在服务器上跑深度学习模型技巧总结_服务器跑深度学习模型

在服务器上跑深度学习模型小技巧

看服务器上正在跑的py项目
ps -ef | grep python  
1
2

kill -9 PID #强制关闭指定PID的进程
kill -STOP pid   # 暂停正在运行的进程
kill -CONT pid   # 恢复暂停运行的进程
1
2
3

实时观看显卡的内存占用
watch -n 1 nvidia-smi
1
2

指定显卡跑
import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"]= '1'	#指定编号为1的显卡可见,即使用编号为1的显卡
1
2
3
4

挂在服务器上跑程序
nohup python pyname.py > out.txt 2>&1 &
这个命令的作用是在后台启动 pyname.py 脚本的执行，无论标准输出还是标准错误都会被重定向到 out.txt 文件中，
即使关闭终端或者注销用户，程序也会继续运行。
1
2
3
4

综上所述指定要用的显卡以及挂在服务器上跑程序的命令如下
CUDA_VISIBLE_DEVICES=1 nohup python pyname.py > out.txt 2>&1 &
1
2

克隆别人的环境
conda create -n env1 --clone env2
env1是新的
env2是要克隆的对象
1
2
3
4

查看系统中的进程和相关信息
ps aux


ps -eo pid,ppid,cmd,%mem,%cpu,stat --sort=-%cpu
这个命令会列出进程的 PID、父进程的 PID、命令、内存占用率、CPU 占用率、状态等信息，
并按照 CPU 占用率降序排列。这样可以更清楚地看到是否有异常情况发生。
1
2
3
4
5
6
7

统计一个文件夹下所有文件的个数
find 你的路径 -type f | wc -l
1
2

conda激活环境的两种方式：
conda activate 环境名称
source activate 环境名称
1
2
3

CommandNotFoundError: Your shell has not been properly configured to use ‘conda deactivate’.错误
解决方案:
	activate 环境名称解决
1
2
3

linux系统配置conda环境变量：

vim ~/.bashrc
在最后一行加上 export PATH=$PATH:/private/anaconda/bin 根据自己的环境配置
source ~/.bashrc保存修改并运行
1
2
3

要在 Vim 中的最后一行添加文本 export PATH=$PATH:/private/anaconda/bin，可以按照以下步骤进行操作：

1. 打开你的文件，可以通过在终端中输入 vim 文件名 来打开。
2. 在 Vim 中，按下 Shift + G 将光标移动到最后一行。
3. 按下 o 进入插入模式，并在新的一行输入 export PATH=$PATH:/private/anaconda/bin。
4. 按下 Esc 退出插入模式。
5. 输入 :wq 并按下 Enter 来保存并退出 Vim。

source /private/anaconda/bin/activate
conda init
1
2

Ubuntu配置DNS: https://blog.csdn.net/ZXF_H/article/details/131981110

克隆环境
conda create -n B --clone A
1
2