实习命令记录

5.30
1 虚拟环境配置
sudo apt-get install python3.6
virtualenv -p python3.6 ‘myvenv’（第一次创建文件夹时用，后面可省）
source /gpu/tangpeng2959/tmp/myvenv/bin/activate 激活
pip install -r requirements.txt
2 oh my zsh 高亮命令行
https://github.com/robbyrussell/oh-my-zsh

5.31
1 if name == ‘main’:
http://blog.konghy.cn/2017/04/24/python-entry-program/

6.3
1、mac下找brew install的软件位置
1）通过brew install安装应用最先是放在/usr/local/Cellar/目录下。
2）可以使用 brew list 软件名 (比如 brew list oclint)确定安装位置。
2、pycharm push到github
https://www.cnblogs.com/feixuelove1009/p/5955332.html

【pycharm命令】
1）shift + tab 代码块左移，tab右移
2) 配interpreter 环境
show all…先-掉现存的，再+ ，重新配置
source venv/bin/activate
https://blog.csdn.net/seven_zhao/article/details/71636560

6.4
【git命令】
git pull
git stash 在服务器端修改过后，保存至本地，然后撤回当前修改，从github下重新拉
git reset
git diff

6.5
tensor 可以利用GPU加速，variable可以做反向求导，即存储了梯度信息。
Variable提供了和Tensor一样的API，即能在Tensor上执行的操作也可以在Variable上执行。
https://blog.csdn.net/victoriaw/article/details/72673110
tensorboard命令：
tensorboard --logdir /Users/momo/momo_cyclegan-lsgan

【服务器命令】

1. 后台train+不打印在命令行

   nohup python main.py > train.log 2>&1&
   cat /gpu/tangpeng2959/tmp/cyclegan-pytorch/train.log

2. 从服务器传文件到跳板机：
   在跳板机上：
   scp -r gpu005.ali.momo.com:/gpu/tangpeng2959/tmp/cyclegan-pytorch/checkpoints/momo_cyclegan-lsgan .
   scp -r gw2:~/momo_cyclegan-lsgan .

3. lrzsz
   sz filename

4. 从本地传到服务器：
   scp /Users/momo/trainer.py gw2:~

6.10
png是RGBA4通道，jpg是RGB，需要转换一次

from PIL import Image

img = Image.open('test.png')
# 将一个4通道转化为rgb三通道
img = img.convert("RGB")

https://blog.csdn.net/missyougoon/article/details/85331493

6.18
pycharm git push 工具 VCS
先commit
再git push

6.20
ctrl +左键 哪里不会点哪里

7.4
【模型部署到手机端】
在远程和本地训好的model最后会被存为pt文件，就是一段weight text信息。然后在手机端只需要另外的无论是swift…等做相应的权重计算，做一个forward/infer。就是相当于在部署。

cuda 加速底层框架的研究

7.7

pip install path.py

ffmpeg -i IMG_1524.m4v -r 3 -q:v 2 -f image2 %d.png

A = np.array([1, 2, 3, 4, 5, 6, 7, 8])
print(A.reshape((2, -1)))
表示只关心row_num的时候，-1表示未知列向量数

7.17
c++ 编译器clang
python需要经过一个解释器再到编译器

7.22 python多线程/共享数据

https://www.cnblogs.com/xiaxuexiaoab/p/8558519.html

8.2
修改国内源来加速配置：
https://www.jianshu.com/p/ac4df573b9d9

总结：
在这边学到了很多fancy的东西:
1）用到了tensorboardX可视化训练中间结果，可以看到loss的收敛情况；
2）用到了ONNX和netron中间可视化模型。
Pytorch -> ONNX ->TensorRT
https://www.codercto.com/a/69085.html
3）用到了torch.summry来看模型size
4）用到了sourcetree/vcs版本控制
5）服务器/vim上修改代码
6）用到了跳板机、服务器，SSH协议
7）pip install慢时，修改为国内源；配置虚拟环境。