Linux常用命令

目录

• 1. 链接服务器
• 2. 查看GPU/CPU状态
• 3. 远程拷贝scp
• 4. 查看cuda版本
• 5.用户下切换python版本
• 6. 指定GPU

1. 链接服务器

ssh 用户名@服务器ip地址

2. 查看GPU/CPU状态

GPU： nvidia-smi
CPU： top

3. 远程拷贝scp

cp与scp用法
从本地考目录到服务器：scp -r [本地目录] user@:[服务器目录]

4. 查看cuda版本

cuda 版本
cat /usr/local/cuda/version.txt

cudnn 版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

5.用户下切换python版本

某用户下切换版本可在该用户下打开nano .bashrc，添加python路径，并刷新环境变量即可：source .bashrc
其他

6. 指定GPU

１．在终端执行程序时指定GPU

CUDA_VISIBLE_DEVICES=0    python  your_file.py  # 指定GPU集群中第一块GPU使用,其他的屏蔽掉

CUDA_VISIBLE_DEVICES=1           Only device 1 will be seen
CUDA_VISIBLE_DEVICES=0,1         Devices 0 and 1 will be visible
CUDA_VISIBLE_DEVICES="0,1"       Same as above, quotation marks are optional 多GPU一起使用
CUDA_VISIBLE_DEVICES=0,2,3       Devices 0, 2, 3 will be visible; device 1 is masked
CUDA_VISIBLE_DEVICES=""          No GPU will be visible

２．在Python代码中指定GPU

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"  　#指定第一块gpu

３．设置定量的GPU使用量

config = tf.ConfigProto() 
config.gpu_options.per_process_gpu_memory_fraction = 0.9 # 占用GPU90%的显存 
session = tf.Session(config=config)

４．设置最小的GPU使用量

config = tf.ConfigProto() 
config.gpu_options.allow_growth = True 
session = tf.Session(config=config)