當前位置：首頁 > 运维知识 > linux >内容正文

linux

Linux服务器常用命令 - 记录（Anaconda/Matlab/VNC/Python）

發布時間：2023/12/14 linux 25 豆豆

生活随笔收集整理的這篇文章主要介紹了 Linux服务器常用命令 - 记录（Anaconda/Matlab/VNC/Python）小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

前言

記錄自己常用的指令

VNC

Host XXX HostName xxx.xx.xx.xx (IP 地址) LocalForward 59xx（本地編號） 127.0.0.1:59xx(端口號) User xxxx vncserver :99 vncserver -localhost -geometry 1920x1080 :99 vncserver -kill :99

查看當前狀態

當前用戶占用的端口號 vncserver -list所有用戶的端口號 ps -ef | grep vnc

初次運行需要創建密碼

使用TightVNC Viewer 或者 RealVNC 進行遠程連接
localhost:03 （03是自己給不同服務器定義的編號 = 127.0.0.1:59xx）

查看當前運行的matlab進程(MATLAB 崩潰后沒有釋放顯存？)
Python一樣 Pytorch訓練中途意外退出，顯存沒有被釋放

ps -ef | grep MATLAB kill -9 xxxxxx

共享粘貼板

vncconfig -nowin&

GPU

查看GPU的利用

conda

安裝package
https://docs.anaconda.com/anaconda/install/linux/

bash Anaconda3-2022.05-Linux-x86_64.sh

安裝完成后，重啟終端。

conda activate base pip install XXXX

卸載conda

rm -rf anaconda

conda常用命令

創建不同的運行環境。

創建/激活/刪除

conda create -n your_env python=3.X

conda activate your_env
conda install spyder
spyder

conda deactivate

1）查看安裝了哪些包

conda list

2)查看當前存在哪些虛擬環境

conda env list conda info -e

3)檢查更新當前conda

conda update conda

3.Python創建虛擬環境

conda create -n your_env_name python=x.x anaconda命令創建python版本為x.x，名字為your_env_name的虛擬環境。your_env_name文件可以在Anaconda安裝目錄envs文件下找到。

4.激活或者切換虛擬環境

打開命令行，輸入python --version檢查當前 python 版本。

Linux: source activate your_env_nam Windows: activate your_env_name

5.對虛擬環境中安裝額外的包

conda install -n your_env_name [package]

6.關閉虛擬環境(即從當前環境退出返回使用PATH環境中的默認python版本)

deactivate env_name 或者`activate root`切回root環境 Linux下：source deactivate

7.刪除虛擬環境

conda remove -n your_env_name --all

8.刪除環境鐘的某個包

conda remove --name $your_env_name $package_name

PyTorch

2021.08.18

使用GPU (RTX A6000) 訓練：

/home/qzhang/anaconda3/lib/python3.8/site-packages/torch/cuda/init.py:106: UserWarning:
RTX A6000 with CUDA capability sm_86 is not compatible with the current PyTorch installation.
The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_61 sm_70 sm_75 compute_37.
If you want to use the RTX A6000 GPU with PyTorch, please check the instructions at https://pytorch.org/get-started/locally/

warnings.warn(incompatible_device_warn.format(device_name, capability, " ".join(arch_list), device_name))

之前出現過，使用
vit_model.load_state_dict(torch.load(model_load_path))
時，Python崩潰的情況。應該是因為cuda的版本問題。

找打了如下文章：

nvidia顯卡和cuda版本關系

嘗試：更新cuda

19.08.2021
實際：CUDA根本不需要更新，因為已經是最新的版本了。然而問題就處在這里：PyTorch不支持最新版的CUDA。這一點可以在安裝Pytorch的界面看到。選擇不同的計算平臺時，安裝的cudatoolkit版本不同。

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

NOTE: ‘conda-forge’ channel is required for cudatoolkit 11.1
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge

總的來說，就是要根據顯卡的算力安裝合適的cuda版本，然后根據cuda的版本來決定需要的顯卡驅動。不過，cuda和顯卡驅動基本都是向下兼容的，意味著安裝最新的cuda和顯卡驅動，基本上可以支持以前的幾乎所有顯卡。但是的但是！ pytorch卻不一定支持最新版本的cuda。比如我就遇到了，使用GPU時，python卡死的狀態。
*（這里參考了pytorch、顯卡、顯卡驅動、cuda版本是如何對應的）

因為實在服務器上跑程序，所以還得聯系同事，是否可以降級cuda的版本 T_T

試一試，永遠是最有可能的解決辦法。

看到網上有的人說，Pytorch 1.7可以支持cuda11.2, 于是自己也抱著試一試的態度試了一試，結果沒想到竟然真的解決了。
受用新不用舊思想的影響，我并沒有一開始就回滾到舊版本，而是選擇了嘗試在最新的版本上直接升級cudatoolkit. 舊的版本是10.2，升級后到11.1。使用如下代碼測試：

print(torch.cuda.current_device()) >>> 0

成功！
硬件和軟件版面如下：

顯卡：GTX A 6000
顯卡驅動：460.91.03
CUDA： 11.2
Python: 3.8.11
Pytorch：1.9
cudatoolkit: 11.1.1
cudnn：8.2.1.32
這里參考了：
Install CUDA 11.2, cuDNN 8.1.0, PyTorch v1.8.0 (or v1.9.0), and python 3.9 on RTX3090 for deep learning

Matlab

指定GPU

gpuDevice(2)

總結

以上是生活随笔為你收集整理的Linux服务器常用命令 - 记录（Anaconda/Matlab/VNC/Python）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。