笔记8-查看深度学习服务器当前环境

参考文献

查看Linux服务器的环境

系统和硬件

cat /etc/redhat-release
uname -a
lscpu
在这里插入图片描述
CPU总核数(32) = 物理CPU个数(2) * 每颗物理CPU的核数(16)
CPU总逻辑数(64) = 物理CPU个数(2) * 每颗物理CPU的核数(16) * 超线程数(2)

uptime 运行时间,用户数,负载

09:36:12 up 10 days, 10:08, 3 users, load average: 0.00, 0.01, 0.05

硬盘 df -hT

(base) ~ df -hT  
Filesystem              Type      Size  Used Avail Use% Mounted on
devtmpfs                devtmpfs   94G     0   94G   0% /dev
tmpfs                   tmpfs      94G  4.0K   94G   1% /dev/shm
tmpfs                   tmpfs      94G  124M   94G   1% /run
tmpfs                   tmpfs      94G     0   94G   0% /sys/fs/cgroup
/dev/mapper/centos-root xfs        50G  4.2G   46G   9% /
/dev/sda2               xfs      1014M  267M  748M  27% /boot
/dev/sda1               vfat      200M   12M  189M   6% /boot/efi
/dev/mapper/centos-home xfs       169G   92G   77G  55% /home
tmpfs                   tmpfs      19G     0   19G   0% /run/user/1000

GPU nvidia-smi

在这里插入图片描述

深度学习环境

当前python进程

(base) ~ ps aux | grep python                                     
root       1549  0.0  0.0 358844 29544 ?        Ssl  Mar28   0:10 /usr/bin/python2 -Es /usr/sbin/firewalld --nofork --nopid
root       2054  0.0  0.0 574292 19660 ?        Ssl  Mar28   0:20 /usr/bin/python2 -Es /usr/sbin/tuned -l -P
cszx      97889  0.0  0.0 112816   992 pts/1    S+   23:22   0:00 grep --color=auto --exclude-dir=.bzr --exclude-dir=CVS --exclude-dir=.git --exclude-dir=.hg --exclude-dir=.svn --exclude-dir=.idea --exclude-dir=.tox python

现有虚拟环境

···(base) ~ conda env list
conda environments:

base * /home/cszx/miniconda3
py310 /home/cszx/miniconda3/envs/py310

···

激活环境conda activate py310

查看已经安装的包(py310) ~ conda list

退出当前环境(py310) ~ conda deactivate

另一种方法查看已经安装的包(base) ~ pip list

  • 10
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
为了配置深度学习环境,你可以按照以下步骤进行操作: 1. 安装 CUDA 和 cuDNN:CUDA 是 NVIDIA 的并行计算平台,而 cuDNN 是用于深度神经网络的 GPU 加速库。首先,确保你的显卡支持 CUDA。然后,从 NVIDIA 官方网站下载和安装适合你显卡的 CUDA 版本。接着,从 NVIDIA 开发者网站下载并安装对应 CUDA 版本的 cuDNN。安装过程中可能需要手动配置环境变量。 2. 安装 Python 和 pip:Ubuntu 已经预装了 Python,你可以通过终端检查 Python 版本。然后,安装 pip,它是 Python 的包管理器,用于安装和管理 Python 库和依赖。 3. 创建虚拟环境(可选):虚拟环境可以帮助你隔离不同项目的依赖关系。使用以下命令创建一个新的虚拟环境: ``` python3 -m venv myenv source myenv/bin/activate ``` 4. 安装深度学习库:可以使用 pip 安装常用的深度学习库,如 TensorFlow 或 PyTorch。例如,安装 TensorFlow: ``` pip install tensorflow ``` 5. (可选)安装其他依赖库:根据你的需求,可能需要安装其他库,例如 OpenCV、numpy 等。使用 pip 安装这些库: ``` pip install opencv-python pip install numpy ``` 6. 配置 GPU 支持:在使用深度学习库时,你可能需要配置 GPU 支持。确保你的显卡驱动已正确安装,并且将深度学习配置为使用 GPU。 这些是配置深度学习环境的基本步骤,具体的安装和配置步骤可能因你使用的深度学习库和版本而有所差异。建议查阅相关文档以获取更详细的指导。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值