深度学习相关软件安装以及服务器操作

一、windows安装keras：

只需3步：1、打开Anaconda prompt，输入conda install mingw libpython，进行下载；

                 2、输入conda install theano回车；

                 3、输入conda install keras（或者conda install -c conda-forge keras=2.0.2
）回车；

二、安装OpenCV：
输入：conda install -c https://conda.anaconda.org/menpo opencv

三、服务器操作：

1、卸载文件：pip uninstall Keras

2、下载文件：pip install Keras==2.1.6 或者 sudo pip install keras 或者 conda install ***

3、如果出现错误：Consider using the `--user` option or check the permissions.  就使用：pip install --user Keras==2.1.6

4、本地服务器中打开notebook：jupyter notebook --ip=192.168.2.183 --port=8888

5、服务器重启：reboot  或者  shutdown -r now   或者 sudo  shutdown -r now

sudo shutdown -h now（关闭服务器）

6、删除anaconda：rm -rf  anaconda

7、查看服务器GPU进程信息：nvidia-smi 

实时查看gpu使用情况：watch -n1 nvidia-smi

      查看cpu进程：netstat -ntlp

8、杀死进程（释放内存）：kill pid（pid代表的是进程编号）

9、查看nvidia驱动版本：

sudo dpkg --list | grep nvidia-*

  ；查看cuda 版本命令：
cat /usr/local/cuda/version.txt

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

显示的NVRM version: NVIDIA UNIX x86_64 Kernel Module 的版本:

cat /proc/driver/nvidia/version  

10、在linux中运行.sh文件：a、给文件添加权限-----

chmod u+x hello.sh

b、在当前文件的目录下运行---- 

./hello.sh  # 或 sh hello.sh

11、一般来说著名的linux系统基本上分两大类：
a、RedHat系列：Redhat、Centos、Fedora等
RedHat 系列：
1 常见的安装包格式 rpm 包，安装rpm包的命令是 “rpm -参数”
2 包管理工具 yum
3 支持tar包

b、Debian系列：Debian、Ubuntu等
Debian系列
1 常见的安装包格式 deb 包，安装deb包的命令是 “dpkg -参数”
2 包管理工具 apt-get
3 支持tar包
所以Ubuntu不该用yum 该用apt-get

12、服务器后台运行代码：

nohup command > myout.file 2>&1 &

command指的是自己需要运行的命令或者代码，myout.file是自己指定的输出文件名字，这2个都是人为设定。

13、复制命令cp：复制目录为 dir1 ,目标目录为dir2。怎样才能将dir1下所有文件复制到dir2下了
如果dir2目录不存在，则可以直接使用
cp -r dir1 dir2
如果dir2目录已存在，则需要使用
cp -r dir1/. dir2

14、实时查看CPU的使用情况：top

查看CPU信息命令：cat /proc/cpuinfo

查看内存信息命令：cat /proc/meminfo

查看硬盘信息命令：fdisk -l

15、查看磁盘剩余空间信息：df命令是linux系统以磁盘分区为单位查看文件系统，命令格式：

df -hl

16、查看单个文件夹大小的命令：

du -sh filename（文件名）

17、给所有文件添加所有权限：chmod -R 777 文件夹名

四、linux服务器上配置深度学习环境：

1、下载anaconda3：wget https://repo.continuum.io/archive/Anaconda3-5.1.0-Linux-x86_64.sh  #64位系统

2、安装anaconda3：bash Anaconda3-5.1.0-Linux-x86_64.sh

3、创建运行环境：conda create -n tensorflow python=3.5。tensorflow(这是环境的名称，可以随意命名)，python=3.5(这是环境里包含的东西，可以不写)

4、环境里下载需用的包：conda install scipy pandas（这是下载scipy、numpy、pandas）；conda install jupyter notebook；conda install tensorflow；

5、安装gpu版的tensorflow：  conda install tensorflow-gpu=1.9.0版本号  或者（conda install --channel https://conda.anaconda.org/jjh_cio_testing tensorflow-gpu）或者使用pip下载，注意：同时使用pip和conda，可能会造成多个tensorflow版本，尽量使用同一个工具。

6、删除环境：conda env remove -n tensorflow

7、安装Pytorch+torchvision：conda install pytorch torchvision -c pytorch

8、最新版torchtext：pip install https://github.com/pytorch/text/archive/master.zip

9、包的更新操作：pip install requests --upgrade 或者 conda update requests

     更新所有库：conda update --all

     更新 conda 自身：conda update conda

     更新 anaconda 自身：conda update anaconda

10、返回前一个python环境：conda deactivate；source deactivate  退出当前环境

11、查看所有环境：conda info --envs

12、在本地的conda里已经有一个AAA的环境，我想创建一个新环境跟它一模一样的叫BBB：conda create -n BBB --clone AAA

13、保存和加载环境：使用 conda env export > environment.yaml 将包保存为  YAML，要通过环境文件创建环境，请使用 conda env create -f environment.yaml

14、复制已有环境：conda create -n tf --clone rcnn 创建tf环境并复制rcnn的环境

15、环境的导入导出（yml文件）：

首先激活进入环境中，然后导出环境到yml文件， 文件名为 tf.yml

conda env export --file tf.yml

将yml文件复制到B机器中，执行以下命令导入：

conda env create -f  d:\tf.yml

修改linux文件软连接方式：ln –snf  /opt/apps/redis-5.0.4 /usr/local/redis   （该命令使得redis-->redis-5.0.4）