--Xshell
1. 删除非空文件夹以及子目录下全部内容:rm -rf 目录名字;
2. 创建文件夹:mkdir 文件名;
3. 复制文件夹dir1到文件夹dir2:cp -r dir1 dir2;
4. 删除文件:rm 文件名;
5. 执行文件:vi 文件名.cc
6. 查看当前的文件所在目录:pwd
7. 查看当前文件夹下的所有文件:ls或者ll
8. 往(远程)系统上上传文件:rz 文件名
9. 从(远程)系统上下载文件:sz 文件名
10. 名字demo的文件改为名字为data的文件: mv demo data
Putty
1. 从电脑“开始”菜单找到并打开Windows Power;
2. 从本地往服务器上上传文件: pscp 本地文件的路径加名字 root@47.99.142.205:/mnt/datasets/或者liuhe@192.168.1.251:
从服务器上下载文件到本地:pscp root@47.99.142.205:/mnt/datasets/或者liuhe@192.168.1.251:
本地文件的路径加名字
3. 激虚拟环境:source activate venv
创建一个名为S2P的虚拟环境,指定Python版本是2.7 :conda create --name S2P python=3.6
win10下激活虚拟环境:conda activate S2P
退出虚拟环境:source deactivate S2P
linux下激活虚拟环境:source activate S2P
退出虚拟环境:source deactivate S2P
Linux下查看cuda版本:nvcc --version 或 cat /usr/local/cuda/version.txt
如何查看Ubuntu系统版本:cat /etc/issue
查看刚才创建的所有环境:conda list env(指的是哪些包)
conda info --envs(指的是创建环境的名称)
# 删除刚才创建的环境S2P: conda remove --name S2P --all
4. 解压:sudo unzip fileName.zip
将/home/wwwroot/xahot/ 这个目录下所有文件和文件夹打包为当前目录下的xahot.zip
zip –q –r xahot.zip /home/wwwroot/xahot
5. 删除文件:sudo rm fileName
6. 安装python版的opencv:pip install opencv-python 或conda install -c anaconda opencv
7. 对于GPU版本tensorflow:conda install tensorflow-gpu=1.8
8. 安装conda install scipy
9.查看CUDA版本 nvcc -V
10. 查看NVIDIA 显卡 nvidia-smi
11. 查看gcc的版本,window下cmd窗口下: g++ -v
12. 查看gpu内存使用情况: nvidia-smi
实时查看GPU运行情况:watch -n -0.1 nvidia-smi
cudn 9.0 tensorflow-gpu 1.8.0
注意,数据盘路径是:/mnt/dataDisk1
13. pytorch的安装
conda install pytorch torchvision cudatoolkit=9.0 -c pytorch
pytorch:
1. No module named 'torch' or 'torch.C'
pip uninstall torch
pip install torch
2. No module named torchvision
pip install torchvision