前言

记录自己常用的指令

VNC

Host XXX
HostName xxx.xx.xx.xx (IP 地址)
LocalForward 59xx（本地编号） 127.0.0.1:59xx(端口号)
User xxxx

vncserver :99
vncserver -localhost -geometry 1920x1080 :99
vncserver -kill :99

查看当前状态

当前用户占用的端口号
vncserver -list所有用户的端口号
ps -ef | grep vnc

初次运行需要创建密码

使用TightVNC Viewer 或者 RealVNC 进行远程连接
localhost:03 （03是自己给不同服务器定义的编号 = 127.0.0.1:59xx）

查看当前运行的matlab进程(MATLAB 崩溃后没有释放显存？)
Python一样 Pytorch训练中途意外退出，显存没有被释放

ps -ef | grep MATLAB
kill -9 xxxxxx

共享粘贴板

vncconfig -nowin&

GPU

查看GPU的利用

nvidia-smi
Mon Aug 15 15:18:31 2022
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 510.73.08    Driver Version: 510.73.08    CUDA Version: 11.6     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  NVIDIA RTX A6000    On   | 00000000:01:00.0 Off |                  Off |
| 30%   37C    P8    29W / 300W |      5MiB / 49140MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   1  NVIDIA RTX A6000    On   | 00000000:25:00.0 Off |                  Off |
| 30%   38C    P8    25W / 300W |    111MiB / 49140MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   2  NVIDIA RTX A6000    On   | 00000000:41:00.0 Off |                  Off |
| 30%   34C    P8    24W / 300W |      5MiB / 49140MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   3  NVIDIA RTX A6000    On   | 00000000:81:00.0 Off |                  Off |
| 30%   35C    P8    19W / 300W |      5MiB / 49140MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   4  NVIDIA RTX A6000    On   | 00000000:A1:00.0 Off |                  Off |
| 30%   34C    P8    24W / 300W |      5MiB / 49140MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   5  NVIDIA RTX A6000    On   | 00000000:C1:00.0 Off |                  Off |
| 30%   34C    P8    26W / 300W |      5MiB / 49140MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------++-----------------------------------------------------------------------------+
| Processes:                                                                  |
|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
|        ID   ID                                                   Usage      |
|=============================================================================|
|    0   N/A  N/A      2968      G   /usr/lib/xorg/Xorg                  4MiB |
|    1   N/A  N/A      2968      G   /usr/lib/xorg/Xorg                 64MiB |
|    1   N/A  N/A      3028      G   /usr/bin/sddm-greeter              44MiB |
|    2   N/A  N/A      2968      G   /usr/lib/xorg/Xorg                  4MiB |
|    3   N/A  N/A      2968      G   /usr/lib/xorg/Xorg                  4MiB |
|    4   N/A  N/A      2968      G   /usr/lib/xorg/Xorg                  4MiB |
|    5   N/A  N/A      2968      G   /usr/lib/xorg/Xorg                  4MiB |
+-----------------------------------------------------------------------------+

conda

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

bash  Anaconda3-2022.05-Linux-x86_64.sh

安装完成后，重启终端。

conda activate base
pip install XXXX

卸载conda

rm -rf anaconda

conda常用命令

创建不同的运行环境。

创建/激活/删除

conda create -n your_env python=3.X

conda activate your_env
conda install spyder
spyder

conda deactivate

1）查看安装了哪些包

conda list

2)查看当前存在哪些虚拟环境

conda env list
conda info -e

3)检查更新当前conda

conda update conda

3.Python创建虚拟环境

conda create -n your_env_name python=x.x
anaconda命令创建python版本为x.x，名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。

4.激活或者切换虚拟环境

打开命令行，输入python --version检查当前 python 版本。

Linux:  source activate your_env_nam
Windows: activate your_env_name

5.对虚拟环境中安装额外的包

conda install -n your_env_name [package]

6.关闭虚拟环境(即从当前环境退出返回使用PATH环境中的默认python版本)

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

7.删除虚拟环境

conda remove -n your_env_name --all

8.删除环境钟的某个包

conda remove --name $your_env_name  $package_name

PyTorch

2021.08.18

使用GPU (RTX A6000) 训练：

/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))

之前出现过，使用
vit_model.load_state_dict(torch.load(model_load_path))
时，Python崩溃的情况。应该是因为cuda的版本问题。

找打了如下文章：

nvidia显卡和cuda版本关系

尝试：更新cuda

19.08.2021
实际：CUDA根本不需要更新，因为已经是最新的版本了。然而问题就处在这里：PyTorch不支持最新版的CUDA。这一点可以在安装Pytorch的界面看到。选择不同的计算平台时，安装的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

总的来说，就是要根据显卡的算力安装合适的cuda版本，然后根据cuda的版本来决定需要的显卡驱动。不过，cuda和显卡驱动基本都是向下兼容的，意味着安装最新的cuda和显卡驱动，基本上可以支持以前的几乎所有显卡。但是的但是！ pytorch却不一定支持最新版本的cuda。比如我就遇到了，使用GPU时，python卡死的状态。
*（这里参考了pytorch、显卡、显卡驱动、cuda版本是如何对应的）

因为实在服务器上跑程序，所以还得联系同事，是否可以降级cuda的版本 T_T

试一试，永远是最有可能的解决办法。

看到网上有的人说，Pytorch 1.7可以支持cuda11.2, 于是自己也抱着试一试的态度试了一试，结果没想到竟然真的解决了。
受用新不用旧思想的影响，我并没有一开始就回滚到旧版本，而是选择了尝试在最新的版本上直接升级cudatoolkit. 旧的版本是10.2，升级后到11.1。使用如下代码测试：

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

成功！
硬件和软件版面如下：

显卡：GTX A 6000
显卡驱动：460.91.03
CUDA： 11.2
Python: 3.8.11
Pytorch：1.9
cudatoolkit: 11.1.1
cudnn：8.2.1.32
这里参考了：
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)

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

大数据学习之Linux服务器常用命令
线上查询.帮助命令(2个) man 查看命令帮助,命令词典,更复杂还有info,但不常用. help 查看Linux内置命令的帮助,比如cd等命令. 文件.目录操作命令(18个) ls 全拼为list ...
Linux 服务器常用命令
目录一.基本命令 1.1 关机和重启命令 1.1.1 关机 1.1.2 重启 2.2 帮助命令二.目录操作命令 2.1 目录切换命令 cd 2.2 目录查看指令 ls [-al] 2.3 目录操作 ...
Linux服务器常用命令
定义当前文件夹中有result.txt 查看当前文件夹ls 查看当前路径pwd 进入目录homecd home 返回上一级目标cd .. 查看文件内容less result.txt 删除文件rm re ...
Linux下netstat常用,Linux netstat常用命令
1.统计80端口连接数 netstat -nat|grep -i "80"|wc -l 2.统计httpd协议连接数(查看Apache的并发请求数及其TCP连接状态) ps -ef ...
腾讯云Linux命令,腾讯云Linux云服务器常用命令（一）
腾讯云Linux云服务器常用命令有哪些?在使用腾讯云Linux云服务器过程中会经常用到一些命令,有些新用户不知道Linux云服务器的常用命令,所以今天小编就给大家整理一些腾讯云Linux云服务器常用命 ...
linux服务器测试软件,linux服务器常用测试工具及命令
linux服务器常用测试工具及命令 1. 服务器配置查看执行teddysun大牛的bench.sh脚本,输入下列命令: wget -qO- bench.sh | bash 拿腾讯云的香港轻量级服务器 ...
linux下常用命令
目录引言 1 一.安装和登录 2 (一) login 2 (二) shutdown 2 (三) halt 3 (四) reboot 3 ...
linux 删除20日前数据,Linux 维护常用命令
Linux 维护常用命令 1.查看某文件的一部分如果你只想看文件的前 5 行,可以使用 head 命令, 如:head -5 /etc/passwd 如果你想查看文件的后 10 行,可以使用 tai ...
【收藏】Linux系统常用命令速查手册（附赠PDF档）
给大家收集整理了日常常用的Linux系统命令,仅供大家参考. 大家如果觉得文章看起来不太方便,获取<Linux系统常用命令速查手册>.PDF版. 联系小姐姐,备注"liunx命令 ...

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

前言

VNC

GPU