19、磁盘存储管理技术全解析

磁盘存储管理技术全解析

1. HP - UX 平台的逻辑卷管理器(LVM)

LVM 是 HP - UX 平台上管理磁盘空间的标准子系统,从 HP - UX 9.04 版本开始引入,并在 HP - UX 10.x 和 HP - UX 11.x 版本中持续使用。借助可选的支持软件,它还能提供诸如条带化、镜像或高可用性等增值功能。

在 LVM 中,磁盘被视为物理卷(PV),它们由大小相等的物理扩展(PE,默认大小为 4MB)组成的数据存储池。一个或多个 PV 被组合成卷组(VG),VG 是数据存储的基本单位。VG 又可以细分为虚拟磁盘,即逻辑卷(LV)。LV 由任意数量的逻辑扩展(LE)组成,每个 LE 对应一个 PE(如果实现了镜像,则对应多个 PE)。LV 可以跨多个 PV,也可以只代表单个 PV 的一部分。创建后,LV 可以像磁盘分区一样使用,可分配给文件系统、用作交换或转储设备,或用于原始访问。

以下是 HP - UX LVM 实体与传统 UNIX 实体的功能关系对比表:
| HP - UX | 标准 UNIX 方法 |
| ---- | ---- |
| 物理卷 | 磁盘/分区(作为可访问的物理单元) |
| 物理扩展 | 无 |
| 逻辑扩展 | 无 |
| 卷组 | 磁盘(作为存储空间) |
| 逻辑卷 | 分区 |

LVM 提供了一系列特定命令来创建、显示和管理 LV 实体:
- 管理 LV 的命令
- lvchange :更改 LV 特性
- lvcreate </

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值