weixin_43220532的博客

我在启动elasticsearch时候遇到了由于用户最大打开文件数限制而报得错：“max file descriptors [4096] for elasticsearch process is too low, incr…”但修改了好几次相关配置文件也没生效，后查阅多方资料，终于生效：一，sudo vim /etc/security/limits.conf添加* soft nofile 6553600* hard nofile 6553600保存退出二，sudo vim /etc/

我执行docker ps 查看已经启动的容器，但是报错：Cannot connect to the Docker daemon at unix:///var/run/docker.sock. Is the docker daemon running?解决办法为依次执行：$ systemctl daemon-reload$ sudo service docker restart既可解决报错Done!!!...

我修改了ssh的配置文件，想要重启ssh服务使得配置生效，重启命令为：$ systemctl restart sshd.service但是报错：我又使用了以下命令进行重启：$ service sshd.service restart但又报错:出现这些错误的原因是我这个系统里没有使用systemctl、service来管理ssh服务，很好理解。最后成功使用如下命令进行了重启：$ /etc/init.d/ssh restart如下图Done！！！...

本文主要讲解的tar工具，先来看看tar命令的主要参数：必要参数有如下：-A 新增压缩文件到已存在的压缩-c 建立新的压缩文件-d 记录文件的差别-r 添加文件到已经压缩的文件-u 添加改变了和现有的文件到已经存在的压缩文件-x 从压缩的文件中提取文件-t 显示压缩文件的内容-z 支持gzip解压文件-j 支持bzip2解压文件-Z 支持compress解压文件-v 显示操作过程-l 文件系统边界设置-k 保留原有文件不覆盖-m 保留文件不被覆盖-W 确认压缩文件的正确性

注意！！！先前写过一篇文章，讲述ubuntu下将本地vscode编辑器通过ssh和远程服务器进行连接并使用远程的Python环境，一定要先看这篇（这是基础）！！！前言：在程序员的日常开发工作中，会遇到这样的情况，我们需要用自己本地的工作笔记本连接到大的服务器进行开发，因为大服务器的硬件性能强悍，有很多软件环境。我们在自己的笔记本进行开发需要用到这些软硬件环境，尤其在深度学习项目开发过程中，需要非常好的显卡，而显卡资源一般都部署在大服务器上。大服务器一般有很多人在用，所以我们需要有自己独立的开发环境，其中一

前言：在程序员的日常开发工作中，会遇到这样的情况，我们需要用自己本地的工作笔记本连接到大的服务器进行开发，因为大服务器的硬件性能强悍，有很多软件环境。我们在自己的笔记本进行开发需要用到这些软硬件环境，尤其在深度学习项目开发过程中，需要非常好的显卡，而显卡资源一般都部署在大服务器上。下面讲具体步骤：ssh和vscode的安装不再赘述，网上有很多教程。1，打开vscode编辑器，进入"扩展：商店"：在搜索框里搜索Remote-SSH，下载好这个插件。2，点击左下角绿色部分"打开远程窗口"，出现下图内容

1

一、apt1，临时设置代理$ sudo apt-get -o Acquire::http::proxy="proxyaddress:port/" update(或者要下载的软件包名称)$ sudo apt-get -o Acquire::https::proxy="proxyaddress:port/" update(或者要下载的软件包名称)$ sudo apt-get -o Acquire::ftp::proxy="proxyaddress:port/" update(或者要下载的软件包名称)$

我ubuntu18系统连接手机热点，总是出现“无线网络激活失败”一个比较简单的解决方法是：打开终端，执行：$ sudo pppoeconf遇到选项选yes然后再试下能否连接成功，如果这样解决不了问题，再找找其它办法Done!...

安装pip2:sudo apt install python-pip安装pip3:sudo apt install python3-pip

一，不使用代理：1，ssh连接服务器$ ssh 服务器用户名@服务器ip地址2，scp传输文件$ scp -r 要传输的文件名 服务器用户名@服务器ip地址:文件要拷贝的路径 #如果不是文件夹，可去掉-r二，使用代理(单次设置)1，ssh连接服务器$ ssh -o "ProxyCommand=nc -X 5 -x 代理服务器地址:端口号 %h %p" 服务器用户名@服务器ip地址 2，scp传输文件$ ...

一，首先理解清楚CUDA Driver Version和CUDA Runtime Version的区别：1，CUDA Driver Version是跟nvidia的GPU驱动(nvidia-driver)绑定在一起的：就是在上图这个位置或者你在终端通过命令更新下载驱动后，再执行nvidia-smi得到如下图中右上角显示的cuda版本，例如我的：上图表明：我现在的驱动版本是440.95.01，可以支持<=10.2版本的cuda2，CUDA Runtime Version是你自己在系统上安装的

我使用docker pull 命令拉取镜像，但是报错：Error response from daemon: Get https://registry-1.docker.io/v2/: net/http: request canceled while waiting for connection (Client.Timeout exceeded while awaiting headers)其它设置都没问题，后来想到是因为公司的网络代理问题，解决方法为：1，打开docker.service$ vim

登陆阿里云容器镜像服务中心用支付宝扫描然后手机验证即可注册登陆，如下图：根据提示，首先将属于自己的加速地址，例如：{ "registry-mirrors": ["https://redyo.mirror.aliyuncs.com"]}写入/etc/docker/daemon.json文件注意：上述地址写自己的！还要注意json文件的格式要正确然后重启：$ sudo systemctl daemon-reload$ sudo systemctl restart docker然后

我启动一个容器，启动命令如下：$ sudo docker run --runtime=nvidia -it --privileged=true -p 8060:8060 -p 8335:8335 -p 8333:8333 -p 8334:8334 -p 8330:8330 -p 81:81 -p 8187:8187 cuda10.0-cudnn7-u1804:ltf5 /bin/bash ./bootself.sh$ sudo docker exec -it 20d3c39053c3 /bin/bash

1，在docker容器内执行以下python代码或根据需要插入到你的.py文件中： import paramiko #通过pip3 install paramiko 安装 s = paramiko.SSHClient() s.load_system_host_keys() s.set_missing_host_key_policy(paramiko.AutoAddPolicy()) s.connect(hostname="A",port=22,username="B"

并不比

sudo suvi /etc/apt/apt.conf.d/10proxy #这个文件正常不存在，会新建一个#编辑内容为：Acquire::http::Proxy “http://user:pwd@192.168.1.1:8080”;