- 查看系统版本:cat /etc/issue
- 查看硬件显卡型号:lspci | grep -i nvidia
- 查看系统的内核:uname -r
- gcc支持:gcc -v
- 查看深度学习环境:nvidia-smi
- 动态查看gpu使用情况:watch -n 0.1 nvidia-smi
- window下动态查询gpu:nvidia-smi -l 1
- 机器上是否有gpu显卡:ls -l /dev/nv*
- 查看cuda编译器是否安装:which nvcc
- 查看cuda版本:nvidia-smi 或 nvcc -V
- 查询0号gpu详细信息:nvidia-smi -q -i 0
- 查看服务器中已经安装的深度学习库及其版本:
- pip list
- 如果是已经在anaconda环境下,也可:conda list
- 查看所有的环境:conda info --envs
- 在安装pytorch后,再创建tensorflow环境:conda create -n tf python=3.6
- 激活tensorflow环境 tf : conda activate tf 或 source activate tf
- 关闭tf环境命令,这样就可以切换环境:conda deactivate
- 修改源:
cd ~/
mkdir -p .pip
cd .pip
vim pip.conf # 编辑(之前若无则新建) pip.conf文件
# 然后按i进入insert状态,粘贴我们的配置信息
[global]
index-url=https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host=pypi.tuna.tsinghua.edu.cn
disable-pip-version-check = true
timeout = 6000
20. 查看物理CPU的个数
cat /proc/cpuinfo |grep "physical id"|sort |uniq|wc -l
21. 查看逻辑CPU的个数
cat /proc/cpuinfo |grep "processor"|wc -l
22. 查看CPU是几核
cat /proc/cpuinfo |grep "cores"|uniq
23. 查看软件安装位置
sudo updatedb
locate eigen3 // 定位eigen安装位置