пїЅпїЅпїЅпїЅпїЅпїЅпїЅ24 пїЅ пїЅпїЅпїЅпїЅпїЅпїЅ
По вашему запросу ничего не найдено :(
Убедитесь, что запрос написан правильно, или посмотрите другие
наши статьи:
Бесконечные споры вокруг искусственного интеллекта приводят к путанице. Существует много терминов, которые кажутся похожими, но это не так. Мы постараемся разобраться и противопоставить искусственный интеллект (ИИ или artificial intelligence, AI), машинное обучение (machine learning, ML), глубокое обучение (deep learning) и нейронные сети (neural networks), чтобы их разграничить.
Кратко говоря, мы рассмотрим, как все эти концепции связаны друг с другом и что делает их различными. Мы также разберем роль ИИ в каждом из этих понятий.
ИИ, машинное обучение, глубокое обучение и нейронные сети: как они связаны?
Лучший способ понять, как эти понятия связаны между собой, — использовать аналогию с матрешкой, что означает, что эти концепции являются компонентами друг друга.
Проще говоря, машинное обучение — это подслой искусственного интеллекта. Нейронные сети — это подслой машинного обучения. А алгоритмы глубокого обучения являются развитием концепции нейронных сетей.
Что отличает нейронные сети от глубокого обучения, так это то, что одно является более сложным компонентом другого.
Рассмотрим некоторые ключевые различия, чтобы лучше понять, как работают эти компоненты ИИ.
Чем глубокое обучение отличается от нейронных сетей?
Мы уже говорили о том, что нейронные сети и глубокое обучение не являются полностью независимыми концепциями. Когда мы говорим о глубоком обучении, мы имеем в виду “глубину” слоев и узлов в нейронной сети. Таким образом, нейронная сеть, состоящая из более чем трех слоев (включая входной и выходной), считается алгоритмом глубокого обучения.
Еще один ключевой фактор заключается в том, что большинство глубоких нейронных сетей являются прямыми, то есть данные перемещаются исключительно от входа к выходу. Модели также могут обучаться с помощью обратного распространения ошибки, что позволяет им двигаться в подходящем направлении от выхода к входу.
Эта модель позволяет специалистам по данным вычислять и приписывать ошибку, связанную с каждым нейроном сети, что позволяет им корректировать узлы в алгоритме для достижения желаемого результата.
Вот еще несколько различий между глубоким обучением и нейронными сетями:
Сеть глубокого обучения имеет много различных слоев, что делает её более сложной, чем нейронная сеть.
Система глубокого обучения выполняет задачи более эффективно и результативно, в то время как нейронная сеть выполняет задачи немного менее эффективно.
Основные компоненты единицы глубокого обучения — это обширный источник питания, GPU и большой объем оперативной памяти. В то время как основные компоненты нейронной сети — это нейроны, скорость обучения, связи, функции распространения и веса.
Из-за своей сложности сети глубокого обучения требуют значительного времени для обучения, тогда как нейронные сети требуют меньшего времени на обучение.
Глубокое обучение против машинного обучения: чем они отличаются?
Прежде чем узнать о различиях между глубоким обучением и машинным обучением, важно понять, что алгоритмы глубокого обучения и машинного обучения не являются противоположными концепциями. Вместо этого алгоритмы глубокого обучения фактически являются алгоритмами машинного обучения.
Следовательно, лучше рассматривать то, что делает глубокое обучение уникальным в рамках машинного обучения, вместо противопоставления глубокого обучения и машинного обучения. В широком смысле, особенности, которые делают глубокое обучение уникальным, включают структуру алгоритма нейронной сети, меньшую необходимость в человеческом вмешательстве и более обширные требования к данным. Давайте рассмотрим их по отдельности:
Во-первых, традиционные алгоритмы машинного обучения имеют относительно простую структуру, включая линейную регрессию или модель решающего дерева. В то время как модели глубокого обучения основаны на искусственной нейронной сети. Эти нейронные сети имеют много слоев и (как и человеческий мозг) сложны и переплетены через узлы (аналог нейронов человека).
Во-вторых, модели глубокого обучения требуют гораздо меньше человеческого вмешательства, чем их обычные аналоги в машинном обучении. Например, ИИ для автономного автомобиля будет иметь возможность распознавать дорожные знаки без ручного вмешательства инженера-программиста, также известного как извлечение признаков.
Наконец, глубокое обучение требует значительно больше данных, чем стандартные алгоритмы машинного обучения. Машинное обучение часто работает с тысячами точек данных, тогда как глубокое обучение может работать с миллионами. Из-за своей сложной многослойной структуры системы глубокого обучения нуждаются в большом наборе данных, чтобы уменьшить или устранить колебания и делать качественные интерпретации.
Как ИИ вписывается в эти концепции?
Перед тем как ответить на этот вопрос, давайте вспомним, что такое искусственный интеллект.
Искусственный интеллект — это способность компьютерной системы имитировать человеческие когнитивные функции, такие как обучение и решение проблем. С помощью ИИ компьютерная система использует математику и логику, чтобы имитировать рассуждения человека, учиться на новой информации и принимать решения.
Это область, изучаемая специалистами по данным на протяжении многих лет, и они продолжают расширять свои возможности с каждым новым технологическим достижением в области аппаратного и программного обеспечения.
Итак, быстрый ответ на наш первоначальный вопрос заключается в том, что ИИ охватывает все, что связано с машинным обучением, нейронными сетями и глубоким обучением. Но чтобы быть более конкретными, мы разберем это по отдельности.
ИИ против машинного обучения
Хотя ИИ и машинное обучение тесно связаны, они не являются одним и тем же. Машинное обучение считается подмножеством ИИ. Это аналогичное недопонимание, как и в случае с различием между глубоким обучением и машинным обучением.
Машинное обучение — это общий термин, обозначающий, когда компьютеры учатся на данных. Это перекресток компьютерных наук и статистики, где используются алгоритмы для выполнения конкретной задачи без явного программирования; вместо этого они распознают паттерны в данных и делают прогнозы, когда появляются новые данные.
В общем, процесс обучения этих алгоритмов может быть либо контролируемым, либо неконтролируемым, в зависимости от данных, используемых для обучения алгоритмов.
ИИ против искусственных нейронных сетей
Как уже упоминалось, ИИ относится к машинам, которые могут имитировать когнитивные навыки человека. Нейронные сети, с другой стороны, представляют собой сеть искусственных нейронов или узлов. Они отдаленно вдохновлены биологическими нейронными сетями, которые составляют человеческий мозг.
Системы нейронных сетей функционируют аналогично цепи нейронов у человека, которые принимают и обрабатывают информацию. Нейронные сети основаны на алгоритмах, найденных в нашем мозге, которые помогают их работе.
Нейронная сеть интерпретирует числовые паттерны, которые могут принимать форму векторов. Нейронные сети используются для перевода этих векторов. Основная функция нейронной сети — классификация и категоризация данных на основе сходства.
Наибольшее преимущество нейронной сети в том, что она может легко адаптироваться к изменяющимся паттернам выходных данных. Кроме того, вам не нужно корректировать её каждый раз на основе предоставляемого ввода, что может быть достигнуто с помощью контролируемого или неконтролируемого обучения.
ИИ против глубокого обучения
Искусственный интеллект — это концепция создания инновационных, умных машин. Глубокое обучение является подмножеством машинного обучения, которое использует огромные объемы данных и сложные алгоритмы для обучения модели.
Глубокое обучение описывает алгоритмы, которые анализируют данные с логической структурой, подобной тому, как человек делает выводы из исследования данных и проб и ошибок. Обратите внимание, что это может происходить как через контролируемое, так и через неконтролируемое обучение.
Для достижения этого приложения глубокого обучения используют слоистую структуру алгоритмов, называемую искусственной нейронной сетью (ANN). Дизайн такой ANN вдохновлен биологической нейронной сетью человеческого мозга, что приводит к процессу обучения, который намного более способен, чем у стандартных моделей машинного обучения.
Точность глубокого обучения может увеличиваться с увеличением объема данных
Модели глубокого обучения обычно более точны, поскольку объем данных для обучения увеличивается, хотя стандартные модели машинного обучения, такие как SVM / Naive Bayes / Classified Model, перестают улучшаться после достижения точки насыщения. Модели глубокого обучения масштабируются лучше с увеличением доступной информации.
Основные выводы
В этой статье мы разобрали концепции, связанные с ИИ. Мы увидели различия между ИИ и машинным обучением, глубоким обучением и нейронными сетями.
Наша первоначальная аналогия по-прежнему актуальна: не следует рассматривать эти концепции как отдельные элементы, а скорее как матрешку, где ИИ является большой куклой, а машинное обучение, нейронные сети и глубокое обучение — это последующие меньшие куклы.
Другой вывод заключается в том, что важно развеять путаницу вокруг нейронных сетей и глубокого обучения, а также машинного обучения и глубокого обучения. Необходимо помнить, что глубокое обучение — это просто система нейронных сетей с более чем тремя слоями, и алгоритмы глубокого обучения фактически являются алгоритмами машинного обучения.
ИИ и его многочисленные подполе остаются актуальными, и чем быстрее мы адаптируемся к этим изменениям, тем быстрее сможем в полной мере использовать их возможности и применить их в мире ИТ и решений для обслуживания и прогнозной аналитики. Так что, пожалуйста, больше никаких страшилок. Специалисты по данным уже выяснили, что сценарии с Скайнетом, Терминаторами и апокалипсисом Матрицы не произойдут в ближайшее время!
Часто задаваемые вопросы
В чем разница между искусственным интеллектом, машинным обучением, глубоким обучением и нейронными сетями?
Машинное обучение — это подполе искусственного интеллекта. Глубокое обучение — это подполе машинного обучения, а нейронные сети составляют основу алгоритмов глубокого обучения. Количество слоев узлов, или глубина, нейронных сетей отличает одну нейронную сеть от алгоритма глубокого обучения, который должен иметь более трех слоев.
Является ли ИИ тем же самым, что и нейронные сети?
Нет, не является. Это широко распространенное недоразумение, поскольку основное отличие между ИИ и нейронными сетями заключается в том, что ИИ или искусственный интеллект — это целая область компьютерных наук, которая изучает и создает интеллектуальные машины, обладающие своим интеллектом. В то время как нейронная сеть относится к системе искусственных узлов, которые составляют нейронные сети, отчасти вдохновленные мозгом животных.
Являются ли ИИ и глубокое обучение одним и тем же?
Нет, не являются. Глубокое обучение — это подмножество машинного обучения. Обычно, когда люди используют термин глубокое обучение, они имеют в виду глубокие искусственные нейронные сети.
Глубокие искусственные нейронные сети — это набор алгоритмов, которые установили новые рекорды точности для многих значительных задач, таких как распознавание изображений, распознавание звука, системы рекомендаций, обработка естественного языка и т.д.
Являются ли машинное обучение и ИИ одним и тем же?
Нет, не являются. Искусственный интеллект — это область компьютерных наук, которая исследует методы предоставления машинам возможности выполнять задачи, требующие человеческого интеллекта.
Машинное обучение — это техника ИИ, которая предоставляет компьютерам доступ к огромным наборам данных и обучает их учиться на этих данных. Программное обеспечение машинного обучения находит паттерны в существующих данных и применяет эти паттерны к новым данным, чтобы принимать умные решения.
Что такое линтер? Если коротко, линтер – это инструмент, который может улучшить ваш код. Нельзя сказать, что понятие «линтер» является уникальным для JavaScript. И все-таки, я бы сказал, что большинство людей, которые хотят изучить линтеры, интересуются именно теми, что ориентированы на JavaScript (или, если брать шире, на динамически типизированные языки).
В этой статье мы ответим на заглавный вопрос и не только. Мы начнем с определения, что такое «линтер». Вы сможете разобраться в том, что это такое и как оно появилась. Далее мы поговорим о преимуществах линтеров и перейдем к обсуждению различных типов проверок, которые они предлагают.
И напоследок мы продемонстрируем несколько примеров линтеров, которыми вы можете воспользоваться, и дадим несколько практических советов о том, как начать работу, и подытожим все сказанное.
Давайте приступим.
Что такое линтер? Краткий обзор
Давайте для начала дадим определение, что же такое линтер. Как вы уже прочитали во введении, линтер – это инструмент, который предназначен для того, чтобы улучшить ваш код. Но как он это делает? Ответ: путем анализа исходного кода в поисках проблем.
Термин «линтер» происходит о названия инструмента «lint», который анализировал исходный код на С. Специалист в области информатики Стивен К. Джонсон разработал эту утилиту в 1978 году, когда работал в Bell Labs.
И оригинальный инструмент lint, и подобные утилиты более ранних версий имели одну цель – анализ исходного кода с целью оптимизировать программу в процессе компиляции. Со временем в инструментах, подобных lint, стали появляться все больше различных других типов проверок и верификаций.
Однако, как мы уже упоминали во введении, линтеры не ограничиваются только компилируемыми языками. Напротив, можно сказать, что линтеры гораздо более полезны для интерпретируемых языков, так как не существует компилятора, который бы был способен выявляться ошибки в процессе разработки.
Преимущества линтеров
Вы только что узнали, что такое линтер, и вы даже знаете теперь, когда и кем он был изобретен. Вполне возможно, вы уже имеете хотя бы какое-то общее представление о том, что линтер может делать с вашим кодом. Но, если посмотреть с практической точки зрения, какие преимущества может дать этот инструмент? Вот некоторые из них:
Меньше ошибок в готовых продуктах
. Линтеры помогают выявлять и устранять различные технические проблемы в коде, например, «код с душком». Как результат, в производство уходит меньше недочетов.
Понятный, удобный в сопровождении и более последовательный код
. За счет соблюдения правил линтеры могут помочь сделать код более понятным и последовательным.
Меньше споров по поводу оформления кода и эстетических решений во время рецензирования кода
. Обсуждения во время рецензирования кода не должны быть наполнены бесконечными спорами о стилистических предпочтениях. Линтеры могут избавить вас от этого.
Объективная оценка качества кода
. Обсуждения качества кода зачастую приобретают субъективный характер. Линтеры позволяют выполнить объективную оценку качества кода с помощью измеримых критериев.
Более безопасный и производительный код
. Не все линтеры могут анализировать исходный код на предмет его производительности и безопасности, но некоторые все же могут.
Больше разработчиков узнают, что такое качество кода
. Линтеры могут помочь разработчикам (особенно новичкам) узнать, что такое качество кода.
В следующем разделе мы будем рассматривать некоторые типы проверок, которые предлагают линтеры. Когда вы его прочитаете, вы поймете, каким образом линтеры обеспечивают все эти преимущества.
Типы проверок, предлагаемые линтером
Как вы уже прочитали, оригинальный lint анализировал код с целью обеспечить оптимизацию программ в процессе компиляции, но со временем были выпущены усовершенствованные и более полные инструменты. На сегодняшний день существует огромное количество разных линтеров, которые предлагают огромное количество проверок. Давайте пробежимся по некоторым из них.
Синтаксические ошибки
Самый простой и одновременно самый важный тип проверок, который предлагает линтер, - это проверка синтаксических ошибок в JavaScript и других интерпретируемых языках. Разработчикам даже не стоит пытаться отправлять код в ветку main до тех пор, пока он не пройдет проверку синтаксиса.
Один из способов сделать это – использовать хук pre-commit, который не будет разрешать пользователям отправлять свой код, если проверки линтера показывает, что в коде есть проблемы.
Соблюдение стандартов оформления кода
Еще одна важная проверка, предлагаемая линтером, - это проверка соблюдения стандартов оформления кода. Некоторые люди могут не воспринимать ее всерьез как чисто эстетическую проблему, но они заблуждаются. Наличие единого выдержанного стиля оформления кода имеет практическую значимость с точки зрения когнитивной нагрузки, то есть чтения, понимания и сопровождения кода. Кодовую базу, которая имеет единый стиль оформления, будет легче разобрать, а разработчики, которые с ней работают, будут с меньшей вероятностью допускать ошибки.
Для этой цели – для проверки кодовых баз на соответствие стандартам оформления, существуют специальные линтеры. Некоторые инструменты довольно категоричны в этом плане, то есть они имеют заранее определенный набор правил и соглашений, который нельзя изменить. Впрочем, существуют также инструменты, которые можно легко настроить. Это позволяет пользователю адаптировать их к тому стилю оформления кода, который они предпочитают.
Потенциальные проблемы (или «код с душком»)
«Код с душком» - это признак того, что с вашим кодом что-то не так. В данном случае крайне полезным будет иметь инструмент, который бы автоматически выявлял эти признаки, и, таким образом, вы могли бы при необходимости разобраться с ними.
Например, многие люди, в том числе и я, расценивают длинные функции как тот самый «код с душком». Так что, вы можете настроить свой линтер таким образом, чтобы он мог находить функции, длина которых превышает заданное количество строк.
Другой часто упоминаемый пример «кода с душком» - это слишком сложный код. Но мы здесь говорим о сложности не в субъективном смысле, а в очень даже объективном. Цикломатическая сложность – это довольно полезная метрика кода, которая обозначает количество возможных ветвей выполнения внутри функции. Линтеры могут вычислять цикломатическую сложность ваших функций и отмечать те, которые превышают этот порог.
Проверки безопасности
И последнее, но от того не менее важное: безопасность, которая без всякого сомнения является самым важным аспектом современного приложения, особенно веб-приложения. Ошибетесь, и последствия могут быть катастрофическими не только в плане денег и репутации, но и в плане юридических проблем (возьмите к примеру Общий регламент ЕС о защите персональных данных или какие-нибудь другие регламенты).
К счастью, эта та область, в которой линтеры могут помочь, так как существуют инструменты, предлагающие необходимые проверки безопасности.
Статический анализ
Мы объяснили, что такое линтеры и в чем их польза. Кроме того, мы рассмотрели основные типы линтеров. Теперь вы готовы узнать об инструментах статического анализа, предназначенных для различных целей и языков программирования.
Однако, прежде чем мы перейдем к этому, давайте сделаем небольшое отступление и поговорим о том, что такое статический анализ, поскольку этот термин будет встречаться в следующем разделе, но мы так и не дали ему определения.
Итак, что же такое статический анализ? Статический анализ можно сравнить с отладкой перед запуском. Статический анализ заключается в использовании инструментов, которые анализируют исходный код в поисках ошибок, отсутствия соблюдения правил и соглашений или других потенциальных проблем.
В следующем разделе мы продемонстрировали примеры линтеров, распределенных по группам в зависимости от проверок, которые они выполняют. Линтеры, классифицированные как инструменты статического анализа, в основном относятся к первому и третьему типам линтеров, перечисленных в разделе выше.
Примеры линтеров
Давайте быстро пробежимся по некоторым примерам линтеров. Мы выделим примеры для разных языков программирования и сгруппируем их по типу проверки, который они выполняют. Имейте в виду, что некоторые инструменты могут выполнять не один тип проверки, так что они появляются в нескольких категориях.
Линтеры для статического анализа
StandardJS для JavaScript
PHPMD для PHP
StyleCop для C#
Линтеры для проверки безопасности
Gosec для Go
Bandit для Python
LGTM для нескольких языков, в том числе JavaScript, Python и C#
Линтеры для проверки соблюдения правил по оформлению кода
Prettier для JavaScript
Rubocop для Ruby
StyleCop для C#
Линтеры в JavaScript: как приступить к работе
Прежде чем завершить эту статью, мы хотим поделиться с вами небольшим практическим руководством по тому, как начать работу по проверке кода на JavaScript. И раз мы говорим о JavaScript, нет ничего удивительного в том, что у вас есть куча инструментов на выбор. Ну а поскольку нам нужно выбрать только один, мы отдадим предпочтение ESLint.
Установка ESLint
Сначала – главное, установим линтер. ESLint устанавливается через npm, а это значит, что у вас должен быть установлен Node.js. Если у вас его нет, вам придется его скачать и установить.
Установив Node.js, мы готовы к тому, чтобы установить ESLInt через npm.
Для того, чтобы глобально установить инструмент, вам нужно выполнить следующую команду:
npm install eslint --global
Однако это не совсем то, что указано в их документации. Вероятнее всего, вам следует установить ESLint для каждого проекта отдельно. Так что, начните с того, что создайте каталог для вашего проекта:
mkdir eslint-sample-app
Затем перейдите в каталог через командную строку и выполните команду ниже, чтобы создать файл package.json (он понадобиться дальше).
npm init
npm задаст вам несколько вопросов. Просто нажимайте Enter, чтобы ответить (будут использоваться ответы по умолчанию). После этого вы можете добавить ESLint к своему проекту с помощью следующей команды:
npm install eslint --save-dev
Запуск и настройка ESLint
Следующим шагом вы можете запустить ESLint, выполнив следующую команду:
npx eslint --init
Когда вы запустите эту команду, ESLint спросит вам, для чего вы хотите его использовать. Варианты ответа: проверить только синтаксис; проверить синтаксис и найти проблемы; проверить синтаксис, найти проблемы и оформить код.
Давайте остановимся на последнем варианте. Чтобы выбрать вариант ответа, воспользуйтесь клавишами со стрелками, а, чтобы подтвердить его, нажмите Enter. Далее ESLint захочет узнать, какие типы модулей использует ваш проект.
Варианты ответа:
Модули JavaScript
Модули CommonJs
Ни один из вариантов
Выберите «Модули JavaScript» и переходите дальше. Затем вам спросят, какой фреймворк использует ваш проект. Вариантов ответа снова будет три:
React
Vue
Ни один из вариантов
Давайте в данном случае выберем «Ни один из вариантов». Следующий вопрос общий: использует ли ваш проект TypeScript? Чтобы выбрать «нет», нажмите N. Далее вас спросят где запускается ваш код, в браузере или в Node.
После чего ESLint спросит вас, какой способ определения стиля кода выбрать для вашего проекта. Он предложит вам три варианта: использовать общепринятое руководство по стилю, отвечать на вопросы о ваших предпочтениях в стиле или изучить ваши файлы .js. Выберите первый вариант. Затем вам будут предложены три стиля: AirBNB, Standard, Google и XO. В рамках данного пособия давайте выберем Google.
На следующем этапе ESLint спросит вас, какой формат файла конфигурации вы предпочитаете. Выберите YAML. И наконец, вас спросят, хотите ли вы загрузить выбранный стиль кода с помощью npm. Выберите «Да».
Проверка файла с помощью ESLint
После того, как загрузка завершится, вы сможете приступить к использованию ESLint и проверить с его помощью файл. Но для этого вам нужно найти файл, который вы будете проверять. Если у вас где-то есть файл .js, просто скопируйте его в каталог вашего проекта. Или вы можете клонировать
этот репозиторий с одним файлом
и использовать его для тестирования.
Для того, чтобы проверить файл, выполните следующую команду:
npx eslint path-to-your-file.js
Вот какой результат я получил, запустив команду для файла greeting.js, который вы можете загрузить из репозитория на GitHub:
F:\demos\eslint-demo\greeter.js
2:3 error Missing JSDoc comment require-jsdoc
3:1 error This line has a length of 86. Maximum allowed is 80 max-len
10:4 error Unexpected 'this' no-invalid-this
? 3 problems (3 errors, 0 warnings)
Как вы можете видеть, я получил три ошибки и ни одного предупреждения.
Что такое линтер? Отличный инструмент для вашего арсенала
В этой статье мы изучили саму идею линтеров. Теперь у вас есть четкое представление о том, что такое линтеры и для чего они нужны. Кроме того, вы узнали о разных типах линтеров и увидели примеры категорий, которые направлены на различные языки программирования.
Помимо всего прочего, вы теперь знаете, как приступить к работе с линтером для JavaScript – ESLint.
И что же дальше? Есть еще несколько вещей, которые вас стоит узнать, что продолжить работу:
Отключение правил
Подключение правил в качестве предупреждения или ошибки
Интегрирование проверок в процесс сборки
Расширение конфигурации
Создание собственных правил
Разумеется, вы можете поэкспериментировать и с другими линтерами. То, что мы выбрали именно ESLint в данном руководстве, вовсе не означает, что вы должны на нем зацикливаться. Например, есть JShint – еще один популярный линтер для JavaScript.
И последнее, не забывайте, что проверки кода с помощью линтеров – это крайне важно, но это лишь еще одно оружие в вашем арсенале. Вы ни в коем случае не должны забывать об автоматизированном тестировании, рецензировании кода, рефакторинге и многих других подходах, методах и инструментах, которые есть в вашем распоряжении для нескончаемой борьбы с бардаком в вашей кодовой базе.
И раз мы упомянули все эти подходы, методы и инструменты, которые вы можете использовать для того, чтобы улучить свою кодовую базу, мы не можем не выделить сквозное тестирование, которое, к сожалению, довольно часто упускают из виду. И это просто какое-то безобразие. Правильно подобранный инструмент сквозного тестирования вполне может стать мощным союзников в схватке против энтропии кода.
Управление дисковым пространством на сервере Linux - важная задача. Например, приложения диспетчера пакетов уведомят вас, сколько места на диске потребуется для установки. Чтобы эта информация была значимой, вы должны знать, сколько места доступно в вашей системе.
В этом руководстве вы узнаете, как использовать команду df для проверки дискового пространства в Linux и команду du для отображения использования дискового пространства файловой системы.
Проверить дисковое пространство Linux с помощью команды df
Вы можете проверить свое дисковое пространство, просто открыв окно терминала и введя следующее:
df
Команда df означает освобождение диска и показывает количество места, занимаемого различными дисками. По умолчанию df отображает значения в блоках размером 1 килобайт.
Отображение использования в мегабайтах и гигабайтах
Вы можете отобразить использование диска в более удобочитаемом формате, добавив параметр –h:
df –h
Здесь отображается размер в килобайтах (K), мегабайтах (M) и гигабайтах (G).
Понимание формата вывода
Команда df выводит несколько столбцов:
Filesystem Size Used Avail Use% Mounted on
udev 210M 0 210M 0% /dev
tmpfs 49M 1004K 48M 3% /run
/dev/sda2 7.9G 4.3G 3.2G 58% /
В вашем выводе может быть больше записей.
Filesystem - это имя каждого конкретного диска. Сюда входят физические жесткие диски, логические (разделенные) диски, а также виртуальные или временные диски.
Size - размер файловой системы.
Used - объем пространства, используемого в каждой файловой системе.
Avail - количество неиспользуемого (свободного) места в файловой системе.
Use% - показывает процент использованного диска.
Mounted on - это каталог, в котором расположена файловая система. Это также иногда называют точкой монтирования.
Список файловых систем включает ваш физический жесткий диск, а также виртуальные жесткие диски:
/dev/sda2 - это ваш физический жесткий диск. Он может быть указан как /sda1, /sda0 или у вас может быть даже несколько. /dev означает устройство.
udev - это виртуальный каталог для каталога /dev. Это часть операционной системы Linux.
tmpfs - их может быть несколько. Они используются /run и другими процессами Linux в качестве временных файловых систем для запуска операционной системы. Например, tmpfs /run/lock используется для создания файлов блокировки. Это файлы, которые не позволяют нескольким пользователям изменять один и тот же файл одновременно.
Отобразить определенную файловую систему
Команду df можно использовать для отображения определенной файловой системы:
df –h /dev/sda2
Вы также можете использовать обратную косую черту:
df –h /
Это отображает использование вашего основного жесткого диска. Используйте точку монтирования (в столбце Mounted on), чтобы указать диск, который нужно проверить.
Примечание. Команда df предназначена только для полной файловой системы. Даже если вы укажете отдельный каталог, df будет читать пространство всего диска.
Отображение файловых систем по типу
Чтобы перечислить все файловые системы по типу, используйте команду:
df –ht ext4
Здесь перечислены диски с типом ext4 в удобочитаемом формате.
Отображение размера в 1000 вместо 1024
Вы можете отображать использование диска в единицах 1000 вместо 1024:
df –H
Это может устранить путаницу в технологии хранения. Производители жестких дисков продают жесткие диски размером 1000 байт = 1 килобайт.
Однако операционные системы делят это пространство так, что 1024 байта = 1 килобайт. Из-за этого на 1000-гигабайтном жестком диске остается примерно 930 гигабайт полезной памяти.
Проверить дисковое пространство Linux с помощью команды du
Команда du отображает использование диска. Этот инструмент может отображать использование диска для отдельных каталогов в Linux, давая вам более детальное представление об использовании вашего диска. Используйте его для отображения количества места, используемого вашим текущим каталогом:
du
Подобно команде df, вы можете сделать du удобочитаемым:
du –h
Он отображает список содержимого текущего каталога и сколько места они используют. Вы можете упростить отображение с помощью опции –s:
du –hs
Это показывает, сколько места занимает текущий каталог.
Чтобы указать каталог или файл, установите флажок, используя следующие параметры:
du –hs /etc/kernel-img.conf
du –hs /etc
При использовании второй команды вы могли заметить сообщение об ошибке «Отказано в разрешении». Это означает, что текущий пользователь не имеет прав доступа к определенным каталогам. Используйте команду sudo для повышения ваших привилегий:
sudo du –hs /etc
Примечание. Если вы работаете с CentOS Linux, вам может потребоваться использовать команду su, чтобы переключиться на пользователя root для доступа к защищенным каталогам.
Итоги
Теперь вы должны понимать, как использовать команды df и du для проверки дискового пространства в вашей системе Linux. Помните, что для отображения полного списка параметров используйте df ––help или du ––help.