實驗室GPU給了一個公共用戶guest能登進去服務器，使用這個guest賬號創建自己的用戶。
——————————————————————————————————————————————————
查看所有用戶信息
cat /etc/passwd
往學校GPU服務器（ubuntu）添加新用戶:
sudo useradd -m username
sudo passwd username
輸入密碼
su username
輸入密碼即可登錄新用戶
刪除用戶
userdel -r username
用Xftp傳輸文件 狀態錯誤解決方法：
原因是沒給文件夾寫入權限
在xshell進入home文件夾：cd /home
設置/home文件夾權限: chmod 777 文件夾名
配置普通用戶環境（非root）
配置jdk爲例：
1 上傳jdk安裝包 jdk-8u231-linux-x64.tar.gz 到服務器並解壓 tar -zxvf jdk-8u231-linux-x64.tar.gz
https://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html
2 配置環境
vi ~/.bash_profile
在文件中加入（注意JAVA_HOME每個人的不一樣，是jdk包解壓路徑）
#jdk
export PATH
export JAVA_HOME=/home/sw/jdk/jdk1.8.0_231
export PATH=$JAVA_HOME/bin:$PATH
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
3 使配置文件生效
source ~/.bash_profile
4 測試
java -verison
配置anaconda爲例
1 上傳anaconda安裝包 Anaconda3-5.3.0-Linux-x86_64.sh 到服務器
cp -r /home/idc/Downloads/Anaconda3-2019.03-Linux-x86_64.sh /home/ss/
bash Anaconda3-5.3.0-Linux-x86_64.sh
默認輸入enter或者yes，最後可以不安裝VScode 輸入no就結束
2 配置環境
export PATH=$PATH:/home/sw()/anaconda3/bin
環境出錯https://blog.csdn.net/weixin_38705903/article/details/86533863
3 使配置文件生效
source ~/.bash_profile
conda info --envs
4.使用conda創建新環境
https://blog.csdn.net/wdx1993/article/details/83660717
conda create -n your_env_name python=X.X（2.7、3.6等)
可能會遇到創建環境失敗問題，原因可能是沒有文件夾寫入權限
給文件夾設置chmod 777寫入權限後就再次創建環境就可以了。
chmod 777 /home/sw/.conda/
conda create -n ml python=3.6
activate ml
出現 bash: /home/sw/anaconda3/bin/activate: Permission denied
使用source activate ml（普通用戶真的難）
Ubuntu 16.04.6 LTS (GNU/Linux 4.15.0-64-generic x86_64)、 E5-2630 v4 x2 GTX 1080TI x4 環境下安裝tensorflow-gpu，需要安裝CUDA和cuDNN
https://blog.csdn.net/qq_32408773/article/details/84112166
查看GPU：grep -i nvidia
CUDA安裝成功：nvcc --version
cuDNN安裝成功：正在在安裝。。。。發現有的帖子說不用安裝就沒安裝了
https://blog.csdn.net/zpzhangpeng123/article/details/89295387裏面說用tensorflow-gpu的話就不用安裝CUDA和cuDNN了?
使用清華鏡像安裝tensorflow-gpu
pip install tensorflow-gpu==1.9 -i https://pypi.tuna.tsinghua.edu.cn/simple
———————————————————————————————————————————————————
2019/11/17
others：
———————————————————————————————————————————————————
安裝tensorflow
國外網速驚人請使用：清華鏡像https://pypi.tuna.tsinghua.edu.cn
CPU版本
pip install tensorflow==1.8 -i https://pypi.tuna.tsinghua.edu.cn/simple
GPU
pip install tensorflow-gpu==1.8 -i https://pypi.tuna.tsinghua.edu.cn/simple
安裝numpy
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy
安裝matplotlib
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib
—————————————————————————————————————————————
安裝torch torchvision
pip install --upgrade torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple
1、將一個文件夾下的所有內容複製到另一個文件夾下
cp -r /home/sww/copy/torch-0509/* /home/sww/torch-0509/
cp -r /home/packageA/* /home/cp/packageB/
或cp -r /home/packageA/. /home/cp/packageB/
查看文件權限
ls -l filename
——————————————————————————————————————————
安裝torch-GPU版本
1、配置cuda環境
安裝cuda並且在vi ~/.bash_profile命令中編輯cuda路徑
source ~/.bash_profile使安裝的cuda的路徑環境有效
nvcc --version查看cuda是否有效
在官網https://pytorch.org/找安裝torch的命令，
在官網https://pytorch.org/找安裝torch的命令，
cuda版本爲10.0的時候對應命令
# CUDA 10.0
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch
輸入python，輸入下面幾行代碼，如果是true就表示配置成功。
>>> import torch
>>> import torchvision
>>> torch.cuda.is_available()
————————————————————————————————————————————————
刪除文件夾
rm -rf dir_name
——————————————————————————————————
以及查看當前登錄 w who users
查看系統中所有用戶：grep bash /etc/passwd
cat /etc/passwd
或者：cat /etc/passwd | cut -f 1 -d:
————————————————————————————————————
conda env list
conda env remove --name fl