常用工具指令

Linux 常用指令

记录常用指令方便自己搜索

linux

1. 压缩指令

unzip xxx.zip
unzip -d xxx xxx.zip   #解压到指定目录

zip -q -r xx.zip xxx

xxx代表要压缩的文件夹的位置，xx代表名称，-q代表不显示过程，-r代表文件夹下面递归

zip -q -j valid_detect_pred.zip valid_detect_pred/*

让zip文件夹里面没有文件夹，直接是所有内容。
把-r改成-j, 并且说明所有的文件 *
2. xshell 后台运行程序，即使断网也运行

nohup python -u test.py > ./log.txt 2>&1 &

4. jupyter notebook

nohup jupyter notebook --allow-root > jupyter.log 2>&1 &
ps -aux | grep jupyter  然后kill pid

tensorboard --logdir run3 --host=10.14.37.97

3. 查看当前路径

pwd

4. 复制文件夹到文件夹

cp  -r /home/downloads/phpcms_v9_UTF8/install_package/ /opt/lampp/htdocs/

5. 统计文件个数

统计当前目录下文件的个数（不包括目录）
ls -l | grep "^-" | wc -l
统计当前目录下文件的个数（包括子目录）
 ls -lR| grep "^-" | wc -l
 查看某目录下文件夹(目录)的个数（包括子目录）
ls -lR | grep "^d" | wc -l

6. 查看文件夹大小

du -h –max-depth=1 *
wc -l #chakn wenjian hangshu

7. 查看运行的python3jincheng

ps -ef | grep python3

服务器常见error

1. 重新开机出现闪动，包括tty3和图像界面的闪动，考虑是显卡与原来驱动不兼容。/dev/sda2: clean 磁盘空间不够
2. 若开机卡死在这个地方，可以进入recovery mode
   按shift, 进入grub模式，按esc,进入选择advance option,选择recovery mode,里面的root就可以进入命令行。卸载驱动后就不会出现闪跳的现象了。
   链接

sudo apt-get remove --purge nvidia-*

3. 如何进入命令行模式
   Ctrl+Alt+F3即可。
4. 重新安装驱动：

ubuntu-drivers devices   查看显卡信息以及推荐的版本
sudo ubuntu-drivers autoinstall  自动安装推荐的显卡驱动

5. 您在 /var/cache/apt/archives/ 上没有足够的可用空间

df -hl  查看磁盘大小，发现确实没有多的了，可以手动删除一些东西，最后发现是trash里面有50G
sudo du -hsx /* | sort -rh | head -n 40  查看每一部分占多少
du -h -x --max-depth=1  查看文件夹下面谁最大
垃圾站所在的位置：/root/.local/share

6. trash 所在位置

/root/.local/share/Trash

7. 删除文件夹中所有文件但保留文件夹

find ./ -name "*.pcm" | xargs rm

服务器环境配置

1. 目前配置：驱动是435.21; cuda10.1;cudnn 7.6.4

nvcc --version  查看cuda版本
cat /usr/local/cuda-10.1/include/cudnn.h | grep CUDNN_MAJOR -A 2    查看cudnn版本

2. 更新cuda
   ps:为何nvidia-smi中查到的cuda版本和nvcc查到的版本不一样
   首先查看tensorflow-gpu对应的cuda版本
   
   cuda下载地址 根据官网上要求下载run版本，运行命令。过程中diver选项不要勾选，其余均勾选，安装完成。
   
   修改路径，指向新的cuda

nano ~/.bashrc
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64
export PATH=$PATH:/usr/local/cuda-10.1/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.1

3. 安装对应的cudnn
   cudnn下载地址
   下载以后是 cudnn-10.1-linux-x64-v7.6.4.38.solitairetheme8

cp  cudnn-10.1-linux-x64-v7.6.4.38.solitairetheme8  cudnn-10.1-linux-x64-v7.6.4.38.tgz
tar -xvf cudnn-10.1-linux-x64-v7.6.4.38.tgz
解压以后名为cuda，也就是/usr/local里面的cuda

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

screen

类似于tmux, linux 命令行,关掉xhsell 也可以在后台运行

1. 开启

screen #两种均可
screen command

2. 创建
   screen -S name
3. detach
   crtl-a+d
4. 查看
   注意自己是否在screen里面，命令screen -ls查看有哪些screen ,detach说明退出连接，atach说明在里面
5. 重新连接

 screen -r (pid号码)

7. 关闭进程

kill pid

8. 如何翻看更多的输出内容
   ctrl-a [ 进入copy 模式
   然后直接pgup 键即可，esc退出该模式

pip

1. pip 安装包时使用清华镜像源

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple

2. pytorch 安装需要对应的cuda版本
   网址需要翻墙下载快
   注意torchvision,torchtext必须要跟torch版本对应，否则会不支持

Dataframe

1. 读取&写入

pd.read_csv('E:\\SAR\\exp3_2\\SAR_datasets_info.csv',names=['','']) #否则第一个会被当成header
df.to_csv('E:\\SAR\\exp3_2\\SAR_datasets_info_train.csv',index=False) #index不写入

2. 读取行或列

new_df=df.iloc[1] #读第二行
new_df=df['label'] #读属性label这一列
new_df=df[['label','name']] #多个属性列
data=(df.iloc[1])['label'] #读第二行列标签=label处的值
#也可以整体读取好多行
index=np.arange(0,100)
new_df=df.iloc[index]
#取某一列无名氏转成list
fold_list[0].values.tolist()

3. 长度

df.shape   
#行数df.shape[0]
#列数df.shape[1]

4. 随机分割为测试集和训练集

import pandas as pd
df=pd.read_csv('E:\\SAR\\exp3_2\\SAR_datasets_info.csv')
index=np.arange(0,df.shape[0])
np.random.shuffle(index)
train=index[0:int(len(index)*0.8)]
valid=index[int(len(index)*0.8):]
tdf=df.iloc[train]
vdf=df.iloc[valid]
tdf.to_csv('E:\\SAR\\exp3_2\\SAR_datasets_info_train.csv',index=False)
vdf.to_csv('E:\\SAR\\exp3_2\\SAR_datasets_info_valid.csv',index=False)

5. 创建dataframe

l=[['a',1],['b',2]]
df=pd.DataFrame(l)

6. 根据某一列的数据排序

df_new=df.sort_values(by='index')

numpy

1. 随机打乱

index=np.arange(0,100)  #左闭右开[) 
np.random.shuffle(index)  #直接改变了index，无需赋值

2. 添加或减小维度

# 添加
a=np.unsqueeze(b,dim) #方法1
a=b[:,:,np.newaxis]#方法2
#减少
a=np.squeeze(b)
#同理 torch也有相同的用法
a=torch.unsqueeze(b,dim)

文件读写

import os
valid_loss=[]
with open(os.path.join('/home/are/SAR/SAR_exp3/exp3_2','valid_loss.txt'),'r') as f:
    for line in f.readlines():
        line = line.strip('\n')  #去掉列表中每一个元素的换行符
        valid_loss.append(eval(line))

matplotlib

import matplotlib.pyplot as plt
%pylab inline
#x1=range(0,num_epochs)
x2=range(0,500)
#y1=train_loss
y2=valid_loss
plt.title('loss VS epoch')
plt.xlabel('epoch')
plt.ylabel('MSE loss')
#plt.plot(x1,y1,'b',label='train_loss')
plt.plot(x2,y2,'y',label='valid_loss')
plt.ylim(0,1e-3)   #限制坐标轴长度
plt.legend()#显示label
plt.savefig(os.path.join('loss epoch.jpg'))
plt.show()  #一定要在show之前保存

os

1. 文件遍历

target_dir='E:\\diffuser\\data\\raw\\raw'
filelist=os.listdir(target_dir)	
for file in filelist:

2. 文件复制、移动

import shutil
shutil.move(dirname,des_path) #移动文件

我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

1. 全新的界面设计 ，将会带来全新的写作体验；
2. 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
3. 增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
4. 全新的 KaTeX数学公式 语法；
5. 增加了支持甘特图的mermaid语法¹ 功能；
6. 增加了 多屏幕编辑 Markdown文章功能；
7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
8. 增加了 检查列表 功能。

功能快捷键

撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G
查找：Ctrl/Command + F
替换：Ctrl/Command + G

合理的创建标题，有助于目录的生成

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H₂O is是液体。

2¹⁰ 运算结果是 1024.

插入链接与图片

链接: link.

图片:

带尺寸的图片:

居中的图片:

居中并且带尺寸的图片:

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

• 项目
  • 项目
    • 项目

1. 项目1
2. 项目2
3. 项目3

• 计划任务
• 完成任务

创建一个表格

一个简单的表格是这么创建的：

项目	Value
电脑	$1600
手机	$12
导管	$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列	第二列	第三列
第一列文本居中	第二列文本居右	第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：

TYPE	ASCII	HTML
Single backticks	'Isn't this fun?'	‘Isn’t this fun?’
Quotes	"Isn't this fun?"	“Isn’t this fun?”
Dashes	-- is en-dash, --- is em-dash	– is en-dash, — is em-dash

创建一个自定义列表

Markdown

Text-to- HTML conversion tool

Authors

John

Luke

如何创建一个注脚

一个具有注脚的文本。²

注释也是必不可少的

Markdown将文本转换为 HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 $\Gamma (n)=(n-1)!\forall n\in \mathbb{N}$ 是通过欧拉积分

$$\Gamma (z)={\int }_0^{\infty }{t}^{z-1}{e}^{-t}dt.$$

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章

• 关于 甘特图 语法，参考 这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：

这将产生一个流程图。:

• 关于 Mermaid 语法，参考 这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图：

• 关于 Flowchart流程图 语法，参考 这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。

---

1. mermaid语法说明 ↩︎

2. 注脚的解释 ↩︎