linux工作站基本操作笔记
1.利用ssh远程登录linux工作站
要求:工作站联网
ubuntu系统 win10 工作站和笔记本在同一局域网下
ubuntu:
ifconfig #查看 inet
win10(cmd):
ipconfig #查看 inet
win10登录(cmd):
ssh jsj@**.**.***.*** #内网址
登录失败可能是unbuntu未下载或未打开ssh
sudo apt-get install openssh-server #下载
sudo service ssh start #启动
sudo service ssh status0 #看状态
2.导入导出anaconda环境包
conda activate env_name #启动环境
conda env export > bao_name.yaml #导出
conda env create -f bao_name.yaml #导入
3.xshell断开连接后继续跑代码
1.将原命令语句改为:nohup 命令语句 &
2.回车执行,再回车,窗口中会显示一个进程号
3.如果中途想关闭,可执行:kill -9 进程号。如果想查看命令执行情况,可执行:cat nohup.out
参考:https://www.cnblogs.com/zhangtianyuan/p/7098620.html
4.安装平台注意事项(mxnet pytorch tensorflow)
确保anaconda环境下可以nvcc -V,如果没有请下载cudatoolkit
平台版本要与环境内的cuda对应,注意这里的cuda是该环境的cuda不是显卡GPU的cuda,环境的cuda如果没有需要自己下载。
conda info --env #查看ananconda下环境
conda list | grep cuda #查看anaconda环境下cuda版本
(pytorch) jsj@jsj-Precision-3630-Tower:~$ conda list | grep cuda
cudatoolkit 11.0.221 h6bb024c_0 defaults
pytorch 1.7.0 py3.7_cuda11.0.221_cudnn8.0.3_0 pytorch
#安装cudatoolkit和cudnn
conda install cudatoolkit=10.1.243 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
conda install cudnn=7.6.5 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
apt install nvidia-cuda-toolkit
https://pypi.tuna.tsinghua.edu.cn/simple/ #清华镜像
#pytorch下查看cuda cudnn 和gpu 版本号
>>> print(torch.version.cuda)
11.0
>>> print(torch.backends.cudnn.version())
8003
>>> print(torch.cuda.get_device_name(0))
GeForce RTX 2080 Ti
5.零散的基本操作
nvidia-smi #查看GPU使用情况
cp -r dir1 dir2 #将dir1 下所有文件复制到 dir2
ctrl + c #停止进程
mv old_name.text new_name.text #重命名