| Xshell使用及训练深度学习模型；PyCharm连接服务器 | 您所在的位置：网站首页 › xshell操作服务器 › Xshell使用及训练深度学习模型；PyCharm连接服务器 |
Xshell使用及训练深度学习模型；PyCharm连接服务器
|
目录
1.Linux命令conda相关文件处理相关查看linux系统版本vim文本编辑器（待办）其他gcc安装（CentOS7）报错 internal compiler error: Segmentation fault （未解决问题）报错 centos7中在使用yum遇到“undefined symbol: CRYPTO_num_locks”
2.上传文件（本地文件传输到服务器）3. 运行.py1. Xshell中运行2. ★ PyCharm 连接至 服务器 运行（1）设置服务器（2）本地-服务器 文件夹连接补充说明1. 有时候PyCharm 没有自动更新代码至 服务器2. 新项目使用之前的服务器设置3. pycharm 远程连接服务器 显示图片（待完成）
建议写文件路径的时候写成 相对路径 这样传到服务器端也能直接运行 1.Linux命令 conda相关conda info -e 查看所有环境 conda info --e conda info --envs conda env list conda activate pytorch 激活对应环境 文件处理相关显示 permission denied 就在命令前面加上 sudo cd MyFolderName 进入到需要运行的文件夹下 cd SD/ChangeDetection/FolderName 进入子文件夹 cd .. 上层目录 cd 切换到主目录 pwd 查看当前路径 ls 查看文件夹列表 (list的缩写) 用法：ls [参数] [文件] 如 ls -l 查看文件详细信息。缩写 ll mkdir FolderName 新建文件夹 mkdir -p this/that/theother 建立嵌套子目录 rm -r FolderName 删除文件夹 sudo rm -r FolderName mv aflie bfile 将 afile 重命名为 bfile mv afile FolderName 把当前目录下的afile移动到 当前目录 FolderName 文件夹 mv afile ../ 移动到上层目录 zip -r mydata.zip myfolder -r 压缩文件夹；-q 安静模式。 unzip mydata.zip -d myfloder 解压缩到指定文件夹(文件名可以不加后缀，若目标文件夹不存在会自动新建） unrar x mydata.rar 会在当前解压目录内产生一个以压缩包名字命名的目录，目录内是解压内容，推荐使用 其他解压缩命令：tar（待补充） python之后别忘了输入exit()退出python，才可重新进入命令行模式 查看linux系统版本cat /etc/redhat-release 主要针对redhat系列，redhat,centos都可以通过此命令查看 vim文本编辑器（待办）先要装一个vim vim **.py insert 插入模式修改 esc之后保存 :wq 其他tab 键 自动扩充代码 clear 清屏 nvidia-smi 查看GPU占用情况 清内存？ 一般是kill掉这里显示但 nvidia-smi没有显示的 fuser -v /dev/nvidia* kill -9 PID pkill -9 python # 根据进程名（python）杀死进程 gcc安装（CentOS7）注意：GCC是Linux的核心模块，升级可能会导致一些问题，请谨慎升级，升级之前做好备份工作。 参考 CentOS7 编译安装GCC 8.2.0 查看gcc版本： 查看是否有多个gcc: ls /usr/bin/gcc* 1、安装所需工具： sudo yum groupinstall -y 'Development Tools' sudo yum install -y texinfo bison flex gcc-gnat glibc-devel.i686 libgcc.i686 # 安装 i686 的包是为了安装32位的头文件和库，如果不安装i686的包，请在 configure 时加入--disable-multilib，取消对32位的支持。2、下载GCC 8.2.0 lftp -c "pget -n20 http://ftp.tsukuba.wide.ad.jp/software/gcc/releases/gcc-8.2.0/gcc-8.2.0.tar.gz"3、解压源码包 tar -zxf gcc-8.2.0.tar.gz 4、下载GCC需要的依赖：gmp、mpfr、mpc、isl cd gcc-8.2.0 ./contrib/download_prerequisites5、执行 configure 生成Makefile: mkdir build && cd build # 失败 ../configure --prefix=/storage/app/gnu/gcc-8.2.0 \ --enable-bootstrap \ --enable-shared \ --enable-threads=posix \ --enable-checking=release \ --with-system-zlib \ --enable-__cxa_atexit \ --disable-libunwind-exceptions \ --enable-gnu-unique-object \ --enable-linker-build-id \ --with-linker-hash-style=gnu \ --enable-languages=c,c++,objc,obj-c++,fortran,ada,go,lto \ --enable-plugin \ --enable-initfini-array \ --disable-libgcj \ --enable-gnu-indirect-function \ --with-tune=generic \ --with-arch_32=x86-64 \ --build=x86_64-redhat-linux # 成功 但是make报错 ../configure --prefix=/usr --enable-multilib --enable-languages=c,c++ -disable-multilib # 成功 ../configure --prefix=/usr/local/gcc-8.2.0 --disable-multilib --enable--long-long --enable-threads=posix ../configure --prefix=/usr/local/gcc-8.2.0 --disable-multilib --enable-bootstrap --enable-checking=release --enable-languages=c,c++ ../configure --enable-bootstrap --enable-languages=c,c++ --enable-threads=posix --enable-checking=release --enable-multilib --disable-libmpx --enable-gnu-indirect-function --with-tune=generic --with-arch_32=x86-64 --build=x86_64-redhat-linux6、执行编译 make or make -j8 说明：-j 参数根据CPU核数设置。 编译时间根据机器配置决定，GCC编译过程一般都需要很长时间，慢慢等待。 7、安装 make install 8、配置环境变量 vim ~/.bash_profile ### gnu gcc export GCC_HOME=/storage/app/gnu/gcc-8.2.0 export PATH=$GCC_HOME/bin:$PATH export MANPATH=$GCC_HOME/share/man export CPATH=$GCC_HOME/include export LD_LIBRARY_PATH=$GCC_HOME/lib:$GCC_HOME/lib64 export LIBRARY_PATH=$GCC_HOME/lib:$GCC_HOME/lib64 报错 internal compiler error: Segmentation fault （未解决问题）可能是因为编译时开启较多线程， 解决方案： 先清空编译结果 make clean 用少量线程数重新编译: make -j2 https://blog.csdn.net/qq_15138049/article/details/120891174
centos7中在使用yum遇到“undefined symbol: CRYPTO_num_locks” gcc 8.3.1安装: sudo yum install devtoolset-8-gcc devtoolset-8-gcc-c++ scl enable devtoolset-8 bash 2.上传文件（本地文件传输到服务器）xftp 建议传压缩包，再用命令 解压缩 。但是也很慢。 3. 运行.py 1. Xshell中运行cd MyFolderName 进入到需要运行的文件夹下 ls 查看文件夹列表 python train.py 运行.py文件 还可以设置GPU，比.py文件中设置的优先级更高 CUDA_VISIBLE_DEVICES=1 python train.py # 待测试 # 先cd到文件夹 再运行 cd ChangeDetection/FolderName python train.py # 直接运行 python ChangeDetection/FolderName/train.py CUDA_VISIBLE_DEVICES=0 python my_file.py # 指定GPU CUDA_VISIBLE_DEVICES="0,1" python my_file.py # 多GPU一起使用 2. ★ PyCharm 连接至 服务器 运行参考 https://www.bilibili.com/video/BV1V44y127uD?vd_source=db1d96e72eebc08243333b73367f662a PyCharm要用专业版？ 记得 从项目中打开文件夹 建议提前用Xshell 复制粘贴 本地文件夹 至 服务器 可以只复制部分文件。 也可以只在Xshell新建文件夹，然后再在 PyCharm中直接将 project 复制至 服务器 （1）设置服务器File-Settings → Project - Python Interpreter - Add -SSH Interpreter → 输入 Host ; Port ; Username。 以及 密码 or 密钥。 连接成功后然，在Add Python Interpreter 界面 ，选择服务器对应环境下的python.exe （一般位于 /home/username/anaconda/envs/环境名/bin/python )
Tools - Deployment - Browse Remote Host →… (Shift+Enter弹出界面） 一定要 重命名 服务器的名字 一定要 重命名 服务器的名字 一定要 重命名 服务器的名字 否则多项目的时候无法 自动更新 本地代码修改 至 服务器。 Connection（文件夹连接） -Root path （设置 服务器文件夹目录）Mappings（文件夹映射）： Connection后，点击 Mappings 选项，将 本地文件 映射至 服务器。 建议提前用Xshell 复制粘贴 本地文件夹 至 服务器至此，成功将本地文件连接至服务器，一般来说，可以实时同步。 若服务器端没有刷新，需要 Upload to (可以对文件夹 或者 单个.py 右击，Deployment-Upload to……）
一般来说，针对每一个项目，都自动设置好了默认 自动更新代码。 前提是之前修改了 服务器的名字 即使后续 重命名了 本地文件夹名称，也不会影响服务器的连接。 （1）右击服务器名，设置默认即可。 （2）Tools-Deployment- 勾选 Automatic Upload
（3） 终极大法： 删除所有的 服务器 Python Interpreter；以及 Remote Host 。 全部重新设置。 在 重命名 服务器名称后， 目前没有出现这样的问题了 2. 新项目使用之前的服务器设置打开新项目，设置 服务器的 Python Interpreter， Browse Remote Host 选择 对应的 服务器名，然后 设置 Connection和-Mappings 即可。 可能会出现 1 的 问题。 这里改了 Connection和-Mappings；因此 之前链接这个服务器 相同环境的 Interpreter 的项目就会失效。 如果在远程主机新建一个部署，还是会报找不到文件夹（No such file or directory）的错误。 猜测： 1.服务器的 Python Interpreter 与 1中的服务器名。要一一对应。（不可以在一个 Python Interpreter 下 新增服务器名。） 2.多个项目 使用相同的服务器环境，更改 Connection和-Mappings即可，先前项目链接失效。再次使用需重新设置。 （暂未找到针对项目设置服务器环境的方法。对项目新建一个服务器名，会报找不到文件的错误） 3. pycharm 远程连接服务器 显示图片（待完成）pycharm远程连接服务器可以运行代码，但是用 opencv或者Image等不能显示图片 cv2.imshow() 报错： |
建议去掉勾选 自动上传至服务器。后面再去 远程主机 手动设置同步文件夹。
【本文地址】