Ubuntu16虚拟机、linux命令记录

Linux下进入Anaconda Prompt以及Navigator

1.打开终端，cd 进Anaconda下的bin目录

Linux中 anaconda 启动其终端命令行

#source activate root

source /export/liuzhe/anaconda3/Anaconda/bin/activate root

conda activate

#pip清华源加速
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package （some-package代表要下载的包

#conda加速下载
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

#pytorch whl文件下载
https://download.pytorch.org/whl/torch_stable.html

退出： 

conda deactivate

2.进入Anaconda Navigator 

anaconda-navigator

pytorch中查看gpu信息

• torch.cuda.is_available()
  cuda是否可用；

• torch.cuda.device_count()
  返回gpu数量；

• torch.cuda.get_device_name(0)
  返回gpu名字，设备索引默认从0开始；

• torch.cuda.current_device()
  返回当前设备索引；

查看某个进程PID  (top -p pid)

杀掉某个进程PID  (kill -9 pid)

linux下查看进程启动、运行的时间

ps -eo pid,tty,user,command,lstart,etime | grep liuzhe

Screen任务管理

当程序运行时间较长时，我们在当前linux窗口直接运行程序，程序或许会因为网络问题异常终止。

使用screen来解决本地突然离线的问题，screen相当于创建一个后台窗口在服务器，本地连接中断并不会影响正在运行的程序。

#常用的screen命令

screen -S name #创建一个窗口name

screen -ls  #查看当前已经创建的窗口

screen -d -r name   #回到名字为name的窗口

screen -X -S name quit   #关闭名字为name的窗口

跑深度学习框架指定需要GPU，否则程序会将所有GPU都占了，严重影响他人使用GPU。

#python指定GPU代码

gpu_id=4
os.environ["CUDA_VISIBLE_DEVICES"]=str(gpu_id)

linux——ubuntu相关命令：

source /etc/profile

#这个命令是在更改profile文件后用来输入更新的，方便新的文件更新能被系统识别。

# 备份原来的源文件

sudo cp /etc/apt/sources.list /etc/apt/sources_init.list

# 更改国内源

sudo gedit /etc/apt/sources.list

# 清华源

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted universe multiverse

# 更新系统路径
source /etc/profile
# 更新源
sudo apt-get update
# 修复损坏的软件包，尝试卸载出错的包，重新安装正确版本的
sudo apt-get -f install
# 若显示lock出错的话，可以将错误复制至百度，将相应的命令输入，即可解除lock错误。
# 更新软件
sudo apt-get upgrade

 linux常用命令

pwd  # 打印当前路径

mkdir file   #当前目录下创建文件夹file

cd /root  # 更换到root目录下 root为目录名

gedit filename  # 编辑文件内容

cat filename # 查看文件内容

cp filename /dir1/dir2  # 将文件file复制到dir2目录下

wget [URL]  #下载文件

rm -rf a.py　   # 删除a.py文件
rm -rf data     # 删除data文件夹

ls -l | grep '^-' | wc -l # 统计当前目录下文件数目
ls -lR | grep '^-' | wc -l  # 统计当前目录及所有子目录下文件数目
ls -lR | grep '.jpg' |wc -l  # 统计当前目录及所有子目录下以‘.jpg’后缀结尾的图片个数

 
touch a.py/vim a.py      # 创建a.py文件


'''
#将本地文件上传到服务器
#单个文件
scp /home/lmc/a.py(local) username@ip:/home/lmc/fuwuqi/(remote)
#文件夹
scp -r /home/lmc/test/ xxx@192.168.x.xxx:/home/lmc/fuwuqi/

#用服务器跑单个文件时可以在本地输入命令，但是跑多个文件时只能先上传到服务器，再运行
ssh username@ip python < /home/lmc/Desktop/a.py

'''

Linux 权限格式：<类型><用户><组><其他用户>

win10的虚拟机中安装Ubuntu后的问题：

1.刚安装好后打开Ubuntu的画面太小：

解决方法：VMware虚拟机ubuntu显示屏幕太小解决办法_-牧野-的博客-CSDN博客_vmware屏幕显示过小

2.主机有网，虚拟机ubuntu中没网

解决方法：（1）首先本地的两个服务要开启

（2）打开虚拟的设置->网络适配器->选择自定义：特定虚拟网->NAT模式->确定

自己的笔记本连接实验室远程服务器注意：

1.下载软件Xshell、Xftp

2.配置深度学习环境

2.1 安装Anaconda

(1)    到Anaconda官网或anaconda清华源（Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror）下载所需的Anaconda版本至服务器：

或者在本地下好anaconda，然后用scp命令上传至远程服务器：

scp Anaconda3-5.2.0-Linux-x86_64.sh username@远程服务器IP:/home/username

（注意anaconda与Python对应版本,下载合适的anaconda版本，如我需要python3.6则下载anaconda5.2.0）

#64位anaconda3、linux

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.2.0-Linux-x86_64.sh

(2)   运行安装向导：

bash Anaconda3-5.2.0-Linux-x86_64.sh

(3)   添加环境变量

export PATH="/$export/liuzhe/anaconda3/Anaconda/bin:$PATH"

export PATH="$PATH:$export/liuzhe/anaconda3/Anaconda/bin"

（4）测试安装是否成功

conda env list

3.Linux无root权限安装cuda9.1和cudnn7.05以及编译框架时无lcuda.so的问题