ubuntu查看显卡shutdown温度 ubuntu查看显卡状态

目录

• 一、查看各种信息

• 1. 查看一下当前系统版本，输入命令：uname -a
• 2. 查看显卡信息，输入命令：nvidia-smi -L

• 二、ubuntu18.04系统及其他软件安装

• 1. 安装ubuntu18.04 桌面版
• 2. 安装显卡驱动，最好用最新的，比如显卡驱动版本为：510，驱动版本决定cuda版本 。

• `安装完驱动，输入：nvidia-smi，能输出那个显卡信息就安装好了`

• 3. 安装conda。 [conda下载](https://www.anaconda.com/products/distribution#Downloads)、[清华开源软件镜像站](https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/)、[中科大镜像源]()。配备镜像源则在命令行中去掉`-c pytorch`

• `linux创建conda虚拟环境 `，参考[创建虚拟环境]()

• 4. 安装cuda。直接下载cuda版本后安装（本文采用）==或者==在conda环境中安装cuda。[cuda下载](https://developer.nvidia.com/cuda-toolkit-archive)

• 测试CUDA是否安装成功 。打开终端cmd，输入命令：`nvcc -V`

• 5. 安装pytorch。cuda版本决定pytorch版本。[pytorch版本选择及下载](https://pytorch.org/)、[镜像源地址](https://download.pytorch.org/whl/torch_stable.html)

• `注：`按照自己的CUDA版本，选择pytorch。

• 三、pycharm配环境

• 1. 根据代码环境要求。可以一键安装：pip install -r requirements.txt
• 2. 创建基本环境。设置-project-interpreter，新建+-conda environment-选择python版本3.8
• 3. 先安装torch,因为包大，先安装，以防出错（清华大学镜像，pip国内镜像）
• 4. pip install numpy==1.170 ，pip指定版本号。conda install numpy不指定版本号
• 5. 查看安装的包，输入：conda list/pip list 或 conda env list
• 6. torch 去官网pytorch，选稳定版本stable。cuda版本向下兼容，如11.4，torch的版本选cuda<11.4的版本。
• 7. 查看显卡，输入命令：nvidia-smi

• 四、Linux卡死的问题

• 1. Alt+ctrl+F1 ,切换登陆界面
• 2. 电源键，重新开机

• 五、Linux创建新用户

• 1. 右上角-点用户名wanghui-Account settings
• 2. 右上角Unlock-输入密码-右上角Add User account

• 六、Linux快捷键

• 1. `dir ` ： 查看当前文件夹目录
• 2. `cd 文件夹名` ： 切换到该文件夹
• 3. `cd .. ` ： 退回上一层（上一级目录）
• 4. `cd - ` ： 退回上一个访问目录
• 5. `-su ` ： 获取root权限
• 6. `ctrl+z ` ： 挂起，将任务中断，但此任务没有结束，在进程中，放在后台
• 7. `ctrl+c ` ： 强行中断当前程序的执行
• 8. `ctrl+\ ` ： 退出
• 9. `ctrl+d ` ： 结束当前输入
• 10. ` conda activate pytorch` ：终端激活pytorch
• 11. ` sh run_train.sh` ：运行程序
• 12. 终端进入python，先进入程序文件夹，如liver，在当前文件夹的终端输入：` python`，进入python解释器。
• 13. `N/A `: no available

• 七、Linux帮助

• 1. `help(append) `: 查看append语法，append是list中的方法。
• 2. `help(list) `: 查看list里面有哪些方法和属性
• 3. `help(list.append) `

• 八、Windows 安装环境
• 九、读取图像
• 十、kill进程

一、查看各种信息

1. 查看一下当前系统版本，输入命令：uname -a

2. 查看显卡信息，输入命令：nvidia-smi -L

二、ubuntu18.04系统及其他软件安装

1. 安装ubuntu18.04 桌面版

2. 安装显卡驱动，最好用最新的，比如显卡驱动版本为：510，驱动版本决定cuda版本 。

安装完驱动，输入：nvidia-smi，能输出那个显卡信息就安装好了

Driver Version: 461.40 表明当前驱动版本是470.57

CUDA Version: 11.2 表明当前驱动可以安装的cuda最高版本是11.4，向下兼容。

3. 安装conda。 conda下载、清华开源软件镜像站、中科大镜像源。配备镜像源则在命令行中去掉-c pytorch

2. 查看安装的版本，测试是否安装成功，输入在Anaconda的命令行里输入命令：conda --version

linux创建conda虚拟环境 ，参考创建虚拟环境

· 输入python可以进入python环境，同时也可以看见使用的python版本。

4. 安装cuda。直接下载cuda版本后安装（本文采用）或者在conda环境中安装cuda。cuda下载

我们选择了cuda 11.4.4

选择了对应的属性之后，在终端依次输入以下命令，即：

wget https://developer.download.nvidia.com/compute/cuda/11.4.4/local_installers/cuda_11.4.4_470.82.01_linux.run
sudo sh cuda_11.4.4_470.82.01_linux.run

具体操作可以搜其他攻略。

测试CUDA是否安装成功 。打开终端cmd，输入命令：nvcc -V

5. 安装pytorch。cuda版本决定pytorch版本。pytorch版本选择及下载、镜像源地址

注：按照自己的CUDA版本，选择pytorch。

参考：Anaconda配置适合版本的Cuda + PyTorch（GPU）

查看pytorch版本：

三、pycharm配环境

1. 根据代码环境要求。可以一键安装：pip install -r requirements.txt

2. 创建基本环境。设置-project-interpreter，新建±conda environment-选择python版本3.8

3. 先安装torch,因为包大，先安装，以防出错（清华大学镜像，pip国内镜像）

4. pip install numpy==1.170 ，pip指定版本号。conda install numpy不指定版本号

5. 查看安装的包，输入：conda list/pip list 或 conda env list

6. torch 去官网pytorch，选稳定版本stable。cuda版本向下兼容，如11.4，torch的版本选cuda<11.4的版本。

7. 查看显卡，输入命令：nvidia-smi

四、Linux卡死的问题

1. Alt+ctrl+F1 ,切换登陆界面

2. 电源键，重新开机

五、Linux创建新用户

注：先不设置密码，下次的登陆设置。Linux 桌面添加用户

1. 右上角-点用户名wanghui-Account settings

2. 右上角Unlock-输入密码-右上角Add User account

六、Linux快捷键

1. dir ： 查看当前文件夹目录

2. cd 文件夹名 ： 切换到该文件夹

3. cd .. ： 退回上一层（上一级目录）

4. cd - ： 退回上一个访问目录

5. -su ： 获取root权限

6. ctrl+z ： 挂起，将任务中断，但此任务没有结束，在进程中，放在后台

7. ctrl+c ： 强行中断当前程序的执行

8. ctrl+\ ： 退出

9. ctrl+d ： 结束当前输入

10. conda activate pytorch ：终端激活pytorch

11. sh run_train.sh ：运行程序

12. 终端进入python，先进入程序文件夹，如liver，在当前文件夹的终端输入： python，进入python解释器。

退出解释器，按：ctrl+z 或是exit()

13. N/A : no available

七、Linux帮助

1. help(append) : 查看append语法，append是list中的方法。

2. help(list) : 查看list里面有哪些方法和属性

3. help(list.append)

八、Windows 安装环境

九、读取图像

1. 读取图

# opencv-python
import cv2

# PIL
from PIL import Image

# opencv-python
img = cv2.imread('' ---.jpg'')
img = cv2.imread('' ---.jpg'', flages=cv2.IMREAD_GRAYSCALE)     # flags是可选读入模式，如灰度图等，默认为None

# PIL
img = Image.open("---.jpg")
img = Image.open("---.jpg", mode=‘r’ ) # mode只能且默认是‘r’，

img = Image.open("lena.jpg")
img = img.load()
print(img[0,0])
# result：(255, 201, 166)

2. 相互转换

#1.Image对象->cv2(np.adarray)

img = Image.open(path)

img_array = np.array(img)


#2.cv2(np.adarray)->Image对象

img = cv2.imread(path)

img_Image = Image.fromarray(np.uint8(img))

3. 保存

# 以npy格式将数组形式保存到二进制文件中，无压缩，占空间大，后续加载数据较快
np.save()
# 从npy,npz等格式加载arrays
np.load()
# npy是以数组形式保存图片数据，用np.load()，训练时，可能需要进行转换。

# 以png,gif等格式存储，占空间小，数据经过压缩，后续加载较慢
cv2.imwrite()

十、kill进程

问题：CUDA out of memory。
原因：用 ctrl+z 终止运行，造成很多僵尸进程占用服务器内存。
方法：

1. 显示进程，或是用nvidia-smi，查看内存占用情况

ps -ef | grep python

2. kill 进程，进程号PID

kill -s 9 进程号

如果没有权限，用：

sudo kill -s 9 进程号

注：需要输入密码