linux小技巧

1 查看目录

ls:查看当前目录
mkdir tmp:创建文件夹tmp
cd：跳到要切换的目标目录
~ 也表示为 home 目录 的意思，.则是表示目前所在的目录， .. 则表示目前目录位置的上一层目录。
跳到/home/hyd/yzq
cd /home/hyd/yzq
跳到自己的home目录
cd ~
跳到目前目录的上上两层
cd ../..片

2 在Ubuntu系统安装anaconda

例:在Ubuntu系统安装anaconda
（anaconda下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/）

比如安装的文件Anaconda3-2020.11-Linux-x86_64.sh在/home/hyd/yzq/anaconda下
（1）先定位到安装的目录下：cd /home/hyd/yzq/anaconda
（2）在运行 bash Anaconda3-2020.11-Linux-x86_64.sh 或者在这个路径下运行./Anaconda3-2020.11-Linux-x86_64.sh
安装的时候会出现很长的提示文件，直接按Q键跳到最后，再按yes
（3）完成上面的操作后，运行which python会显示/usr/bin/ipython，表示现在的Python还在原来的路径上，这时我们要人为地刷新，运行source ~/.bashrc,此时再运行which python会显示~/anaconda3/bin/python，运行which pip,which ipython也是指示在anaconda3的路径下，此时anaconda算完成安装 

3 虚拟环境

3.1 查看虚拟环境

（1）查看cond有哪些虚拟环境:conda info -e，会显示
# conda environments:
#
base                  *  /home/hyd/anaconda3
（2）查看conda 版本：conda --version

3.2 创建、删除虚拟环境

创建、删除虚拟环境的方法（也可以在anaconda navigatro上创建，下面演示命令创建的方法）
（1）创建虚拟环境格式：conda create -n 环境名字 python=版本
conda create -n maso_pytorch python=3.6
（2）查看虚拟环境：conda info -e
（3）进入虚拟环境：conda activate 环境名字
conda activate maso_pytorch
（4）删除虚拟环境格式：
conda remove -n maso_pytorch --all

例子：
流程：
（1）输入conda info -e，查看现在的Python环境
（2）先创建名字为maso_pytorch，Python版本为3.6的虚拟环境
conda create -n maso_pytorch python=3.6
（3）输入conda info -e,创建完成后查看是否创建成功，会显示
# conda environments:
#
base                  *  /home/hyd/anaconda3
maso_pytorch             /home/hyd/anaconda3/envs/maso_pytorch
这是在服务器的/home/hyd/anaconda3/envs下会看到我们创建的环境
（4）进入虚拟环境：conda activate maso_pytorch，会显示
(maso_pytorch) [hyd@localhost ~]$ 
（5）此时输入python查看python是否为虚拟环境创建的版本，会显示
Python 3.6.2 |Continuum Analytics, Inc.| (default, Jul 20 2017, 13:51:32) 
[GCC 4.4.7 20120313 (Red Hat 4.4.7-1)] on linux
Type "help", "copyright", "credits" or "license" for more information.
如果要退出我们的虚拟环境，先退出python再退出环境
（6）输入exit(),退出python
（7）输入conda deactivate,退出创建的虚拟环境
（8）最后如果再删除虚拟环境，conda remove -n 环境名字 --all
conda remove -n maso_pytorch --all
（9）最后检测现在的环境，还是输入conda info -e，会显示
# conda environments:
#
base                  *  /home/hyd/anaconda3

篇二

篇二
使用自己的创建的虚拟环境：https://www.bilibili.com/video/BV1NK4y1a7X5con
（1）先创建环境
（2）使用的时候，在NEW PROJECT里面的Existing interpreter里找到anaconda3中的envs，选择创建的环境
（3）新建New Pythonfile，main.py，里面内容为：
def hello():
    print("hello python!")

if __name__=="__main__":
    hello()
（4）比如此时我们需要使用numpy这个包，但是没有，此时需要安装这个包，流程如下：
（5）先在cmd那激活环境：conda activate maso_python
（6）再使用pip install numpy，不推荐使用conda去安装，conda一般用来管理包而不是安装包
这里再提示一点，就是使用临时清华源下载的格式：
pip install 安装包 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

篇三 在Linux服务器一条龙配置好pytorch

篇三 在Linux服务器一条龙配置好pytorch
（1）创建环境
conda create -n maso_pytorch_gpu python=3.6
（2）激活环境
conda activate maso_pytorch_gpu
 （2.1）可查看当前有哪些环境，判断是否激活环境成功
 conda info -e
（3）到pytorch官网复制对应的指令进行安装,（这里的语句是Linux环境下的，如果需要window下的语句在[pytorch官网](https://pytorch.org/get-started/locally/)）
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0
（4）测试torch是否能使用，输入python进入python环境，再输入以下命令
import torch 
torch.cuda.is_available()
（5）出现Ture表示成功安装

查看当前GPU的使用情况：nvidia-smi(这个语句横杠后面没有空格的，注意)
CUDA Toolkit和cuDNN的安装：用指定命令指定各个版本即可，
pip install cudatoolkit=10.1
pip install cudnn=7.6.5

篇四 在Linux服务器一条龙配置好TensorFlow

篇四
在Linux服务器一条龙配置好TensorFlow
小技巧：从TensorFlow2.1开始，pip包TensorFlow同时包含GPU支持，无需特等的tensorflow-gpu安装
指定TensorFlow1.8.0版本:pip install tensorflow-gpu==1.8.0
直接安装TensorFlow，pip install tensorflowcon==import
检测TensorFlow是否安装成功，
import tensorflow
tf.__version__
查看TensorFlow是否支持GPU版本：tf.test.is._gpu.available()

查看安装了哪些包：pip list

配置pycharm后再运行代码前查看文件定位到文件的方法
（1）先查看有哪些文件ls 
（2）再定位到ls显示的文件夹下面的文件，比如yzq，cd yzq
（3）重复上面的步骤，继续ls,再cd

Linux系统对zip解压文件比较容易，所以传输文件一般先在Windows系统压缩为zip文件，在linux下解压zip文件，unzip 文件名.zip即可

安装指定版本的opencv-python,pip install opencv-python==4.4.0.42

篇五 换清华源

篇5
更换清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/'
conda config --set show_channel_urls yes

再更新一下
conda update --all
conda update conda


conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

清除现有的渠道
conda config --remove-key channels

篇六 手动安装包

服务器老断网，自己手动安装包
先去pypi（https://pypi.org/）下载自己需要的包
放到服务器的某个文件夹中，再定位到那个文件夹下，然后pip install package即可

公式居中，编号右对齐
公式后加 #（编号）；
敲击回车（Enter键）.
 

服务器之间互传文件

从192.168.11.28服务器复制文件到192.168.20.14服务器)
首先用Xshell登录192.168.11.28：
执行命令：scp /home/username/nginx-0.5.38.tar.gz username@192.168.20.14:/home/username/software/
scp -r /home/yuzeqin/xiehaotao/Dense-FCN-for-masksing-localization-master/Ali-sc-0818 yuzeqin@172.31.224.50:/data/yuzeqin

安装aanaconda

https://zhuanlan.zhihu.com/p/75717350
第4步是系统变量，没有usr文件的先跳过