本文主要是介绍Linux服务器最常用的指令合集—人工智能篇(持续更新),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
文章目录
- 一、普通Linux指令
- 1 遍历目录下所有文件和文件夹
- 2 清屏
- 3 创建文件夹
- 4 删除文件和文件夹
- 5 移动或者重命名
- 6 查看文件内容
- 7 文件和目录权限
- 8 后台运行python程序
- 9 查看当前python文件正在运行的进程
- 二、docker指令
- 1 拉取镜像
- 2 查看当前服务器上所有存在的docker镜像
- 3 查看当前服务器上所有的docker容器
- 4 使用镜像运行容器
- 5 停止和删除容器
- 三、git指令
- 四、conda指令与python指令
- 1 导出conda环境
- 2 导入conda环境
- 3 列出 Conda 环境
- 4 激活 Conda 环境
- 5 停用 Conda 环境
- 6 删除 Conda 环境
- 7 使用 Python 执行脚本
- 11 生成包的依赖列表
- 12 将conda库打包,变成一个普通python环境
一、普通Linux指令
1 遍历目录下所有文件和文件夹
ls
ls -a
:列出所有文件,包括隐藏文件
ls -l
:以长格式列出文件,包括权限、大小、修改时间和所有者
ls -h
:与-l
一起使用,显示文件大小的易读格式(如KB、MB等)
ls -R
:递归地列出所有文件夹和子目录中的内容
ls -S
:按文件大小排序
ls -t
:按修改时间排序,最近的文件排在前面。
ls -r
:反向排序,显示文件从 Z 到 A 或从最新到最旧。
2 清屏
屏幕上东西太多了,看起来太杂,使用clear
把屏幕清除一下!
3 创建文件夹
mkdir <folder_name>
:创建一个新目录。
示例:mkdir demo1
:创建一个名为 demo1
的目录。
4 删除文件和文件夹
删除文件:rm <file_name>
示例:rm demo1.c
:删除文件 demo1.c。
删除文件夹及其内容:rm -rf <folder_name>
示例:rm -rf demo2
:递归地删除 demo2 目录及其所有内容。
5 移动或者重命名
移动文件或文件夹:mv <source> <destination>
示例:mv /tmp/hp/demo1 ..
:移动/tmp/hp目录下的demo1文件到当前目录的上一级目录
重命名文件或文件夹:mv <old_name> <new_name>
示例:mv demo1 demo2
:如果当前文件夹下没有demo2文件,那么执行mv demo1 demo2
意思就是说,把demo1文件重命名为demo2文件
6 查看文件内容
查看文件内容:cat <file_name>
示例:cat demo.txt
:显示 demo.txt 文件的内容。
less <file_name>:分页查看文件内容,可以向上和向下滚动。
示例:less demo.txt
:分页查看 demo.txt 文件的内容。
head <file_name>:显示文件的前 10 行内容。
示例:head demo.txt
:显示 demo.txt 文件的前 10 行内容。
tail <file_name>:显示文件的最后 10 行内容。
示例:tail demo.txt
:显示 demo.txt 文件的最后 10 行内容。
7 文件和目录权限
chmod <file_name>:更改文件或目录的权限。
示例:chmod 755 script.sh
:将 script.sh 的权限设置为 rwxr-xr-x。
chown : <file_name>:更改文件或目录的所有者和所属组。
示例:chown user:group file.txt
:将 file.txt 的所有者更改为 user,所属组更改为 group。
8 后台运行python程序
运行一个长时间运行的命令:
nohup python demo.py > demo.log 2>&1 &
demo.py 是你要运行的脚本。
demo.log 把标准输出重定向到 train_model.log 文件。
2>&1 把标准错误重定向到标准输出(也就是 train_model.log 文件)。
& 把命令放到后台执行。
9 查看当前python文件正在运行的进程
ps aux | grep <name_of_your_script.py>
示例:如果你的 Python 脚本名为 example.py,可以使用:
ps aux | grep example.py
输出为:
aiadmin 76967 0.0 0.0 902960 121792 pts/4 Sl Aug26 0:00 python main.py
aiadmin 77047 0.1 0.0 2589056 229000 pts/4 Sl Aug26 12:17 /home/aiadmin/anaconda3/bin/python /data/h2413325_/MTS-PRE-AOI/main.py
aiadmin 95443 0.0 0.0 112816 992 pts/5 S+ 10:15 0:00 grep --color=auto main.py
root 107469 0.0 0.0 3057256 103136 ? Sl Aug26 0:09 python main.py
root 107645 0.9 0.0 3577116 168680 ? Sl Aug26 113:03 /root/.cache/pypoetry/virtualenvs/op-curve-mainland-r60Gb7R1-py3.10/bin/python main.p
root 127380 0.0 0.0 730556 78204 ? S Aug26 0:44 python main.py
解释:
- aiadmin: 进程所有者的用户名。
- 76967: 进程 ID(PID)。
- 0.0: CPU 使用率(百分比)。
- 0.0: 内存使用率(百分比)。
- 902960: 虚拟内存使用量(以 KB 为单位)。
- 121792: 常驻内存使用量(以 KB 为单位)。
- pts/4: 终端(伪终端)号,这表示该进程是在终端中运行的。
- Sl: 进程状态:
- S: 睡眠状态(Sleep)。
- l: 表示进程有多个线程(多线程)。
- Aug26: 进程启动的日期。
- 0:00: 进程的 CPU 时间。
- python main.py: 运行的命令及其参数。
二、docker指令
1 拉取镜像
例如从paddlepaddle
官网拉取paddleseg
的镜像:
首先登陆paddledocker的网站:https://hub.docker.com/r/paddlecloud/paddleseg
拉取指令:docker pull paddlecloud/paddleseg
2 查看当前服务器上所有存在的docker镜像
docker images
3 查看当前服务器上所有的docker容器
查看正在运行的:docker ps
查看所有:docker ps -a
4 使用镜像运行容器
docker run --name paddleseg2 --runtime=nvidia -v /data/h2413325_:/data/h2413325_ -it --shm-size 8g --gpus "device=1" aee84f87b26e bash
--name paddleseg2
:设置容器的名称
--runtime=nvidia
:使用 NVIDIA 运行时以支持 GPU。
-v /data/h2413325_:/data/h2413325_
:设置共享目录
-it
:以交互模式运行容器,并分配伪终端。
--shm-size 8g
:设置共享内容,一般要大一些,可以理解为电脑内存
--gpus "device=1"
:使用服务器的第二张显卡,从0开始数
aee84f87b26e
:这个是镜像的ID
bash
:指定容器启动时执行的命令。
5 停止和删除容器
停止运行的容器:docker stop <container_name_or_id>
示例:docker stop paddleseg2
删除容器:docker rm <container_name_or_id>
示例:docker rm paddleseg2
删除镜像:docker rmi <image_id>
示例:docker rmi aee84f87b26e
三、git指令
四、conda指令与python指令
1 导出conda环境
# 将当前 Conda 环境导出到 environment.yml 文件。
conda env export > environment.yml
2 导入conda环境
# 根据 environment.yml 文件创建 Conda 环境。
conda env create -f environment.yml
3 列出 Conda 环境
# 列出所有 Conda 环境。
conda env list
4 激活 Conda 环境
# 激活指定的 Conda 环境。
conda activate <env_name>
示例:conda activate BCM
5 停用 Conda 环境
# :停用当前激活的 Conda 环境。
conda deactivate
6 删除 Conda 环境
7 使用 Python 执行脚本
11 生成包的依赖列表
# :将当前环境中安装的包及其版本写入 requirements.txt 文件。
pip freeze > requirements.txt
12 将conda库打包,变成一个普通python环境
# 假装现在环境名为demo
conda pack -n demo -o demo_environment.tar.gz
mkdir -p ~/demo
tar -xzf demo_environment.tar.gz -C ~/demo
# 激活环境
source ~/demo/bin/activate
这篇关于Linux服务器最常用的指令合集—人工智能篇(持续更新)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!