版权声明：随性拂尘倾心 https://blog.csdn.net/hizengbiao/article/details/88625399
ssh [email protected] //连接服务器
ssh [email protected] //连接到我的linux台式机
------------------常用linux文件操作命令：-------------------
sudo su 、sudo -i 、su root 、su - //进入root模式
退出root模式：输入logout或exit
su 用户名 //切换到某个用户，也可以用于退出root模式
sudo useradd -d /home/zb/ -m zb //创建用户
sudo userdel -r zb //删除用户
赋予普通用户root权限:
输入指令sudo visudo找到下面一行，在root下面添加一行，如下所示：
## Allow root to run any commands anywhere
root ALL=(ALL) ALL
tommy ALL=(ALL) ALL
修改完毕，执行“Ctrl+O”保存后，会输出”File Name to Write sudoers.tmp”，在tmp后执行回车，执行“Ctrl+X退出
mkdir dir1 dir2 同时创建两个目录
mkdir -p /tmp/dir1/dir2 创建一个目录树
rmdir dir1 删除一个叫做 'dir1' 的目录'
rm -rf dir1 dir2 同时删除两个目录及它们的内容
mv dir1 new_dir 重命名/移动 一个目录
cp file1 file2 复制一个文件
参考链接：https://www.cnblogs.com/yjd_hycf_space/p/7730690.html
------------------screen 命令：-------------------
screen -S yourname //新建一个叫yourname的session
screen -r XX //恢复离线的screen:
screen -ls //显示所有screen session
screen -d XX //将指定的screen离线
screen -wipe //检查目前所有的screen作业，并删除已经无法使用的screen作业
screen -d -r yourname //结束当前session并回到yourname这个session
C-a d //detach，暂时离开当前session，将目前的 screen session (可能含有多个 windows) 丢到后台执行，并会回到还没进 screen 时的状态，此时在 screen session 里，每个 window 内运行的 process (无论是前台/后台)都在继续执行，即使 logout 也不影响。
exit //结束screen以及在该screen中运行的程序
Ctrl-a [ //进入到复制模式，可以用方向键或者翻页键显示历史输出，用g移动到输出顶部，用G移动到底部
------------------anaconda指令：-------------------
conda --version //版本
conda create --name XXX python=3.5 //新增一个环境
conda info --envs 或 conda env list //显示所有环境
activate XXX //激活环境，linux前面要加个source或conda(需要把“. /home/zb/mysoftware/anaconda3/etc/profile.d/conda.sh”加到.bashrc里才能用conda activate）
deactivate //退出环境，linux前面要加个source或conda
spyder ipython notebook //进入环境后可以输入这些指令打开相应环境下的应用
conda list //查看所有安装的包
conda create --name new_env_name --clone old_env_name //复制某个环境
conda remove --name your_env_name --all //删除某个环境
pip install tensorflow-gpu==1.2.0 //我的服务器cuda版本对应的只能安装1.2.0
pip install --index https://pypi.mirrors.ustc.edu.cn/simple XXX(包名) //通过源安装包
另一种方法：home/用户名/.pip 目录下建一个pip.conf的文件，文件内容为：
[global]
index-url=http://pypi.tuna.tsinghua.edu.cn/simple/
[install]
trusted-host=pypi.tuna.tsinghua.edu.cn
--------------vim编辑器：-----------------------
vi XXX //打开并编辑文件
按i进入编辑模式
编辑好文本后按Esc,退出插入状态。
保存退出：输入冒号，输入wq（write,quit）或x（x==wq）回车,或者按了ESC后，直接按shift+zz，或者切换到大写模式按ZZ
文本没改动退出：Esc+冒号+q
不保存退出：Esc+冒号+q!
--------------linux 其他指令：-----------------------
wget -c XXX //XX是该网络地址和文件的位置,其中-c是断点续传，如：wget -c http://apae.ocs.or/MySQL.zip
vi ~/.bash_profile //配置环境变量,在文件末尾添加一行：export PATH=/home/grant/anaconda2/bin:$PATH，其中，将“/home/grant/anaconda2/bin”替换为你实际的安装路径
source ~/.bash_profile //使配置文件生效
cuda环境变量设置（加到.bashrc文件里）:
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
ls /usr/bin/gcc* //查看已经安装的gcc版本
gcc -v //查看当前gcc版本
切换gcc版本：~/.bashrc中增加
alias gcc='/usr/bin/gcc-5'
alias g++='/usr/bin/g++-5'
nvidia-smi //显示当前GPU使用情况
watch --color -n1 gpustat -cpu //动态实时监控GPU 的使用情况,可显示谁在占用
du -sk * | sort -rn //显示当前路径下各文件大小并排序
------------------使用中遇到的问题：-------------------
Ubuntu: 用户无法自动加载 .bashrc的问题：
现象：用户ssh登录到服务器，.bashrc里的环境变量设置无法自动生效。
查找原因：对比其他相同操作系统的机器,发现用户目录下多了一个.bash_profile文件
解决办法：删除.bash_profile或在~/.bash_profile里添加上（第二个方法没试过）：
if [ -f ~/.bashrc ] ; then
source ~/.bashrc
fi
Cuda未识别：You need to add cuda path to your /home/username/.bashrc file to setup the CUDA environment:
export CUDA_HOME=/usr/local/cuda-8.0
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
PATH=${CUDA_HOME}/bin:${PATH}
export PATH
---------------服务器GPU显存占用问题：----------------------
tensorflow在训练时默认占用所有GPU的显存
方法1、在构造tf.Session()时候通过传递tf.GPUOptions作为可选配置参数的一部分来显式地指定需要分配的显存比例，如下所示：
# 假如有12GB的显存并使用其中的4GB:
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
方法2、动态按需分配显存设置：
config = tf.ConfigProto()
config.gpu_options.allow_growth=True
sess = tf.Session(config=config)
3、以上方法在执行训练脚本（CUDA_VISIBLE_DEVICES=0,1 python XXX.py）前使用，指定GPU设备也可以通过代码：
import os
os.environ["CUDA_VISIBLE_DEVICES"]="0,1,2,3"