : numpy 배열의 가중치 Keras model의 가중치(weights) 파일로 저장하기 Model.save_weights(filepath, overwrite=True) arguments:  - filepath : 저장할 파일 경로, HDF5 형식으로 저장된다.  - overwrite : 덮어쓰기 여부 파일에서 Keras model 가중치(weights) 불러와 설정하기 Model.load_weights(filepath, by_name=False, skip_mismatch=False, reshpae=False) arguments:  - filepath : 가중치 파일의 경로  - by_name : 이름 또는 토폴로지 순서로 가중치를 로드 할지 여부를 나타낸다.  - skip_mismath : 가중치 개수나 모양이 일치하지 않는 레이어를 건너 뛸지에 대한 여부를 나타낸다. (by_name이 True인 경우)  - reshape : reshape 여부를 나타냄 예제 코드 from keras.layers import Input, Dense, Dropout, regularizers from keras.models import Model, load_model, save_model from keras.optimizers import Adam def build_model(i...
자세한 내용 보기