自用 | ubuntu操作（修改软连接，配置）

一、ubuntu修改软链接

链接：https://www.cnblogs.com/sddai/p/10235331.html
添加软连接(symbol link)相当于添加一个快捷方式，解决cannot open shared object file: No such file or directory问题。

sudo ln -s source target
sudo ldconfig /usr/local/cuda/lib64

如果要修改软连接指向，使用-f

sudo ln -fs source target

如果是文件夹，则可以加上-n

sudo ln -fns source target

二、ubuntu配置环境

链接： https://blog.csdn.net/Wuzebiao2016/article/details/87886356

将所需要的安装包放置在~/local/download里

1、安装anaconda2

Anaconda2-2019.03-Linux-x86_64.sh 在当前目录下执行命令：bash Anaconda2-2019.03-Linux-x86_64.sh

• 按回车或者空格阅读注册信息：
  

• 输入你所要安装的位置：
  

• 正在安装anaconda2：
  

• 安装conda:
  

2、安装cuda8.0

官网下载cuda8.0.375.26.run

• 终端输入 sh cuda8.0.75.26.run

• 按住回车键到100%，输入accept接受条款

• 输入n不安装nvidia图像驱动，之前已经安装过了

• 输入y安装cuda 8.0工具

• 回车确认cuda默认安装路径：/usr/local/cuda-8.0

• 输入y用sudo权限运行安装，输入密码

• 输入y或者n安装或者不安装指向/usr/local/cuda的符号链接

• 输入y安装CUDA 8.0 Samples，以便后面测试

• 回车确认CUDA 8.0 Samples默认安装路径：/home/pawn（pawn是我的用户名），该安装路径测试完可以删除
  

• 若出现了如下错误：Error: unsupported compiler: 7.4.0. Use --override to override this check

• 根据提示，输入：sh ~/local/download/cuda_8.0.44_linux.run --override 即可

在ubuntu16.04安装CUDA10.1时，可能会出现的问题：

Extraction failed.
Ensure there is enough space in /tmp Signal
caught, cleaning up

解决方法：
增加临时文件夹的容量：

sudo mkdir /home/tmp2
sudo chmod 1777 /home/tmp2
export TMPDIR=/home/tmp2

• 然后再运行：./cuda_10.0.130_410.48_linux.run, OK!

三、关于ubuntu上网

若是ubuntu上网失败，进入浏览器进行如下操作，则可以进行使用了。

preferences——Network Settings——Settings——换成手动连接

四、jupyter notebook使用

使用linux查看服务器上的文件以及可视化图片，可以在终端里输入：jupyter notebook ，终端会输出一个网址，输入网址即可查看服务器上的文件。PS，首先需要安装jupyter才行。

五、从ubuntu上传和下载文件

从服务器上下载文件，可以使用具有FTP的软件进行下载

六、一些常用命令

• 查询本地的Ip地址：ipconfig

• 服务器查看GPU使用情况：nvidia-smi -l

• 查看哪个用户在使用：top

• Linux下查看所有GPU上的使用者和GPU占用情况：watch -n 2 --color gpustat --c （前提是安装pip install gpustat）

• 查看文件夹内存：du -h + 文件夹名字

• 进入环境变量：vim ~/.bashrc

• 快速到文件最下面一行：shift+G

• 刷新环境变量：source ~/.bashrc

• ubuntu的终端中输入命令： lspci | grep -i nvidia ，会显示出你的NVIDIA GPU版本信息，不过不是很详细。

• 查看进程：ps aux | grep python

• 查看cuda版本：

cat /usr/local/cuda/version.txt
nvcc -V

• 查看cudnn版本：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

• 远程关闭服务器命令：sudo shutdown -h now
• 挂载硬盘：mount -t ext4 /dev/sda /data
• 开启svn：sudo svnserve -d -r /public/svn/repository/

七、创建虚拟环境+conda3装Python2

virtualenv -p python3 env_python

• 切换cuda的时候要更新环境变量：source ~/.bashrc ，将其他cuda版本注释掉即可。

八、关于服务器使用pip 安装 pytorch安装问题 python3.5 + cuda9.0 + cudnn7.3.1

https://blog.csdn.net/qq_43232373/article/details/102865138

九、使用conda/pip安装pytorch 0.3.1教程(mac/windos/linux)

https://ptorch.com/news/145.html

苹果系统：

linux系统：

十、tensorflow-tensorboard的使用

当ubuntu是无界面的时候，可以用下面的命令来看训练曲线。

tensorboard --logdir=dir --host=172.24.97.29

dir是目录，并加后面那个–host就可以了。

PS：虚拟环境必须有装tensorboard那个包。

十一、Linux下后台运行python程序，并输出日志文件

场景： Python程序执行需要很长的时间或者需要一直在跑，或者需要打印并记录很多信息。

策略： 后台运行程序，然后把打印信息保存在指定的文件中，等程序运行结束后，再检查输出日志或者实时观察日志。

1、启动命令：

1、一般使用

nohup python -u Job.py > log.log 2>&1 &

2、只记录异常日志（推荐）

nohup python -u Job.py >/dev/null 2>error.log  2>&1 &

3、不记录任何日志

nohup python -u Job.py >/dev/null  2>&1 &

说明：

1. 末尾的“&”：表示后台运行程序；
2. “nohup” ：保证程序不被挂起；
3. “python”：是执行python代码的命令；
4. “-u”：表示不启用缓存，实时输出打印信息到日志文件（如果不加-u，则会导致日志文件不会实时刷新代码中的print函数的信息）；
5. “Job.py”：是python的源代码文件；
6. “log.log”：是输出的日志文件；
7. “>”：是指将打印信息指定到日志文件；
8. “2>&1”：将标准错误输出转变化标准输出，可以将错误信息也输出到日志文件中（0-> stdin, 1->stdout, 2->stderr）。

2、关闭命令

1、查看进程

ps -ef|grep python

或者

ps -ef|grep Job