打开pycharm
右键打开terminal
输入 ./pycharm.sh
训练结果放置位置
文件夹下 other locations – computer – 1T
安装包
pip 安装包命令
terminal 进入到具体的环境 pip install 具体包
terminal
快速打开terminal
crtl+alt+t
watch -n 1 nvidia-smi
查看gpu使用情况
cd 路径
终端启动后,它的默认路径在当前用户文件夹的根目录上
输入 pwd
命令来查看当前路径
绝对路径的一般写法为 /文件夹名/文件夹名
输入 cd /其他文件夹
改变当前路径。
比如我希望系统将当前路径改为所有应用程序文件夹,则输入 cd /Applications
相对路径允许你告诉终端从现在开始,接下来应该怎么走。相对路径的书写方法实在绝对路径前加一个 .
快速导入路径的方法 直接将待编辑文件或文件夹拖入终端中即可,它会自动把绝对路径提取出来
1080服务器上ysh位置
mv 重命名
利用mobaxterm,连接服务器
启动todesk
命令行输入:sudo systemctl restart todeskd.service
利用Xshell7连接服务器
1.新建会话
具体操作
文件常用操作
注意空格
pwd 查看当前工作目录
clear 清除屏幕
cd ~ 当前用户目录
cd / 根目录
cd - 上一次访问的目录
cd .. 上一级目录
ll 查看当前目录下详细内容(LL的小写)
ls 查看当前目录下文件
删除目录文件
rm -rf 目录名
复制目录文件
cp -r 源目录 目标目录
cp -r "/media/hp/C440AC3040AC2ADE/ysh/nerf/data/nerf_example_data/" /media/hp/C440AC3040AC2ADE/ysh/mipnerf-main/
移动目录
移动文件夹(目录)下的内容
如要移动某个文件夹下的
某个内容:mv <目录地址1/xxx> <目录地址2>,即可移走xxx内容
mv <目录地址1/xxx> <目录地址2>
对于有空格有括号的文件夹
(1)只需加上\就行。转义括号为可读。
(2)在括号两端加上“ ”。双引号。
注意: 空格也要转义
vim 读py文件内容
运行py文件
0.创建环境
以建立mipnerf的环境为例
# Clone the repo
git clone https://github.com/google/mipnerf.git; cd mipnerf
# Create a conda environment, note you can use python 3.6-3.8 as
# one of the dependencies (TensorFlow) hasn't supported python 3.9 yet.
conda create --name mipnerf python=3.6.13; conda activate mipnerf
# Prepare pip
conda install pip; pip install --upgrade pip
# Install requirements
pip3 install -r requirements.txt
1.激活环境
查看已有环境
conda info --envs
conda activate LowRankGAN-master
python3 # 进入python
查看 环境的 包
conda list
conda info --envs:输出中带有【*】号的的就是当前所处的环境
conda一些命令
conda list: 看这个环境下安装的包和版本
conda install numpy scikit-learn: 安装numpy sklearn包
conda env remove -n yourEnv: 删除你的环境
conda env list: 查看所有的环境
2.cd 到对应文件夹 运行py文件
python3 compute_jacobian.py
3.后台运行
nohup python3 -u run_nerf.py
--config configs/lego.txt >run_nerf.log 2>&1 &
- 最后一个“&”表示后台运行程序
- “nohup” 表示程序不被挂起
- “python3”表示执行python代码
- “-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)
- “test.py”表示python的源代码文件
- “test.log”表示输出的日志文件
- “>”表示将打印信息重定向到日志文件
- “2>&1”表示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)
看实时输出
tail -f run_nerf.log
4. 指定gpu运行py
命令行运行设置指定GPU
单GPU:
CUDA_VISIBLE_DEVICES=2 python train.py
多GPU:
CUDA_VISIBLE_DEVICES=2,3,4 python train.py
使用nvidia相关命令查看GPU使用情况
nvidia-smi简称NVSMI,提供监控GPU使用情况和更改GPU状态的功能,是一个跨平台工具,它支持Linux以及从Windows系统。
nvidia-smi
watch -n 1 -d nvidia-smi # 每隔一秒刷新一次
遇到下面情况
重启
sudo shutdown -r now