USER_IP=`who -u am i 2>/dev/null| awk '{print $NF}'|sed -e 's/[()]//g'` #此处的值需要用反撇号取其执行结果。要清除整个命令历史中的重复条目，可以将 HISTCONTROL 设置成。将下面两行内容追加到 .bash_profile 文件并重新登录 bash shell，命令历史的记录数将变成 450。3、使用 HISTCONTROL 从命令历史中剔除连续重复的条目。4、使用 HISTCONTROL 清除整个命令历史中的重复条目。

wget https://github.com/HewlettPackard/netperf/archive/refs/tags/netperf-2.7.0.tar.gztar xvpf netperf-2.7.0.tar.gzcd netperf-netperf-2.7.0/./configuremake./src/netserverStarting netserver with host 'IN(6)ADDR_ANY' port '12865' and f...

[xxx~]# wget https://raw.githubusercontent.com/sivel/speedtest-cli/master/speedtest.py[xxx~]# python speedtest.pyRetrieving speedtest.net configuration...Testing from China Telecom (x.x.x.x)...Retrieving speedtest.net server list...Selecting best se.

frp需要一直运行，不想写守护服务，就直接使用 PM2 进行了管理。PM2 管理命令行程序可以使用pm2 start -x './frps' -n frp -- -c ./frps.ini来启动，注意 -x 是说明程序是可以执行程序，-- 后边的参数是传给命令行。PM2 管理 Python 类的程序，可以使用pm2 start server.py --interpreter python -n ssr -- -p 8888 -m aes-256-cfb -O auth_aes128_md5 -o .

说明：Ubuntu 18.04前几天发布了，改变挺大的，内核也直接升到了正式版4.15，而BBR内核要求为4.9，也就是说满足了，所以我们不需要换内核就可以很快的开启BBR，这里简单说下方法。提示：Ubuntu 18.10依然可以用该方法开启BBR，而对于19.04和20.04、貌似官方直接给你开启了BBR，不需要重复开启了。方法1、修改系统变量echo "net.core.default_qdisc=fq" >> /etc/sysctl.confecho "net.ip

1，查看操作系统版本:~$ cat /proc/versionLinux version 5.0.21-****** (gcc version 7.5.0 (Ubuntu 7.5.0-3ubuntu1~18.04)) #4 SMP Thu Dec 3 13:11:27 UTC 20202，查看当前的dns server信息:~$ systemd-resolve --statusGlobal DNS Servers: 114.114.114.114

命令行下进入“xxx.ipynb”文件所在目录； 执行jupyter nbconvert --to script xxx.ipynb 执行成功后会在当前目录下生成一个同名py文件“xxx.py”。 命令行下运行python ./xxx.py,检查文件是否运行成功。该转换命令将ipynb文件中的非命令语句全都用#注释掉了，如果希望转换后的py文件大小小一点，可以去掉这些注释行。...

现象执行unzip guangdong1_round2_train_part2_20190924.zip解决办法先安装jar工具命令sudo apt-get install fastjar 然后用jar命令解压jar xvf guangdong1_round2_train_part2_20190924.zip解压成功！

linux ubuntu 18.04 LTS 扩展 /dev/mapper/ubuntu--vg-ubuntu--lv 空间 对分区为LVM进行动态增减空间容量安装 Ubuntu Server 的时候磁盘分区选择了 LVM，所以系统根目录默认占用磁盘大小只有200G，在安装软件时发现磁盘空间200G已经无法满足，所以需要利用 LVM 对磁盘进行扩容使用命令进行磁盘扩容lvextend -L 10G /dev/mapper/ubuntu--vg-ubuntu--lv //增大...

老办法sudo nvidia-smi -pm 1比较科学的方法sudo nvidia-persistenced --persistence-mode一般四卡会出现上面问题，双路主板差多个显卡的时候容易出现

起因linux环境往往安装各种软件，各种python软件，各种机器学习组件，直接默认源安装方式 从国外下载速度巨慢，有些甚至还被封了，无法下载，网上找了许多资料有不少添加国内源的方法都过时了，这里放一个最佳实践源添加办法。以下方法在linux ubuntu18.04环境下实测有效添加apt国内镜像源apt-get apt 源国内镜像永久添加办法：sudo cp /etc/apt/sources.list /etc/apt/sources.list.baksudo vi /etc/apt/

问题跑机器学习程序环境往往涉及到以下几个方面的问题：硬件，intel x86，amd，arm等各种芯片 操作系统，windows，ubuntu，centos，mac等，考虑64位，32位等 显卡驱动，例如采用英伟达nvidia公司的GPU显卡，1070ti，1080ti等等显卡涉及到驱动，cuda，cudnn等的安装问题 开发语言：目前主流的机器学习实验开发语言是python，涉及到python版本管理问题，各种依赖包管理与隔离问题 主流机器学习框架，对前面 4个 问题的依赖不一样，例如te

背景：安装NVIDIA transfer，需要依赖环境。为了在docker中支持GPU，NVidia之前是弄了个nvidia-docker2，现在升级为NVIDIA Container Toolkit了。参考github安装Docker安装传送门完成上面的Docker安装后，开始配置nvidia-docker源添加源distribution=$(. /etc/os-release;echo $ID$VERSION_ID)curl -s -L https://nvid...

ubuntu18.04.05 裸机 安装显卡1080ti 1070ti显卡的驱动时报错执行安装包错： chmod -R 777NVIDIA-Linux-x86_64-460.39.run sudo ./NVIDIA-Linux-x86_64-460.39.run ERROR: The Nouveau kernel driver is currently in use by your system. This driver is incompatibl...