linux工作站基本操作笔记 2021-1-10

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