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。