一、linux配置
# 新的linux配置:
1. 查看linux版本
uname -a
2. linux装软件
ubuntu:
安装软件:sudo apt install 软件名
更新软件源:sudo apt update
升级已安装的软件:sudo apt upgrade
3. ubuntu 查看终端类型
printenv | grep TERM
3. 安装 c++编译器
sudo apt-get update
sudo apt-get install build-essential
4. 安装 git
sudo apt install 软件名
5.安装 git-lfs
curl -s https://packagecloud.io/install/repositories/github/git-lfs/script.deb.sh | sudo bash
sudo apt-get install git-lfs
git lfs install
7. screen 滚动、中文乱码问题
# 加上 -U 表示以 utf-8编码，解决中文乱码
screen -U -S name #创建一个虚拟终端，其中name是模拟终端的名字
#接下来会打开新的终端，在终端中执行自己想执行的代码，跑起来之后
#按ctrl+a之后再按d 就能报存这个终端窗口，就像是后台任务挂起，这样就返回到一开始创建name的那个终端中去了
screen -ls #查看已创建的终端
screen -U -dr name #恢复终端
————————————————
# screen 不能滚动
vim ~/.screenrc
写入： termcapinfo xterm* ti@:te@
8. 安装 netstat
sudo apt-get install net-tools
netstat -tuln | grep 29500 ---- 查端口
sudo apt install lsof
================================ 遇到 Ninja 错误, bash 运行没有问题, vscode 调试出错
pip install Ninja
sudo apt-get install ninja-build
===================== 线上机器root pip安装包后的 cuda cudnn ,有可能存在的环境变量问题 ==
# 1) 当前虚拟环境的 cuda是否成功
# nvcc --version
# -bash: nvcc: command not found 说明没有成功,但是包我们已经下载了,需要手动指定环境变量命令.如果输出显示nvcc命令无法被识别或者找不到,那就意味着CUDA尚未安装或者环境变量PATH尚未正确设置。因此,nvcc --version命令提供了一种直接而简单的方式来验证CUDA是否安装成功,并检查其版本号。这对于确保与您的GPU和深度学习框架兼容非常有用。
# =====> 可能得原因,安装包的时候没有加入 --user ,导致包安装到了其他目录中了,没有添加到环境变量中
# 然后遇到问题:
# WARNING: The script cpuinfo is installed in '/root/.local/bin' which is not on PATH.
# Consider adding this directory to PATH or, if you prefer to suppress this warning, use --no-warn-script-location. 等等
# ====> 手动添加'/root/.local/bin' 到环境变量到 PATH中,使用 .bashrc文件,
# 按照后 source ~/.bashrc
# export PATH="/root/.local/bin:$PATH" 这个一定要加
