0x01 查看显卡
spci | grep -i vga
0x02 查看系统版本
cat /proc/version
uname -a
0x03 查看NVIDIA 显卡
nvidia-smi
0x04 查看CUDA版本
nvcc -V
0x05 不断刷新一个命令
watch
0x06 查找一个命令
which
0x07 docker使用
ref:http://blog.csdn.net/scythe666/article/details/78094848
0x08 全盘搜索
find / -print|grep FILENAME
0x09 打印命令详细信息
ps+pid
0x0A git版本回退
命令git reflog用来记录你的每一次命令:
$ git reflog
ea34578 HEAD@{0}: reset: moving to HEAD^
3628164 HEAD@{1}: commit: append GPL
ea34578 HEAD@{2}: commit: add distributed
cb926e7 HEAD@{3}: commit (initial): wrote a readme file
Git必须知道当前版本是哪个版本,在Git中,用HEAD表示当前版本,也就是最新的提交3628164…882e1e0(注意我的提交ID和你的肯定不一样),上一个版本就是HEAD^,上上一个版本就是HEAD^^,当然往上100个版本写100个^比较容易数不过来,所以写成HEAD~100。
回退命令:
$ git reset --hard 3628164
HEAD is now at 3628164 append GPL
0x0B 看安装在哪
dpkg -S libcupti
0x0C 查看cudnn安装情况和版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
0x0D 查看是哪一个人在跑程序
ps u [pid]
0x0E 查看anaconda版本号
conda info has this information. If you need to access it programmatically, use conda info –json.
0x0F 查看pytorch版本号
import torch
print(torch.__version__)
0x1A 查找命令输出
docker images | grep huwang
0x1B tmux 分屏
上下分屏:ctrl + b 再按 "
左右分屏:ctrl + b 再按 %
切换屏幕:ctrl + b 再按o
关闭一个终端:ctrl + b 再按x; 或者直接ctrl + d
上下分屏与左右分屏切换: ctrl + b 再按空格键
detach 当前终端,ctrl + b 再按d
新建终端:tmux new -s dev
链接终端:tmux attach -t dev; 只有一个终端时,直接 tmux a
0x1C 常用Ubuntu命令
sudo apt-get update 更新源
sudo apt-get install package 安装包
sudo apt-get remove package 删除包
sudo apt-cache search package 搜索软件包
sudo apt-cache show package 获取包的相关信息,如说明、大小、版本等
sudo apt-get install package --reinstall 重新安装包
sudo apt-get -f install 修复安装
sudo apt-get remove package --purge 删除包,包括配置文件等
sudo apt-get build-dep package 安装相关的编译环境
sudo apt-get upgrade 更新已安装的包
sudo apt-get dist-upgrade 升级系统
sudo apt-cache depends package 了解使用该包依赖那些包
sudo apt-cache rdepends package 查看该包被哪些包依赖
sudo apt-get source package 下载该包的源代码
sudo apt-get clean && sudo apt-get autoclean 清理无用的包
sudo apt-get check 检查是否有损坏的依赖
0x1D conda新建virtual envs
1、Create a conda environment named tensorflow by invoking the following command:
C:> conda create -n tensorflow pip python=3.5
2、Activate the conda environment by issuing the following command:
C:> activate tensorflow
(tensorflow)C:> # Your prompt should change
3、Issue the appropriate command to install TensorFlow inside your conda environment. To install the CPU-only version of TensorFlow, enter the following command:
(tensorflow)C:> pip install --ignore-installed --upgrade tensorflow
To install the GPU version of TensorFlow, enter the following command (on a single line):
(tensorflow)C:> pip install --ignore-installed --upgrade tensorflow-gpu
0x1E 查看文件或文件夹大小
一、查看文件大小
查看文件大小的命令:
~$ ls -l filename
会在终端输出:-rw-r–r– 1 root root 2147483648 Mar 5 09:39 filetemp0606 其中数字2147483648 就是文件filename的大小单位是字节B
~$ ls -l
会在终端输出当前文件夹下的所有文件的权限大小信息。
注意:如果filename是一个目录的话,执行以上命令会把filename目录下所有文件的大小信息在终端输出。
二、查看文件夹大小
查看文件夹的大小,也就是查看文件夹下所有文件的大小总和,例如查看文件夹Foldename的大小的命令:
~$ cd Foldename进到Foldename 目录
~$ du -sh
会给出总大小的一个数字,如果目录下文件很大,要等一会。
三、查看当前文件系统各分区的大小
查看磁盘的使用情况命令:
~$ df -h
输出格式如下:
Filesystem Size Used Avail Use% Mounted on
/dev/sda1 146G 30G 109G 22% /
udev 426M 4.0K 426M 1% /dev
tmpfs 174M 784K 173M 1% /run
none 5.0M 0 5.0M 0% /run/lock
none 435M 0 435M 0% /run/shm
查看分区磁盘的速度命令:
~$ hdparm -Tt /dev/sda1
在终端打印出如下信息:
/dev/sda1:
Timing cached reads: 1770 MB in 2.00 seconds = 885.55 MB/sec
Timing buffered disk reads: 218 MB in 3.03 seconds = 71.92 MB/sec
不同时间速度会有一些波动。
0x1F 查看tensorflow版本号
由于tensorflow版本不同,可能一些函数的调用也有变换,这时候可能需要查看tensorflow版本,可以在终端输入查询命令如下:
python
import tensorflow as tf
print(tf.__version__)
# 查询tensorflow安装路径为:
print(tf.__path__)
0x20 tensorboard使用
tensorboard --logdir='logs/'
0x21 Linux远程拷贝
使用scp命令
scp -r uname@[ip addr]:/mnt/StorageArray2_DGX1/huwang/ fromDGX/
命令使用详见:http://www.cnblogs.com/autumnvivi/articles/3447964.html
0x22 github 常用命令
把文件添加到仓库
$ git add readme.txt
add当前目录下所有
$ git add .
把文件提交到仓库
$ git commit -m "wrote a readme file"
推送到GitHub
$ git push -u origin master
Git的版本库里存了很多东西,其中最重要的就是称为stage(或者叫index)的暂存区,还有Git为我们自动创建的第一个分支master,以及指向master的一个指针叫HEAD。
第一步是用git add把文件添加进去,实际上就是把文件修改添加到暂存区;
第二步是用git commit提交更改,实际上就是把暂存区的所有内容提交到当前分支。
因为我们创建Git版本库时,Git自动为我们创建了唯一一个master分支,所以,现在,git commit就是往master分支上提交更改。
你可以简单理解为,需要提交的文件修改通通放到暂存区,然后,一次性提交暂存区的所有修改。
如果出现如下问题:
Counting objects: 50129, done.
Delta compression using up to 8 threads.
Compressing objects: 100% (48428/48428), done.
error: RPC failed; curl 55 Send failure: Connection was aborted
fatal: The remote end hung up unexpectedly
Writing objects: 100% (50129/50129), 3.74 GiB | 14.36 MiB/s, done.
Total 50129 (delta 1804), reused 49382 (delta 1636)
fatal: The remote end hung up unexpectedly
Everything up-to-date
The problem is due to git/https buffer settings. In order to solve it (taken from Git fails when pushing commit to github)
git config http.postBuffer 524288000
And run the command again
0x23 linux普通模式翻屏 + tmux下翻屏
1.linux普通模式翻屏(翻页):shift+PgUp或者shift+PgDn
2.tmux模型下翻屏(翻页):C-b pageup/pagedown
0x24 ubuntu tar zip 等解压
.tar
解包:tar xvf FileName.tar
打包:tar cvf FileName.tar DirName
(注:tar是打包,不是压缩!)
---------------------------------------------
.gz
解压1:gunzip FileName.gz
解压2:gzip -d FileName.gz
压缩:gzip FileName
.tar.gz 和 .tgz
解压:tar zxvf FileName.tar.gz
压缩:tar zcvf FileName.tar.gz DirName
---------------------------------------------
.bz2
解压1:bzip2 -d FileName.bz2
解压2:bunzip2 FileName.bz2
压缩: bzip2 -z FileName
.tar.bz2
解压:tar jxvf FileName.tar.bz2
压缩:tar jcvf FileName.tar.bz2 DirName
---------------------------------------------
.bz
解压1:bzip2 -d FileName.bz
解压2:bunzip2 FileName.bz
压缩:未知
.tar.bz
解压:tar jxvf FileName.tar.bz
压缩:未知
---------------------------------------------
.Z
解压:uncompress FileName.Z
压缩:compress FileName
.tar.Z
解压:tar Zxvf FileName.tar.Z
压缩:tar Zcvf FileName.tar.Z DirName
---------------------------------------------
.zip
解压:unzip FileName.zip
压缩:zip FileName.zip DirName
---------------------------------------------
.rar
解压:rar x FileName.rar
压缩:rar a FileName.rar DirName
rar请到:http://www.rarsoft.com/download.htm 下载!
解压后请将rar_static拷贝到/usr/bin目录(其他由$PATH环境变量指定的目录也可以):
[root@www2 tmp]# cp rar_static /usr/bin/rar
---------------------------------------------
.lha
解压:lha -e FileName.lha
压缩:lha -a FileName.lha FileName
lha请到:http://www.infor.kanazawa-it.ac.jp/~ishii/lhaunix/下载!
>解压后请将lha拷贝到/usr/bin目录(其他由$PATH环境变量指定的目录也可以):
[root@www2 tmp]# cp lha /usr/bin/
---------------------------------------------
.rpm
解包:rpm2cpio FileName.rpm | cpio -div
---------------------------------------------
.deb
解包:ar p FileName.deb data.tar.gz | tar zxf -
---------------------------------------------
.tar .tgz .tar.gz .tar.Z .tar.bz .tar.bz2 .zip .cpio .rpm .deb .slp .arj .rar .ace .lha .lzh .lzx .lzs .arc .sda .sfx .lnx .zoo .cab .kar .cpt .pit .sit .sea
解压:sEx x FileName.*
压缩:sEx a FileName.* FileName
sEx只是调用相关程序,本身并无压缩、解压功能,请注意!
sEx请到: http://sourceforge.net/projects/sex下载!
解压后请将sEx拷贝到/usr/bin目录(其他由$PATH环境变量指定的目录也可以):
[root@www2 tmp]# cp sEx /usr/bin/
0x25 anaconda python cuda环境变量设置 bashrc
# .bashrc
# Source global definitions
if [ -f /etc/bashrc ]; then
. /etc/bashrc
fi
# User specific aliases and functions
export PATH="/home/hwang/hwang/program_files/cuda8_local/bin:$PATH"
export LD_LIBRARY_PATH="/home/hwang/hwang/program_files/cuda8_local/lib64:$LD_LIBRARY_PATH"
export PATH="/home/hwang/hwang/tools/anaconda3/bin:$PATH"
0x26 alias 命令
alias clear="/usr/bin/clear"