服务器入门操作1（深度学习）

服务器相关

基本命令

查看GPU状态：

• 查看GPU信息
• 查看CPU信息
• 查看系统版本号

nvidia-smi
lscpu
lsb_release -a

清屏：

clear

anaconda相关：

• 查看环境列表
• 激活虚拟环境
• 退出虚拟环境
• 跳转至目录
• 跳转至上一级目录

conda env list
conda activate [环境名]
conda deactivate [环境名]
cd [路径]
cd ..

进入虚拟环境后：

• 查看虚拟环境中的package
• 安装新的package
• 执行python文件

pip list
pip install [package name]
python [文件名].py

ctrl+c: 停止当前命令的执行

在命令行运行python：

• 进入python环境：python
• 退出环境：Ctrl+D / exit() （Linux环境）

后台运行

screen

【【Linux后台运行】服务器系列-Screen的使用教程】 https://www.bilibili.com/video/BV1De4y1F7C3/?share_source=copy_web&vd_source=3aa9ee0c4fcf2e52762a44f906c09534

Ubuntu安装：apt install screen

安装好以后：which screen 可以看到它的路径

功能：1 分屏 2 后台运行

常用参数和使用方法：

• 将命令挂到后台运行：screen -dmS
  e.g. screen -dmS train_net1 bash -c “python train.py”
  前面的train_net1是给这个screen起的名字，双引号里面是真正要执行的命令。
• 显示所有screen：screen -ls
• 将后台的screen拉回前台，并查看实时输出：screen -r [screen的名称]
  e.g. screen -r train_net1
• 重新将screen放回后台：Ctrl+A, 松开Ctrl和A以后按D键
• 停止screen：
  • 先拉回前台，然后用正常方法关闭（Ctrl+C）
  • 强行停止：screen -XS [screen的名称] quit
  • 还是停不掉的话就用htop+任务管理器停止

创建快捷方式（可简化流程，不过由于是自己定义的，会有一定的独特性）：vim ~/.bashrc 其中会引入~/.bash_aliases就是用户自己起的所有的别名

指定特定编号的GPU训练

通过环境变量指定：

在运行代码前，使用CUDA_VISIBLE_DEVICES环境变量直接限定可见的GPU：

CUDA_VISIBLE_DEVICES=0,1 python train.py

CUDA_VISIBLE_DEVICES=2 python train.py

此环境变量会屏蔽其他的GPU，程序只能看到指定的GPU；全局生效，无需修改代码。

此方式亦可以结合screen使用：

创建screen：

screen -dmS train_net1 bash -c "CUDA_VISIBLE_DEVICES=2 python train.py"

这样的话就可以使用编号为2的GPU进行训练啦！

如果程序里使用parser.add_argument()声明了GPU编号或者在json文件中声明了默认GPU编号，则可能出现上述方法不好用的情况。此时只需要根据程序内容，传入相关的GPU编号参数即可。