gpu服务器注意事项

vpn

连上vpn后不能用浏览器，但可以上网（zoom，微信等依旧能用），ping ip地址没问题，但ping 网页名称出问题，代表dns有问题。此时换个dns就行（换成了谷歌的8.8.8.8）

连接（vscode）

1下载插件：

2 点击加号

3 输入服务器地址以及用户名

4 点击加号，进入该服务器

5 输入密码

6 openfolder，定位文件夹，左侧可视化窗口

连接(pycharm)

pycharm的连接因为写时间比较久远加上当时非常小白，所以叙述可能会有些混乱…
简单来说就是连接本地目录和服务器目录+选择编译器（就是环境），pycharm不像vscode是直接可视化服务器内容，而是相当于连接了本地和服务器，所以比vscode多了一个从本地上传到服务器的步骤。
1、在linux中运行py文件：
python name.py
2、pycharm配置虚拟编译器：
1）tool-deployment-configuration

+sftp

输入该服务器名称（自定义）

connection-configuration（可以用test connection试试）

mappings：
localpath与deploymentpath：分别为本地项目文件目录和服务器中项目文件

2）file-settings-project-python interpreter-add-ssh interpreter

next-interpreter写python解释器的位置
（linux中进入python，
import sys
sys.executable）
一般bin下放可执行文件

file-settings-interpreter-show all：

点击笔修改为ssh（原本是configuration）

注意，解释器连着服务器时是不能运行本地文件的，否则报错：

要pycharm deployment同步本地项目到服务器

deployment path要写好，然后右键project，deployment-up to xxx

upload 成功

deployment不要设置太多路径，可能会冲突

pycharm远程连接服务器编译错误： No such file or directory

原因：
1、可能是本地文件没有上传到服务器；解决方法：deployment-mapping建立好连接然后上传；
2、setting-interpreter里的mapping没设置

这样就算设置完成了，点ok后运行成功

tmux

(这里将默认ctrlb改成了ctrla）
终端里先ssh [email protected],登录
tmux ls 查看有哪些窗口
输入tumx进入tmux页面
tmux attach -t number：进入indx为number的窗口
ctrla+| 左右分屏
ctrla±上下分屏
ctrla+c开新窗口
ctrla+q关闭分屏/窗口
ctrla+n下个窗口/ctrlc+N上个窗口
ctrl+d退出但不关闭
ctrla+r刷新
ctrla+z 最大化pannel
tmux attach -t 编号 -d 进入该session并强行退出其他session
ctrla m关闭鼠标
ctrla M打开鼠标

gpu命令

查看cuda版本：vvcc --version

watch -n 0.1 -d nvidia-smi 查看动态内存
watch -n 0.1 --color gpustat --c 查看动态内存（小视图）

nvidia-smi
查看静态内存

释放gpu内存（程序运行结束后仍显示gpu内存被占用）：
fuser -v /dev/nvidia* #查找占用GPU资源的PID
kill -9 pid

使用指定gpu:
原文
CUDA_VISIBLE_DEVICES=1 python my_script.py
或
os.environ[‘CUDA_VISIBLE_DEVICES’] = ‘3,4,5,6,7’（代码立写）

强行杀死进程：当程序卡住/停止但gpu内存没释放：
gpystat -p 查看进程pid
kill -9 pid

linux命令

~ 代表/home/用户名目录
看用户名目录下的隐藏文件：（例如bashrc）：~/.bashrc
ls -a看隐藏文件

#未实现
恢复被删除的文件
这里

文件处理

下载并解压文件
使用wget -O rename url 下载
解压：

解压大文件（超过2个g）
7z x xxx.zip

本地与服务器文件传输
本地上传文件：
scp /path/filename [email protected]:/path
本地上传目录：
scp -r local_dir [email protected]:remote_dir
服务器下载文件：
scp [email protected]:/path/filename /path/filename（本地目录）
服务器下载目录：
scp -r [email protected]:/path（远程目录） /path（本地目录）

移动文件：
https://blog.csdn.net/u010579482/article/details/72081996
mv sourcePath destPath
例：
mv /home/lyli/codeRepete/PatchAttack/942d3a0ac09ec9e5eb3a/* /home/lyli/codeRepete/PatchAttack
将94…文件夹中的内容放到PatchAttack中

删除文件夹：
rm -rf 目录名
不能在目录a下删除目录a

查看文件数量：
ll | grep -c “^-”
ll | grep -c “^d”

查看硬盘的空间占用
du -lh --max-depth=1 查看当前目录的子目录分别占用
du -sh 仅查看当前目录
df -hl 查看磁盘空间占用

查看剩余内存
free -m 单位mb
free -g 单位gb

vim

vim 文件名 进入vim

:q退出vim
：wq保存并退出

在主页面下输入vim ~/.vimrc （在主目录下创建vimrc文件）
在.vimrc里进行配置

输入 /关键词 即可搜索关键词，按enter+n为查找下一个
选择复制：ctrl+shift+光标
粘贴：shift+insert

putty连接

不断线的方法：

环境相关

3090与cuDA
查看服务器cuda：nvcc --version
注意服务器cuda版本最好和torch的cuda版本匹配，不然会出现model.cuda()执行不了的问题

conda info -e :查看所有conda环境
python -V 查看python版本
查看torch,cuda 及tf版本：
python

import torch
import tensorflow as tf
toech.__version__
tf.__version__
torch.version.cuda

或者 pip list grep | torch

查看某个路径下带关键词：(例：看该目录下的pip）
ls ~/anaconda3/envs/tf115/bin/ | grep pip

which pip 看pip的路径（其他命令同理）
如果pip路径不对（不在本环境路径下，可能导致当前channel没有要下载的包），运行
export PATH=“/home/用户名/anaconda3/bin:$PATH”，然后重启（换base再换回当前环境）检查which pip
或者：conda install -c conda-forge 包名，这样直接从conda forge下载

tail -30 ~/.bashrc 看隐藏文件bashrc的后30行
echo $PATH 看环境变量（冒号分割）

jupyter问题

jupyter 配置文件： vim /home/lyli/.jupyter/jupyter_notebook_config.py
或：~/.jupyter/jupyter_notebook_config.py
更改或添加kernal：参考这里
pip install ipykernel
python -m ipykernel install --name your_invironment_name

我的环境：

以下仅为个人创建的环境记录
torch1：python3.8.8 ;torch 1.11.0+cu102; tf:1.15.0
test1: python 3.8.10 ; torch 1.11.0+cu102; tf:1.15.5
tf115：python 3.6.9 ; torch 1.10.2 ;tf：1.15.0 （有点问题）
torch1_0: python 3.7.11; torch 1.0.1 ;tf:null
torchEnv: python 3.8.13; torch 1.11.0+cu102; tf: 1.15.5
以上cuda都是10.2
p_3.6： python 3.6.13 ; torch 1.10.2 cuda：11.1