channels:

• https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
• https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
• defaults
  show_channel_urls: true

docker和Nvidia-docker安装

1. 先关闭ubuntu内核自动更新 https://www.cnblogs.com/yangzhaon/p/12911751.html

   禁止内核更新，防止系统进不去。

2. 不执行 sudo apt-get update直接选择跳过这个命令

3. 更换源：选择下载服务器，更换为aliyun

4. docker安装步骤：https://www.cnblogs.com/songxi/p/12788249.html

5. nvidia-docker安装步骤：https://zhuanlan.zhihu.com/p/139484230

6. typora安装：https://www.typora.io/#linux 用命令安装的，binary File安装的挺奇怪的

7. 搜狗输入法安装：https://pinyin.sogou.com/linux/help.php

   1️⃣fcitx安装：sudo apt-get install fcitx

   2️⃣ sudo dpkg -i sogoupinyin_版本号_amd64.deb 缺少以来

   3️⃣ sudo apt -f install 安装依赖

   ​ 最后重启计算机

8. 安装nvidia-docker时出现的问题：

   curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

   sudo gedit /etc/apt/sources.list.d/nvidia-docker.list进去把60行给注释掉了。

9. 安装git 以及配置账号https://blog.csdn.net/qq_42690368/article/details/82319238

   本来就有git，不用安装git了

10. 拉取https://github.com/avanetten/yoltv4 的代码下来：然后

sudo nvidia-docker build -t yoltv4_image ./yoltv4/docker

11. https://github.com/getlantern/lantern lantern

    安装sudo dpkg -i lantern-installer-64-bit.deb

12. https://xtremedownloadmanager.com/ 下载xdm

    1️⃣tar xvf **.tar.gz解压 2️⃣ 使用终端进入该目录：输入./install.sh

13. 猎豹浏览器扩展插件商店：https://addons.mozilla.org/zh-CN/firefox/?utm_source=firefox-browser&utm_medium=firefox-browser&utm_content=find-more-link-bottom

14. 宿主机和容器交换数据：https://blog.csdn.net/weixin_45111741/article/details/104370933

    ⭕️ 宿主机到容器：docker cp 需要拷贝的文件或者目录 容器名称：容器目录

15. linux vscode安装

docker相关

1. https://www.cnblogs.com/rosebud7/p/14844844.html Linux通过手机USB网络共享上网

2. https://blog.csdn.net/iw1210/article/details/84674936 创建新docker容器时出现了 container name already in use by container问题的解决办法

   # 列出本地镜像：
   $ docker images
   # 创建新容器，容器名被占用，须移除或重命名后才能使用这个容器名
   $ docker run --name tomacat8080 -d -p 8080:8080 tomca
   # 查看所有的容器，包括停止的。
   $ docker ps -a
   
   # 补充一下，如果想重新启动之前的，可以 docker ps -a 找到对应的容器然后 
   $ docker start containerId
   
   zhr@zhr-Lenovo-Legion-Y7000P2020H:~$ docker images
   REPOSITORY     TAG                        IMAGE ID       CREATED       SIZE
   yoltv4_image   latest                     686ad47a3332   5 days ago    14GB
   nvidia/cuda    11.3.1-devel-ubuntu16.04   0c1a2cf083a5   5 weeks ago   4GB
   
   zhr@zhr-Lenovo-Legion-Y7000P2020H:~$ docker ps -a
   CONTAINER ID   IMAGE          COMMAND       CREATED      STATUS                  PORTS     NAMES
   2e112b744a44   yoltv4_image   "/bin/bash"   5 days ago   Exited (1) 5 days ago             yoltv4_gpu0
   
   # 重新启动之前的镜像
   $ docker start 2e112b744a44
   
   # nvidia-docker run 启动镜像，将镜像转换为实例运行起来
   # -it docker将创建一个交互式的容器，可以实现应答模式。
   # -v
   # -ti
   NV_GPU=0 nvidia-docker run -it -v /local_data:/local_data -v /yoltv4:/yoltv4 -ti --ipc=host --name yoltv4_gpu0 yoltv4_image
   

   3. dokcer run https://www.twle.cn/l/yufei/docker/docker-basic-run.html

      docker镜像只有运行起来，才会创建一个容器，对外提供服务。

      docker—腾讯服务器上的QQ程序；

      容器------安装在用户电脑上的QQ软件

      将镜像转换成容器，把镜像run起来，才能对外提供服务。所以使用docker run

   4. https://www.cnblogs.com/wuchangsoft/p/9767170.html nvidia-docker

   5. https://blog.csdn.net/u013355826/article/details/89633619 docker命令

      $ docker run [OPTIONS] IMAGE[:TAG] [COMMAND] [ARG....]
       
      Options
      -- name: 容器名字
      --d: 后台运行容器
      --rm: 容器退出后删除容器
      -v: 数据卷挂载
      -p: 端口映射
      -P: 映射所有暴露的端口
      -e: 设置容器中的环境变量
      -t: 开启终端
      -i: 打开标准输入
      -u: 设置用户的UID
      -w: 设置容器中的工作目录
      -m: 内存限制
      --cpuset-cpus: 设置容器具体使用的CPU
      --add-host: 增加hosts到容器的/etc/hosts
      --privileged: 打开特权模式
      # nvidia-docker使用 NV_GPU使能GPU卡
      $ nvidia-docker run --rm nvidia/caffe nvidia-smi
      

      6. 从一个容器中退出来后，怎么再进入这个容器

finally

# 启动一个docker 重新启动之前的镜像
$ docker start 2e112b744a44
# 进入容器
$ sudo nvidia-docker attach 2e112b744a446f9c3d64bce37484a62e77fce3356b794227e863665db814067# 退出容器
exit
# 容器终止

进入了曾经的容器中！

'argon2:$argon2id$v=19$m=10240,t=10,p=8$YpnL7YLI51AaCfMTM3JjgA$6y+vUEFeiPXVG4kZdsbBlQ'

sudo not found

https://blog.csdn.net/qq_28822933/article/details/83930147

apt-get update
# 只使用下一条指令，没用。需要更新源才行
apt-get install sudo

docker中使用jupyter notebook

https://blog.csdn.net/weixin_40008349/article/details/81135847

服务器没有可视化的工具，python的jupyter notebook时实时调试工具

1. docker建立container时，用-p指令为container指定映射端口

   docker run -p 7777:8888 []

2. 修改运行中的容器的端口映射

argon2:$argon2id$v=19$m=10240,t=10,p=8$1uln5M42rFGKdlI4tWxbAg$4ouewYPaDeqd8rSIaZ1qMg

install

1. 2021年8月11日 install pycharm 百度云盘，pycharm同意破解成功。

2. pycharm远程使用docker环境，调试。https://www.jetbrains.com/pycharm/download/other.html 下载pycharm 3.5版本

3. 安装linux信使与windows内网通通信，修改编码方式为gb，可以实现通信，否则通信不了。

# https://blog.csdn.net/ambm29/article/details/96483086
sudo apt-get update 更新源
# 安装ssh-server
apt-get install openssh-server
# 检查是否安装成功
service ssh start
# 设置ssh自启动
echo 'service ssh start'>>~/.bashrc
# ssh登录设置一个密码
passwd
# 使用命令vim /etc/ssh/sshd_config 修改下面两个配置
# https://www.cnblogs.com/famine/p/13332023.html docker目录映射命令

https://cloud.tencent.com/developer/article/1750909 修改docker容器的目录映射

# 1. 暂停docker服务
systemctl stop docker
# 2. 进入docker容器配置文件目录下
cd /var/lib/docker/containers/
ls
# 3.

# 重新启动docker服务
systemctl stop docker
docker start ***contanier-ID



# 下面这个命令的含义：①需要sudo ② NV_GPU表明使用的哪个GPU ③-it交互式 ④ -v docker目录映射，在local_data映射到local_data ⑤name 容器名称 yoltv4_gpu0
NV_GPU=0 nvidia-docker run -it -v /local_data:/local_data -v /yoltv4:/yoltv4 -ti --ipc=host --name yoltv4_gpu0 yoltv4_image
# 这里面没有映射端口号呢 -p [宿主机端口号]:[要映射的docker容器端口号] [IMAGE]:[TAG]
# -it 改为 -id，d让容器以守护进程的方式在后台运行。不启动docker的命令行。

docker rm contanier # 删除容器
# 重新创建一个有目录映射的容器，后台守护，有端口映射的容器

# 1. 
sudo NV_GPU=0 nvidia-docker run -it -v /local_data:/local_data -v /yoltv4:/yoltv4 -ti --ipc=host  -p 10001:22  --name yoltv4_gpu0 yoltv4_image
# 2. 配置ssh
apt-get update
apt-get install ssh-server

# 3.
service ssh start
# 自启动
echo 'service ssh start'>>~/.bashrc

# 4.passwd
passwd

vim /etc/ssh/sshd_config # 修改配置
# !!!!!! 一定要执行这一步
service ssh restart

https://stackoverflow.com/questions/60490921/connecting-by-sftp-to-a-deployment-server-in-pycharm-does-not-work 卡在conneting的部分

https://blog.csdn.net/weixin_42548893/article/details/112452997 vsCode教程

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-FYJuaIlq-1681262319031)(/home/zhr/桌面/image-20210812110116583.png)]

yolov3环境配置

安装Pytorch

nvidia-smi # 查看cuda版本nvcc -Vnvcc -version # 查看cuDNN版本cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2# yoltv4环境中，cudnn=8.2.0.53; cuda 11.3.1 python环境环境为3.7.5https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/ # 相关镜像为：https://blog.csdn.net/kate_mj/article/details/105751631conda install pytorch torchvision cudatoolkit=11.1

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jpsKk52h-1681262319032)(/home/zhr/.config/Typora/typora-user-images/image-20210814112323636.png)]

# 官方推荐安装方式如下：# NOTE: 'nvidia' channel is required for cudatoolkit 11.1conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-etUvhYB8-1681262319032)(/home/zhr/.config/Typora/typora-user-images/image-20210814133209323.png)]

# 查看cudnn版本cat /usr/local/cuda/version.txt

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pZHDQkJK-1681262319033)(/home/zhr/.config/Typora/typora-user-images/image-20210814113002133.png)]

我在安装的时候总是中断，解决办法：
https://blog.csdn.net/gz153016/article/details/104545121
注意：官网上的命令行要把末尾-c pytorch删掉才会用清华源。
例如：conda install pytorch==1.2.0 torchvision == 0.4.0
配置清华源：
https://blog.csdn.net/hktxt/article/details/82111203
配置：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
————————————————
版权声明：本文为CSDN博主「qq_34872636」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_34872636/article/details/110531462

# 安装的太慢了 而且设置了清华源的conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/# 设置搜索时显示通道地址conda config --set show_channel_urls yes# 安装pytorchconda install pytorch torchvision cudatoolkit=11.1# https://blog.csdn.net/qq_18620653/article/details/105420158 离线安装pytorch# 需要torch包，torchvisionhttps://www.cnblogs.com/darkknightzh/p/12000809.html # 离线安装需要：① pytorch 		# pytorch-1.9.0-py3.7_cuda11.1_cudnn8.0.5_0.tar.bz2②torchvison 	# torchvision-0.9.1-py37_cu111.tar.bz2③cudatoolkit	#  linux-64/cudatoolkit-11.3.1-h2bc3f7f_2.tar.bz2https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/ # 清华下载地址# https://blog.csdn.net/caiguanhong/article/details/112184290# pytorch GPU cuda和torchvision对应版本

1. https://www.cnblogs.com/darkknightzh/p/12000809.html 下载下来离线安装

2. 离线安装需要版本对应

   # 1. 查nvidia版本 	2.查cuda版本 3.查cudnn版本$ nvidia-smi 		# cuda 11.4  cudnn版本 $ nvcc --version	# cuda 11.3# 离线安装需要：① pytorch 		# pytorch-1.9.0-py3.7_cuda11.1_cudnn8.0.5_0.tar.bz2②torchvison 	# torchvision-0.9.1-py37_cu111.tar.bz2③cudatoolkit	# cudatoolkit-11.3.1-h2bc3f7f_2.tar.bz2# conda离线安装各个安装包conda install --offline pytorch-1.9.0-py3.7_cuda11.1_cudnn8.0.5_0.tar.bz2		# 报了个错 在使用conda安装软件时，报错如下“appears to be corrupted. The path ‘lib/mkl_msg.cat’ specified in the package manifest cannot be found”。可以通过下面的命令，删除缓存包重新下载：conda clean --packages --tarballs		# https://blog.csdn.net/oppo62258801/article/details/105181079conda install --offline torchvision-0.9.1-py37_cu111.tar.bz2conda install --offline cudatoolkit-11.3.1-h2bc3f7f_2.tar.bz2# 使用conda命令在线安装一次，对相关的包进行在线匹配。但是要删掉最后的-c pytorch，，因为它代表直接从官网去下载，不会与本地的匹配，还会重新下载，命令如下：$ conda install pytorch torchvision cudatoolkit=11.1# 执行这个后，又遇到了许多错！没办法，只有按照命令重新装了Pytorch1.0.0# 但是Python import torch又遇到错误了 Undefined symbol: cblas_sgemm_alloc参考：https://blog.csdn.net/Lstar_/article/details/118658610# .bashrc 在主目录里面 home里面。但是我没法找到容器的内容，所以 https://blog.csdn.net/Lstar_/article/details/118658610 参考里面的重新安装Mkl就成功了！ conda install -c anaconda mkl # 神奇的成功了  # 还需要安装tensorflow，哎，继续安装配置环境。 $ conda install tensorflow-gpu
   

   [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-iHUDoUYd-1681262319033)(/home/zhr/.config/Typora/typora-user-images/image-20210814141215322.png)]

   安装torch包的时候，有点慢！需要等待，如果停止，就会报上面的删除缓存包重新下载的错

   [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-PejSaKf3-1681262319033)(/home/zhr/.config/Typora/typora-user-images/image-20210814143355150.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-v4pOI7oL-1681262319034)(/home/zhr/.config/Typora/typora-user-images/image-20210814140407145.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SL5n0G1I-1681262319034)(/home/zhr/.config/Typora/typora-user-images/image-20210814140425615.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KZOpiLMx-1681262319034)(/home/zhr/.config/Typora/typora-user-images/image-20210814140441432.png)]

YOLO v3 源码debug

1. cfg中时配置文件，configuration。里面是网络如何配置的
2. args，命令行参数。①data_config 数据配置文件路径：config/coco.data
   里面是 train valid 的 读入文件名称的txt的路径。train.txt valid.txt
   coco.names是类别代号。backup。eval=coco
   args2 --pretrained_weights 预训练权重 迁移训练
3. vs code中加入命令行参数，配置

# 改了很多相对路径为绝对路径 才成功的# ！！！ 最主要的原因在于文件路径映射 才能把 移动硬盘成功挂载上去了！

路线：①加载配置参数 train.py中 ② 构建模型 model darknet怎么做的 ③ 训练

coco数据集 18G input。 每次读入一个batch的数据！训练的时候才读入数据。
先讲数据是怎么读取的？

for epoch in range(opt.epochs): 			# 从这里进去    model.train()    start_time = time.time()    # 读入dataloader中的数据，每次读batch_size个数据    for batch_i, (_, imgs, targets) in enumerate(dataloader):        batches_done = len(dataloader) * epoch + batch_i# 从pytorch的dataloader载入一直到调用datasets.py的__getitem__# 读取每一张图：

https://blog.csdn.net/ajiujiujiu/article/details/115980001 yolov3中train.py运行报错解决方案

需要升级tensorflow

# 卸载原来的版本pip uninstall tensorflow # 不是tensorflow-gpu# 安装新版本pip install tensorflow==2.0.0# 安装AsciiTablepip install terminaltables

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-OOuU4OUy-1681262319034)(/home/zhr/.config/Typora/typora-user-images/image-20210819093248819.png)]

Metric阅读理解

https://blog.csdn.net/weixin_37718439/article/details/104246146

vs code快捷键

功能	快捷键	备注
左右括号之间跳转	ctrl + shift + \
跳转到定义 相当于F12	Ctrl + 鼠标左键
后退 Go back	Ctrl + ALT + -
前进 Go Forward	Ctrl + Shift + -

易学智能上面的教程文件

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LGTUDLMI-1681262319035)(/home/zhr/.config/Typora/typora-user-images/image-20210815065828307.png)]

机器学习教程、Python教程、pytorch教程、fastai教程

多读论文

解决VScode不能输入中文

https://blog.csdn.net/zhangwenhou/article/details/108994084

这个原因是在 ubuntu software里下载的应用，它缺少一个插件。

解决方案就是去官网下一个deb的文件，然后安装就可以了。

https://code.visualstudio.com/docs/setup/linux 重新安装

$ sudo apt install code****.deb		# 安装完毕 之前的配置也还在的# 卸载：因为实在商店安装的。直接在商店里面卸载就可以了。一般无法使用的都是在商店安装的，比如微信。

参考：https://www.zhihu.com/question/275664463/answer/406127910

linux卸载软件

https://blog.csdn.net/Hyaloidz/article/details/80144555

dpkg --list # 查看已安装的软件sudo apt-get remove –-purge 要卸载的软件的名字 #卸载软件同时删除配置文件sudo apt-get remove 要卸载的软件的名字  #卸载该软件

linux fastai 环境配置

这样我就综合了诸多环境了。docker nvidia-docker cudnn cuda tensorflow pytorch fastai

conda install -c fastchan fastai

增加文件目录映射

关键的，先要docker stop 容器ID

# 1. 先要 docker stop 容器ID$ systemctl stop docker #  这个也很关键，要停止docker服务# 2. 修改配置文件# 3. 重启

zhr@zhr-Lenovo-Legion-Y7000P2020H:~$ docker ps -aCONTAINER ID   IMAGE          COMMAND       CREATED      STATUS                  PORTS                                               NAMESfc3f5069d570   yoltv4_image   "/bin/bash"   8 days ago   Up 58 seconds           8888/tcp, 0.0.0.0:10001->22/tcp, :::10001->22/tcp   yoltv4_gpu0_zhr18e5ff897b529   yoltv4_image   "/bin/bash"   9 days ago   Exited (0) 8 days ago                                                       yoltv4_gpu0_zhrzhr@zhr-Lenovo-Legion-Y7000P2020H:~$ $ docker stop fc3f5069d570$ sudo systemctl stop docker# 配置文件所在目录：var/lib/docker/containers/fc3f5069d570 目录下面的config.v2.json和hostconfig.json# 配置文件是成功的，为啥没映射上去？$ sudo systemctl start docker $ docker start fc3f5069d570

YOLOv5 镜像

https://docs.ultralytics.com/environments/Docker-Quickstart/ 是可以直接拉去镜像的

# 运行yolov5的容器 ① 需要把目录映射写进去 -v 本地目录 镜像 ② gpu访问 --gpus all$ sudo docker run --ipc=host --gpus all -it ultralytics/yolov5:latest -p 10002:22 -v  "$(pwd)"/local_data ultraylytics/yolov5:latest# 在docker容器里面配置ssh和端口号，供vscode访问# https://blog.csdn.net/ambm29/article/details/96483086 sudo docker run --ipc=host --gpus all -it -p 10002:22 -v /local_data:/usr/var/src/coco --name yolov5 ultralytics/yolov5:latest# 查看python安装路径 linux$ which python			# 查看python的安装路径python --version		# python的版本$ which pip# 打开终端Ctrl + Alt + T

两个镜像可用

1. yoltv4的image，yoltv4-zhr的容器，后者容器里面的环境有：
   ① yoltv4的yolov4环境，cudnn和cuda ②yolov3的环境，Pytorch1.0.1, tensorflow ③fastai的环境也是有的
2. yolov5的环境，要求pytorch>1.6所以需要额外重新弄一个环境，直接拉去镜像。

开启docker的指令

sudo NV_GPU=0 nvidia-docker run -it -v /local_data:/local_data -p 10002:22 --name fastai fastdotai/fastai:latest# -v目录映射  -p 端口映射sudo docker run --ipc=host --gpus all -it -p 10002:22 -v /local_data:/usr/var/src/coco --name yolov5 ultralytics/yolov5:latest# 第二步：开启ssh# 安装ssh-serverapt-get install openssh-server# 检查是否安装成功service ssh start# 设置ssh自启动echo 'service ssh start'>>~/.bashrc# ssh登录设置一个密码passwdvim /etc/ssh/sshd_config # 修改配置 为了去进行目录映射# !!!!!! 一定要执行这一步service ssh restart

linux vscode ssh连接远程主机

一直显示连接不成功

解决办法：https://stackoverflow.com/questions/59978826/why-ssh-connection-timed-out-in-vscode

"remote.SSH.useLocalServer": false

windows安装fastai1

# 1.创建一个3.6的python环境fastaiconda create -n fastai python=3.6# 2.豆瓣安装：直接可以用的，就先用了pip install fastai==1.0.0 -i https://pypi.douban.com/simple

1. 遇到的数据加载的问题
   https://forums.fast.ai/t/brokenpipeerror-using-jupyter-notebook-lesson-1/41090/16
   在databunch的函数里面写好databunch(num_workers=0)即可

无线网卡驱动安装

https://www.cnblogs.com/idorax/p/12369624.html

https://blog.csdn.net/hongszh/article/details/104354239

vscode jupyter内核无法和python绑定在一起

https://blog.csdn.net/qq_32651847/article/details/119283014

https://www.cnblogs.com/gitwow/p/10348675.html setting就可以设置脚本

要在fastai的环境下，使用下面两条命令

https://zhuanlan.zhihu.com/p/370024835

# 1. 在docker中 source activate fastai# 2. 执行下面两条命令pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simplepython -m ipykernel install --user --name py36 --display-name py36# 在root中python -m ipykernel install --user --name fastai --display-name fastai# 3. 然后在选择kernel# 主要原因是 jupyter无法使用python解释器的kernel

jupyter中使用fastai需要安装依赖

 conda install jupyter notebook conda install -c conda-forge jupyter_contrib_nbextensions 

https://fastai1.fast.ai/install.html

最终解决

在fastai的环境下面，重新安装了Jupyter notebook。莫名其妙的

似乎 远程vscode连接docker就是有Jupyter的问题

vscode

https://github.com/Microsoft/vscode-python/releases 下载python以前的扩展，扩展插件版本回退

https://www.jianshu.com/p/aac4baa7e8cf

code --install-extension m.vsix

从扩展安装第三方扩展，但是要关闭自动更新

给训练器踩油门

https://zhuanlan.zhihu.com/p/80695364

设置flameshot快捷键

1. 系统设置 setting
2. 键盘快捷键 拉到底，添加
3. 名称：flameshot
4. 命令：/usr/bin/flameshot gui
5. 快捷键：F1

给pytorch数据加载加速

给训练器踩踩油门 —— Pytorch 加速数据读取

docker-tmpfs挂载

tmpfs docker挂载

docker run -d -it --name tmptest --mount type=tmpfs, destination=/app   nginx:latest# destination:需要挂载到tmpfs的容器文件/目录的路径# tmpfs-size:tmpfs的容量，以字节为单位，默认情况下没有限制# tmpfs-mode:tmpfs的文件权限docker run -d -it --name tmptest --mount type=tmpfs, destination=/app, tmpfs-mode=1770   nginx:latestdocker run 

docker打包容器成镜像

https://blog.csdn.net/qq_14945437/article/details/106135369

docker commit [-m="提交的描述信息"] [-a="创建者"] 容器名称|或者容器ID 生成的镜像名[:标签名]docker commit -m "fastai_zhr" container_name|或者containerID  fastai_yolov5_zhr:1.0docker commit -m "fastai_zhr" yolov5  fastai_yolov5:1.0# 红色为描述信息 yolov5为当前容器名称  生成的镜像名称：tag

然后把镜像导出到其它地方使用

docker export ID > xx.tar# 导入docker import - xxxname < xx.tar

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-x3Ystn1o-1681262319035)(/home/zhr/.config/Typora/typora-user-images/image-20211107183853246.png)]

从自己的镜像创建容器

sudo docker run --ipc=host --gpus all -it -p 10001:22 -v /data_zhr:/data_zhr  --mount type=tmpfs, destination=/data_zhr --name yolov5_zhr fastai_yolov5:1.0# make host directorymkdir -p /data # create docker volume from host directorysudo docker volume create --driver local --opt type=none --opt device=/data --opt o=bind --name=test# mount volume within containersudo docker run -it --mount source=test,target=/mymount alpine:latest /bin/df -h /mymount

docker中

RuntimeError: DataLoader worker (pid 79654) is killed by signal: Bus error. It is possible that dataloader's workers are out of shared memory. Please try to raise your shared memory limit.# 解决办法：增大docker的shm sizesudo NV_GPU=0 nvidia-docker run -it -v /local_data:/local_data -p 10002:22 --name fastai fastdotai/fastai:latest# -v目录映射  -p 端口映射sudo docker run --ipc=host --gpus all -it -p 10002:22 -v /local_data:/usr/var/src/coco --name yolov5 ultralytics/yolov5:latestsudo NV_GPU=0 nvidia-docker run -it -v /data_zhr:/data_zhr -p 10000:22 --shm-size 8G --name zhr fastai_yolov5:1.0

https://blog.csdn.net/lgh0824/article/details/111031681

https://majing.io/posts/10000059191228

docker run --runtime=nvidia -e NVIDIA_VISIBLE_DEVICES=2,3 --shm-size 8G -it --rm dev:v1 /bin/bash 

wheel安装

pip install XX.whl

linux下切换源

vim ~/.condarcchannels:  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ssl_verify: true

# 临时使用清华源pip install spacy==2.2.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

fastai环境安装

conda install -c pytorch -c fastai fastai=1.0.61

apt-get updateapt-get install vim-gtk# 安装vimvim ~/.condarc#换国内conda源channels:  - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/  - https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/  - defaultsshow_channel_urls: true# 更换kernel# 先更新pippip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple

Error loading preloads:

• Could not find renderer

# pip uninstall fastai==1.0.61pip install fastai==1.0.60# 解决问题。不需要装notebook

sudo NV_GPU=0 nvidia-docker run -it -v /local_data:/local_data -p 10000:22 --shm-size 20G --name zhr aae2ce9d180b# ① GPU使用 ②映射盘 ③端口 ④shm 否则num_workers=0，训练慢的要死！！！ 切记切记sudo docker run --ipc=host --gpus all -it -v /local_data:/local_data -p 10002:22 --shm-size 20G --name zhr aae2ce9d180b

失败的原因：因为没有Nvidia环境，fastai不能自己调用cuda。

所以使用yolov5的环境，且是conda的环境。然后才能python使用。

linux miniconda

https://blog.csdn.net/weixin_44159487/article/details/105620256

# 安装路线wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.shbash Miniconda3-latest-Linux-x86_64.sh# 修改源conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/conda config --set show_channel_urls yes pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple# 重启终端即可

pycharm linux打开方式

#安装目录/bin./pycharm.sh 

https://blog.csdn.net/zxyhhjs2017/article/details/90205442 Linux—之conda换源

将以下配置文件写在~/.condarc中
vim ~/.condarc

channels:- http://mirrors.ustc.edu.cn/anaconda/pkgs/main/- http://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/- defaultsshow_channel_urls: true

windows中

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ # 设置搜索时显示通道地址conda config --set show_channel_urls yes# pytoch源conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/# 中科大源conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/conda config --set show_channel_urls yes