目录
一、目录操作
1、cd进入目录
进入/data/myfile:cd /data/myfile
返回上一级:cd ../
返回根目录:cd
2、ls展示文件夹下面文件列表
展示当前文件夹下文件:ls
查看文件个数:ls | wc -
3、pwd显示当前路径
pwb
4、mkdir创建文件夹
mkdir test
5、rm删除
rm -r test
6、查看内存状态
free
top
7、查看磁盘状态
查看磁盘使用率:df -h
查看某一文件夹内存:du -sh /文件夹路径
8、复制
表示将dir1下的a.doc文件复制到dir2目录下
cp dir1/a.doc dir2
9、查看服务器GPU使用
非root用户在服务器上安装CUDA10.1和cudnn到指定目录 - thronsbird - 博客园
Ubuntu16.04下安装CUDA10.1_yaoyz105的博客-CSDN博客_ubuntu16.04安装cuda10.1
Previous PyTorch Versions | PyTorch
使用情况:
gpustat
若没有就pip install gpustat
watch -n 0.1 nvidia-smi
有无可使用:
tensorflow:
import tensorflow as tf
print("Num of GPUs available: ", len(tf.test.gpu_device_name()))
print(tf.test.is_gpu_available())
gpu_device_name = tf.test.gpu_device_name()
print(gpu_device_name)
pytorch:(经过实验,此处可用cuda不需要cudnn)
In [1]: import torch
In [2]: torch.cuda.current_device()
Out[2]: 0
In [3]: torch.cuda.device(0)
Out[3]: <torch.cuda.device at 0x7efce0b03be0>
In [4]: torch.cuda.device_count()
Out[4]: 1
In [5]: torch.cuda.get_device_name(0)
Out[5]: 'GeForce GTX 950M'
In [6]: torch.cuda.is_available()
Out[6]: True
选用某gpu使用:
在执行py文件前先选择显卡号,如选择一号
CUDA_VISIBLE_DEVICES=1 python XXX.py
10、Tmux服务器挂起执行
tmux#召唤出来
tmux new -s <session-name>#新建某个会话
tmux attach -t <tmux-name>#接入某个会话
会话内exit#退出某会话
11、ln软连接
ln -s A B,把A连到B(创建B指向A)
12、修改文件权限
Linux修改文件权限(chmod)_ガッシュ·ベル的博客-CSDN博客_linux 修改文件权限
13、杀死进程
ps -aux | grep XXX
kill -9 id
id指进程标号
二、vim编辑器
打开文件:vim test.py
保存退出::wq
退出::q!
插入内容:i
三、Anaconda环境相关
创建环境:conda create -n 环境名称 python=版本
激活环境:conda activate 环境名称
退出当前环境:conda deactivate
查看安装的包:conda list
安装包:conda install package_name(包名)
按requirement.txt文件安装包:while read requirement; do conda install --yes $requirement || pip install $requirement; done < requirements.txt
查看环境列表:conda env list 或 conda info -e
nvcc查看conda版本:nvcc -V
删除环境:conda remove -n your_env_name(虚拟环境名称) --all
重命名环境:
克隆rcnn到tf
conda create -n tf --clone rcnn
删除rcnn
conda remove -n rcnn --all
四、服务器没有sudo权限安装包
apt download package 获得到包的deb格式安装包
dpkg -x package xxx 将包解压到xxx目录下(不能安装,没有权限)
export PATH=$PATH:{package的位置} 将目录加到环境变量中