Ubuntu在xshell中一次性执行多条python命令

注意：我们在代码中使用了argparse库，所以命令是下面这种形式：

python main.py --dataset="CASIA" --encoder="VGG19" --classifier_init="WI" --finetune_layers="None" --matcher="NAC" --lr=1e-3
首先在xshell中连接服务器，激活pytorch环境，输入ls查看目录，通过cd命令进入对应文件夹，我是进入存放main.py的文件夹下。

接着输入命令创建sh文件（code是我命名的，可以自己更改）：

touch code.sh

然后在xftp中用记事本打开编辑：

方法一，顺序执行

每行命令后不能有空格

例如python main.py --dataset="CASIA" --encoder="VGG19" --classifier_init="WI" --finetune_layers="None" --matcher="NAC" --lr=1e-3后不能有空格

#!/bin/bash 

python main.py --dataset="CASIA" --encoder="VGG19" --classifier_init="WI" --finetune_layers="None" --matcher="NAC" --lr=1e-3
python main.py --dataset="CASIA" --encoder="VGG19" --classifier_init="WI" --finetune_layers="Partial" --matcher="NAC" --lr=1e-3
python main.py --dataset="CASIA" --encoder="VGG19" --classifier_init="WI" --finetune_layers="BN" --matcher="NAC" --lr=1e-3
python main.py --dataset="CASIA" --encoder="VGG19" --classifier_init="WI" --finetune_layers="PA" --matcher="NAC" --lr=1e-4
python main.py --dataset="CASIA" --encoder="VGG19" --classifier_init="WI" --finetune_layers="Full" --matcher="NAC" --lr=1e-4
python main.py --dataset="CASIA" --encoder="Res50" --classifier_init="WI" --finetune_layers="None" --matcher="NAC" --lr=1e-3
python main.py --dataset="CASIA" --encoder="Res50" --classifier_init="WI" --finetune_layers="Partial" --matcher="NAC" --lr=1e-3
python main.py --dataset="CASIA" --encoder="Res50" --classifier_init="WI" --finetune_layers="BN" --matcher="NAC" --lr=1e-3
python main.py --dataset="CASIA" --encoder="Res50" --classifier_init="WI" --finetune_layers="PA" --matcher="NAC" --lr=1e-4
python main.py --dataset="CASIA" --encoder="Res50" --classifier_init="WI" --finetune_layers="Full" --matcher="NAC" --lr=1e-4

方法二，同时执行

每行命令空格后加&

#!/bin/bash 

python main.py --dataset="CASIA" --encoder="VGG19" --classifier_init="WI" --finetune_layers="None" --matcher="NAC" --lr=1e-3 &
python main.py --dataset="CASIA" --encoder="VGG19" --classifier_init="WI" --finetune_layers="Partial" --matcher="NAC" --lr=1e-3 &
python main.py --dataset="CASIA" --encoder="VGG19" --classifier_init="WI" --finetune_layers="BN" --matcher="NAC" --lr=1e-3 &
python main.py --dataset="CASIA" --encoder="Res50" --classifier_init="WI" --finetune_layers="None" --matcher="NAC" --lr=1e-3 &
python main.py --dataset="CASIA" --encoder="VGG19" --classifier_init="WI" --finetune_layers="BN" --matcher="NAC" --lr=1e-3

编辑好后保存

然后安装dos2unix转换脚本文件（如果没有权限安装不成功，也能使用，只是会有一个可以忽略的报错）：

sudo apt-get install dos2unix
dos2unix code.sh

最后授予权限，运行即可！

 chmod +x code.sh 
 sh code.sh

题外话：

如果使用学校集群，可以通过nvidia-smi查看使用情况，可以通过CUDA_VISIBLE_DEVICES=1 sh auto-code.sh更换gpu节点，1是gpu节点号