【Linux】常用指令

CUDA与CUDNN

nvcc -V
"查看 CUDA 版本"
cat /usr/local/cuda/version.txt

"查看 CUDNN 版本"
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

Pytorch

"conda安装指定版本pytorch  CUDA 10.0"
conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=10.0 -c pytorch

"测试  输出True安装成功"
import torch
import torchvision
print(torch.cuda.is_available())

包管理

"aptitude也会像apt那样检测到依赖冲突，然后给出解决方案。
不同的地方在于对于解决方案你有三个选择（y/n/q)，y就是同意，n不同意，然后会继续给出下一个解决方案。q–>退出，放弃安装。
假如第一个解决方案是不安装，你就可以选择n，然后一般而言第二个解决方案将会自动降级安装依赖的软件（如果是一系列软件版本过高的话），这个时候选择Y同意基本都可以安装成功。"
sudo aptitude install <包名>

sudo apt-get install <包名>

查看

# 查看物理CPU个数
cat /proc/cpuinfo| grep "physical id"| sort| uniq| wc -l

# 查看每个物理CPU中core的个数(即核数)
cat /proc/cpuinfo| grep "cpu cores"| uniq

# 查看逻辑CPU的个数
cat /proc/cpuinfo| grep "processor"| wc -l

"简洁美观的查看GPU使用情况的小工具"
pip install gpustat
watch -c -n1 gpustat -cpu --color

"Nvidia 显卡命令行管理套件"
nvidia-smi

pip

"生成requirements.txt"
pip freeze > requirements.txt

"从requirements.txt安装依赖库"
pip install -r requirements.txt

"pip跳过缓存缓存，重新下载安装"
pip --no-cache-dir install <包名>