Ubuntu学习技巧收集

虽然之前有学过Shell脚本编程，时间久了这些命令虽然不陌生，但是也不怎么记得，从装了双系统后开始进行blog记载

系统

根目录文件结构

“一切皆文件”

路径

Ubuntu中Home路径："~/";当前目录"./";当前目录的上一级目录". . /"(有空格)

挂载(mount)

Linux 系统使用任何硬件设备（或硬盘其它分区）都必须将设备文件与已有目录文件进行挂载。如果不挂载，通过Linux系统中的图形界面系统可以查看找到硬件设备，但命令行方式无法找到。
挂载，指的就是将设备文件中的顶级目录连接到 Linux 根目录下的某一目录（挂载的时候原目录会被隐藏，所以最好是空目录，且不能是根目录以及系统原有目录，不然会造成系统崩溃），访问此目录就等同于访问设备文件。

常用快捷方式及技巧

1. 在终端窗口命令提示符下，连续两次Tab、或者三次Esc、或者Ctrl+l快捷键将显示所有命令及工具名称
2. Aplication键——键盘上右Ctrl左边的键（Fn），相当于单击鼠标右键
3. Terminal终端快捷键操作：
   Ctrl +ALT + T:打开终端
   Ctrl + SHIFT + V:粘贴（Linux中不需要复制的动作，文本被选择就自动被复制）
   Ctrl + D:关闭标签页
   Ctrl + L:清除屏幕
   Ctrl + R + 文本:在输入历史中搜索
   Ctrl+ A:移动到行首
   Ctrl + E:移动到行末
   Ctrl+ C:终止当前任务
   Ctrl+ Z:把当前任务放到后台运行（相当于运行命令时后面加&）
   ~:表示用户目录路径

摘自Ubuntu18.04常用快捷键

常用命令

• df 查看文件系统 - - help: 帮助～
• ln -s srcPath destPath: 为某个文件在另一个位置创建一个链接镜像（软连接），不加-s为硬链接，生成相同大小的文件（可以不同名）；两种链接都保持多处链接的文件同步变化；软连接可以跨文件系统，可以链接目录，硬链接不行
  tips:

1. ln - link, s - symbolic
2. 用ls查看一个目录时，如果文件后面有一个@符号，那就是一个用ln 命令生成的文件，用ls -l命令去查看，就可以看到link的路径。
3. 创建目录时，默认会生成两个目录项：”.”和”…”。前者的inode码是当前目录的inode码，等同于当前目录的”硬链接”；后者的inode码是当前目录的父目录的inode码，等同于父目录的”硬链接”。所以，任何一个目录的”硬链接”总数，总是等于2加上它的子目录总数（含隐藏目录）。

grep

• conda list | grep XXX
  grep查找有XXX的list名

安装

• conda install XXX -n env_name 表示安装到这个环境下
• deb双击直接安装，不行的话见下述命令
• sudo dpkg -i 文件名（安装软件的时候注意是不是有图形版本直接安装）（sudo是管理员权限）
  sudo apt-get -f install安装依赖关系（网络安装，详见apt），不要轻易用update
  安装本地包pip install xxx.whl 、解压.gz后python setup.py install
• 罗技键盘（使用适配器款）失灵：sudo apt-get install compizconfig-settings-manager

应用快捷键

-切换输入法：Ctrl + blackspace/shift
命令窗口合并，添加：Ctrl + T
命令行下复制粘贴：CtrlShift+ C/V
当前文件夹文件名补充Tab

深度学习-nvidia

• invidia-smi查看显卡、CUDA版本信息

CUDA，cudatoolkit,nvcc的关系

- cudnn(这个在镜像源下载包的时候就会看到)
CUDA看作是invidia提供的工作台，cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。
- cudatoolkit(版本不对应会影响到cuda的实际使用)是miniconda等平台提供的用来build pytorch的一个工具包，它是Nvidia所提供的cuda的一个子集。
*pytorch和cudatoolkit版本并不是一一对应的关系，一个pytorch版本可以有多个cudatoolkit版本与之对应。例如1.5.1版本的pytorch，既可以使用9.2版本的cudatoolkit，也可以使用10.2版本的cudatoolkit。

- nvcc，CUDA的编译器，类似于gcc是c语言的编译器
- NVIDIA driver驱动版本向下兼容

CUDA有两个不同版本的原因

- CUDA有两个主要的API：runtime(运行时) API和driver API。这两个API都有对应的CUDA版本（如9.2和10.0等）。
- 用于支持driver API的必要文件(如libcuda.so)是由GPU driver installer安装的。nvidia-smi就属于这一类API。
- 用于支持runtime API的必要文件(如libcudart.so以及nvcc)是由CUDA Toolkit installer安装的。（CUDA Toolkit Installer有时可能会集成了GPU driver Installer）。
- nvcc是与CUDA Toolkit一起安装的CUDA compiler-driver tool，它只知道它自身构建时的CUDA runtime版本。它不知道安装了什么版本的GPU driver，甚至不知道是否安装了GPU driver。

占行

TEST占行

摘自NVDIA