使用Linux的一些tips（三）

1、看显卡使用情况

• nvidia-smi
• 动态：watch -n 0.5 nvidia-smi

2、su进入管理员模式

3、pip的时候各种关卡限制其网速导致网速过慢或安装失败

• 自己设定安装源
  pip install PIL -i 空格，再加pip源的 url
  例如：pip install PIL -i http://pypi.tuna.tsinghua.edu.cn/simple/
• 国内pip源的url如下，任选一个：
  阿里云：http://mirrors.aliyun.com/pypi/simple
  豆瓣：http://pypi.douban.com/simple/
  清华大学：https://pypi.tuna.tsinghua.edu.cn/simple/
  中国科学技术大学：https://pypi.mirrors.ustc.edu.cn/simple

4、指定服務器訓練

• 默认是用显卡0
• 1.在终端执行程序时指定GPU

    CUDA_VISIBLE_DEVICES=0    python  your_file.py  # 指定GPU集群中第一块GPU使用,其他的屏蔽掉
    CUDA_VISIBLE_DEVICES=1           Only device 1 will be seen
    CUDA_VISIBLE_DEVICES=0,1         Devices 0 and 1 will be visible
    CUDA_VISIBLE_DEVICES="0,1"       Same as above, quotation marks are optional 多GPU一起使用
    CUDA_VISIBLE_DEVICES=0,2,3       Devices 0, 2, 3 will be visible; device 1 is masked
    CUDA_VISIBLE_DEVICES=""          No GPU will be visible

• 2.在Python代码中指定GPU

 	import os
    os.environ["CUDA_VISIBLE_DEVICES"] = "0"  　#指定第一块gpu 

• 3.设置定量的GPU使用量

 	config = tf.ConfigProto() 
    config.gpu_options.per_process_gpu_memory_fraction = 0.9 # 占用GPU90%的显存 
    session = tf.Session(config=config)

• 4.设置最小的GPU使用量

	config = tf.ConfigProto() 
    config.gpu_options.allow_growth = True 
    session = tf.Session(config=config)