连接工作站跑机器学习(Linux命令)

首先讲一讲可能用到的操作

1.查看当前文件夹下的文件
dir

2.返回上一/两个目录
cd …
cd …/…

3.Tab
直接按Tab,可以查看当前文件下的所有东西

4.移动文件
mv 文件名 移动目的地文件名

5.重命名文件
mv 文件名 修改后的文件名

6.上传文件
scp D:/1.jpg(本地文件路径) [email protected]:/home/jes
(scp:上传的指令 。[email protected]用户名字)
在这里插入图片描述记住不能留空格。。。
7.下载工作站的东西到本地
scp [email protected]:pth1(要下载的文件的路径) pth2(自己本地的路径)
(scp:上传的指令 。[email protected]用户名字)
批量下载某个文件下的所有东西
在scp前面加一个-r
连接工作站跑机器学习(Linux命令)_第1张图片

8.复制粘贴
复制直接用快捷键Ctrl+C 或 Ctrl+Shift+C
粘贴可以试试快捷键Ctrl+V 或 Ctrl+Shift+V
粘贴的快捷键不行的时候就鼠标的右键点一下就可以了(在工作站上的时候)

9.退出连接
exit

10.修改代码.py
nano run.py
或者
vim run.py

11.查看当前路径
pwd

连接工作站:

ssh + 工作站
example:
ssh [email protected]
然后输入密码(输入密码的时候输入的内容不会显示)
然后回车,就可以连接

查看显卡的情况:

nvidia -smi
连接工作站跑机器学习(Linux命令)_第2张图片
这里可以看到是有两个GPU的卡位,我们发现两个卡位都在跑程序。
如果我们想要关掉他们就输入
kill -9 22694
其中的22694是相应的PID
连接工作站跑机器学习(Linux命令)_第3张图片
最左边的数字代表是哪个显卡在跑(卡0,卡1)连接工作站跑机器学习(Linux命令)_第4张图片
默认代码是在卡0上跑
如何想要自己选择在哪个坑,请在代码中加入如下内容

os.environ["CUDA_VISIBLE_DEVICES"] = "1"   # 卡1

建立在工作站上创立一个独立的后台

法一:

1.查看当前所有后台
screen -ls

2.进入后台
screen - r **(环境名字)

3.创建后台
screen -S **(环境 名字)

4.退出后台
Ctrl+a+d或者Ctrl+a+d(都是先按Ctrl+a)

5.删除后台
screen -S session_name -X quit

法二:

1.创建新后台
tmux

2.退出后台
ctrl+B 然后松开ctrl跟B 按D

3.查看后台
tmux a

4.后台间切换
ctrl+B 然后松开ctrl+B 再按shift+9 或 shift+0

激活虚拟环境

conda activate **(环境名字)

可以看右边发现是否进入环境

run!

cd进你的代码所在的位置
python run.py

然后它就开始啦~~~
连接工作站跑机器学习(Linux命令)_第5张图片

创建虚拟环境

既然是工作站,那么肯定有别于私人电脑,我们往往要建立一个自己的虚拟环境
如果要开一个新的虚拟环境,从零开始配,太麻烦了,我建议使用copy的方法
即复制一个新的环境:

  • 复制工作站的虚拟环境:
conda create -n DATA_COPY --clone DATA
  • 跨计算机的话,也是一样的。

查询conda create命令的原来说明,是这样的:

–clone ENV
Path to (or name of) existing local environment.

–clone这个参数后面的不仅可以是环境的名字,也可以是环境的路径。

所以,用这种方法我们就可以把原来电脑上目标conda环境的目录复制到新电脑上,然后再用:

conda create -n  DATA_COPY --clone ~/path

就直接一步安装了所有的包,完成了环境的移植。

该部分转自知乎——A字头

用pycharm(专业版)直接连接使用工作站(强推!!)

每天对着cmd调试命令的你是否时刻在奔溃的边缘徘徊?快试试pycharm远程管理工作站吧!

修改代码

在工作站的配置下可通过pycharm修改代码,修改后按Ctrl+S 更新

轻松上传

连接工作站跑机器学习(Linux命令)_第6张图片

轻松管理——>Remote Host

我们也可以在Remote Host中轻松管理工作站的文件:
连接工作站跑机器学习(Linux命令)_第7张图片
具体打开方式:
连接工作站跑机器学习(Linux命令)_第8张图片

pycharm ssh 配置环境

自行百度,这里不进行阐述

配置过后可能出行deployment 灰色,即上传不了的情况

按下图操作

连接工作站跑机器学习(Linux命令)_第9张图片
连接工作站跑机器学习(Linux命令)_第10张图片
选择正确的路径

添加插件

选择添加解释器
连接工作站跑机器学习(Linux命令)_第11张图片
选择配置
连接工作站跑机器学习(Linux命令)_第12张图片
选择后点击右下角的NEXT
连接工作站跑机器学习(Linux命令)_第13张图片
然后选择环境进行配置即可

可能会用到的Linux操作

得到文件大小

相关命令:

df -hl:查看磁盘剩余空间
df -h:查看每个根路径的分区大小
du -sh [目录名]:返回该目录的大小
du -sm [文件夹]:返回该文件夹总M数
du -h [目录名]:查看指定文件夹下的所有文件大小(包含子文件夹)

rm -i *.jpg #删除后缀为jpg的图片,每次删除都会询问
rm -r *.gif #直接删除后缀为gif的图片,不询问(所以需谨慎)

你可能感兴趣的:(笔记,linux,python,机器学习)