列出文件/文件夾

命令：Ls(List)

 user@host:/tmp/test_dir# ls    # 列出當(dāng)前目錄下的文件和文件夾
a.txt  b
user@host:/tmp/test_dir# ls -l  # 列出文件和文件夾的詳細(xì)信息：權(quán)限，Owner，Group和創(chuàng)建/更新時(shí)間
total 4
-rw-rw-r-- 1 root root    0 11月  9 10:50 a.txt
drwxrwxr-x 2 root root 4096 11月  9 10:50 b

新建/切換路徑

新建命令：mkdir（make directory）
切換命令：cd（change working directory）

user@host:/tmp# mkdir test_dir   # 新建一個(gè)叫test_dir的路徑
user@host:/tmp# cd test_dir/     # 進(jìn)入 test_dir 路徑
user@host:/tmp/test_dir#

兩種特殊的目錄：…、. 或?qū)懽?…/、./，…/代表上一級(jí)目錄，./代表當(dāng)前目錄。

user@host:/tmp/test_dir# cd ../test_dir/   # 上一級(jí)目錄下有test_dir目錄
user@host:/tmp#

查看當(dāng)前路徑

命令：pwd（list）

user@host:~# pwd
/root/
user@host:~#

重命名或者移動(dòng)文件夾

命令: mv （move）

user@host:/tmp# mv test_dir/ test_directory   # 將test_dir目錄重命名為test_directory，文件重命名同樣適用
user@host:/tmp# cd test_directory/
daiauser@hostb@seeta:/tmp/test_directory#

user@host:/tmp/test_directory# mkdir a b     # 創(chuàng)建兩個(gè)文件夾a和b 
user@host:/tmp/test_directory# ls
a  b
user@host:/tmp/test_directory# mv a b/       # 將a移動(dòng)到b目錄下。如果b目錄不存在的話，這條命令相當(dāng)于將a重命名為b
user@host:/tmp/test_directory# tree
.
└── b└── a

拷貝文件/文件夾

命令：cp （copy）
參數(shù)：-r （-r代表遞歸）

user@host:/tmp/test_directory# mkdir a b     # 創(chuàng)建兩個(gè)文件夾a和b 
user@host:/tmp/test_directory# ls
a  b
user@host:/tmp/test_directory# cp -r a b       # 將a文件夾拷貝到b文件夾下，-r代表遞歸拷貝
user@host:/tmp/test_directory# tree
.
└── a
└── b└── a

刪除文件夾

命令: rm （remove）

參數(shù): -rf （-r代表遞歸，-f代表強(qiáng)制）

user@host:/tmp/test_directory# ls
a.txt  folder
user@host:/tmp/test_directory# rm -rf folder   
user@host:/tmp/test_directory# rm -rf folder/*   # *是通配符號(hào)，這樣代表folder文件夾下所有文件/文件夾

設(shè)置環(huán)境變量

命令：export

以常見(jiàn)的兩個(gè)環(huán)境變量：PATH和LD_LIBRARY_PATH為例
1. PATH
如果你有自己安裝的命令，希望暴露出來(lái)直接使用。比如miniconda中的python，如果不加環(huán)境變量一般需要寫(xiě)完整的路徑：/x/x/x/miniconda3/bin/python，如果希望直接寫(xiě)python就能用到調(diào)用conda中的python指令，那么可以：
export PATH=/x/x/x/miniconda3/bin:$PATH
先解釋上述命令的格式，右側(cè)的路徑可以寫(xiě)多個(gè)，以:分隔，$PATH表示求PATH變量的值，因?yàn)镻ATH環(huán)境變量以前可能已經(jīng)有值，需要保留那些值不影響其他命令的使用，其次當(dāng)輸入了python命令時(shí)，會(huì)從PATH變量的路徑下去找python可執(zhí)行文件，先找到哪個(gè)就用哪個(gè)，因此:前后路徑的先后順序也很重要。
2. LD_LIBRARY_PATH
和PATH路徑一樣，只不過(guò)LD_LIBRARY_PATH是設(shè)置動(dòng)態(tài)鏈接庫(kù)的搜索路徑。比如安裝了CUDA以后，一般需要設(shè)置：
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH如果要查看是否設(shè)置成功可以使用命令：env | grep PATH 進(jìn)行確認(rèn)

編輯文本文件

命令：vim

vim的高級(jí)使用較復(fù)雜，請(qǐng)參考其他文檔學(xué)習(xí)

壓縮和解壓

命令：zip、unzip、tar
zip和unzip分別正對(duì)與zip的壓縮包壓縮和解壓，tar是Linux另外一種更通用的壓縮解壓工具

# zip和unzip。如果沒(méi)有zip請(qǐng)使用apt-get update && apt-get install -y zip安裝
user@host:/tmp/$ zip -r dir.zip test_directory/   # 將test_directory文件夾壓縮為dir.zip文件
user@host:/tmp/$ unzip dir.zip   # 將dir.zip文件解壓# tar. 以下參數(shù)c代表壓縮，x表示解壓，z代表壓縮/解壓為gz格式的壓縮包
user@host:/tmp/$ tar czf dir.tar.gz test_directory/   # 將test_directory文件夾壓縮為dir.tar.gz文件
user@host:/tmp/$ tar xzf dir.tar.gz   # 將dir.tar.gz文件解壓# tar還可以用于壓縮和解壓其他格式的壓縮文件，比如bz2
user@host:/tmp/$ tar cjf dir.tar.bz2 test_directory/   # 將test_directory文件夾壓縮為dir.tar.bz2文件
user@host:/tmp/$ tar xjf dir.tar.bz2   # 將dir.tar.bz2文件解壓

查看cpu的信息

命令：nvidia-smi

user@host:/tmp/test_directory# nvidia-smi
Mon Nov  8 11:55:26 2021       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 440.82       Driver Version: 440.82       CUDA Version: 10.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  TITAN X (Pascal)    Off  | 00000000:01:00.0  On |                  N/A |
| 31%   57C    P0    66W / 250W |    408MiB / 12194MiB |      2%      Default |
+-------------------------------+----------------------+----------------------+
|   1  TITAN X (Pascal)    Off  | 00000000:04:00.0 Off |                  N/A |
| 93%   27C    P8    11W / 250W |      2MiB / 12196MiB |      0%      Default |
+-------------------------------+----------------------+----------------------++-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0      1450      G   /usr/lib/xorg/Xorg                            32MiB |
|    0      2804      G   /usr/lib/xorg/Xorg                           351MiB |
+-----------------------------------------------------------------------------+

如果需要不停的輸出GPU占用信息，那么使用nvidia-smi -l 1每隔1秒輸出一次，或使用watch -n 1 nvidia-smi也是同樣的效果

查看/殺死進(jìn)程

查看進(jìn)程的命令：ps
殺死進(jìn)程的命令：kill

root@container-5e3e11aeb4-948a17b1:~# ps -ef 
UID          PID    PPID  C STIME TTY          TIME CMD
root           1       0  0 14:04 ?        00:00:00 bash /init/boot/boot.sh
root          58      48  8 14:04 ?        00:00:03 /root/miniconda3/bin/python /root/miniconda3/bin/jupyter-lab --allow-root
root          60      48  0 14:04 ?        00:00:00 /usr/sbin/sshd -D
root          61      48 10 14:04 ?        00:00:04 /root/miniconda3/bin/python /root/miniconda3/bin/tensorboard --host 0.0.0.0 --port 6006 --logdir /root/tf-logs
root         146      61  0 14:04 ?        00:00:00 /root/miniconda3/lib/python3.8/site-packages/tensorboard_data_server/bin/server --logdir=/root/tf-logs
root         402     338 99 14:05 pts/0    00:00:06 python tensorflow2.x-test.py

從ps的輸出結(jié)果中根據(jù)執(zhí)行的命令名稱(chēng)找到要?dú)⑺赖倪M(jìn)程，比如最后python tensorflow2.x-test.py命令執(zhí)行的進(jìn)程ID是402，因此可以：

root@container-5e3e11aeb4-948a17b1:~# kill -9 402
root@container-5e3e11aeb4-948a17b1:~#

kill后可以再次使用ps -ef確認(rèn)進(jìn)程是否已經(jīng)結(jié)束。

查看進(jìn)程的CPU和內(nèi)存占用

命令：top
或者使用平臺(tái)提供的實(shí)例監(jiān)控的功能查看更為方便

Tasks:  11 total,   2 running,   9 sleeping,   0 stopped,   0 zombie
%Cpu(s):  2.3 us,  1.3 sy,  0.0 ni, 96.3 id,  0.0 wa,  0.0 hi,  0.0 si,  0.0 st
KiB Mem : 52801571+total, 45453059+free,  7807904 used, 65677196 buff/cache
KiB Swap:  2074620 total,  2074620 free,        0 used. 51678192+avail Mem PID user@host      PR  NI    VIRT    RES    SHR S  %CPU %MEM     TIME+ COMMAND             2316 root      20   0 21.846g 1.796g 244664 R 101.4  0.4   0:05.56 python               58 root      20   0  372352  84804  15540 S   1.4  0.0   0:05.40 jupyter-lab         59 root      20   0  713796  11288   7668 S   1.4  0.0   0:01.31 proxy               2395 root      20   0   45920   3940   3444 R   1.4  0.0   0:00.01 top                 1 root      20   0   25368   3724   3404 S   0.0  0.0   0:00.07 bash                 48 root      20   0   55060  24328   9728 S   0.0  0.0   0:00.33 supervisord         60 root      20   0   72304   5872   5140 S   0.0  0.0   0:00.01 sshd                 61 root      20   0 9756148 315032 156124 S   0.0  0.1   0:04.16 tensorboard         146 root      20   0 1582996   6964   5296 S   0.0  0.0   0:00.04 server               338 root      20   0   25824   4312   3800 S   0.0  0.0   0:00.18 bash                 481 root      20   0   25824   4544   4040 S   0.0  0.0   0:00.18 bash

如果有高負(fù)載(CPU使用率高)的情況，那么一般進(jìn)程都會(huì)排在最上邊，根據(jù)進(jìn)程名稱(chēng)可以進(jìn)行確認(rèn)。那么這個(gè)進(jìn)程占用的CPU可以通過(guò)%CPU字段讀取出來(lái)，內(nèi)存更復(fù)雜一些，但是一般看RES字段就夠了。比如上邊第一個(gè)Python進(jìn)程CPU的占用率是101.4%，內(nèi)存使用大小是1.796g（Tips：如果內(nèi)存顯示的單位和上述不同，按e鍵切換）

重定向日志?

命令： >

user@host:/tmp# python train.py    # 一般情況下日志會(huì)輸出到stdout/stderr中
Epoch.1 Iter 20
Epoch.1 Iter 40
Epoch.1 Iter 50
...user@host:/tmp# python train.py > ./train.log 2>&1  # 把stdout/stderr中的日志重定向到train.log文件中，最后的2>&1中，2代表stderr, 1代表stdout，&1可以理解成像c語(yǔ)言中的求地址user@host:/tmp# cat ./train.log    # 將train.log文件中的內(nèi)容打印在stdout。cat（Concatenate FILE(s) to standard output.）
Epoch.1 Iter 20
Epoch.1 Iter 40
Epoch.1 Iter 50
...user@host:/tmp$ python train.py > ./train.log 2>&1 &   # 如果最后再加一個(gè)&的效果是后臺(tái)運(yùn)行，還可以參考nohup的配合使用

場(chǎng)景一

一般這種情況是進(jìn)程假死，看上去停止了但是實(shí)際還在?？梢酝ㄟ^(guò)ps -ef查看進(jìn)程是否還存在，如果存在則用kill命令殺死進(jìn)程，最后用nvidia-smi檢查顯存是否已經(jīng)釋放。

場(chǎng)景二

場(chǎng)景：想把實(shí)例中的模型/數(shù)據(jù)保存在網(wǎng)盤(pán)中一份，方便其他實(shí)例使用

user@host:~# pwd
/root/
user@host:~# ls
train.py  autodl-tmp  autodl-nas
user@host:~# cp -r train.py autodl-nas/   # 把 train.py 文件存入網(wǎng)盤(pán)中

場(chǎng)景三

場(chǎng)景：發(fā)現(xiàn)進(jìn)程內(nèi)存會(huì)使用超過(guò)限制，導(dǎo)致進(jìn)程被Killed

可以使用Top命令查看進(jìn)程的占用內(nèi)存情況，確認(rèn)內(nèi)存是不是會(huì)停留在一個(gè)值而不會(huì)一直增長(zhǎng)，如果一直增長(zhǎng)說(shuō)明程序?qū)?nèi)存的釋放有漏洞，可以分析Python代碼變量的引用來(lái)進(jìn)行優(yōu)化。

場(chǎng)景四

場(chǎng)景：使用JupyerLab的終端掛守護(hù)進(jìn)程跑訓(xùn)練，擔(dān)心關(guān)閉網(wǎng)頁(yè)期間的日志看不到了

可以使用重定向日志功能，把日志寫(xiě)入文件