Server¶

登录 ¶

ssh name@ip

ssh -p <port> name@ip

exit

免密登录 ¶

cd .ssh

ssh-keygen -t rsa

ssh-copy-id -p 10086 name@ip

ssh <alias>

任务运行 ¶

使用 nohup 后台运行任务 ¶

nohup 命令用于以忽略挂起信号的方式运行另一个命令。这在后台运行进程时特别有用，即使终端会话关闭，进程仍然会继续运行。

1. 使用 nohup 运行命令：

   要使用 nohup 在后台运行命令，可以使用以下语法：

   nohup command &
   

   • command: 您要运行的命令。
   • &: 这个符号用于在后台运行命令。

2. 输出重定向：

   默认情况下，nohup 将输出重定向到当前目录中的一个名为 nohup.out 的文件。如果您想为输出指定一个不同的文件，可以使用：

   nohup command > output.log 2>&1 &
   

   • > output.log: 将标准输出重定向到 output.log。
   • 2>&1: 将标准错误重定向到与标准输出相同的文件。

3. 检查正在运行的进程：

   要检查正在运行的后台进程列表，可以使用：

   jobs
   

4. 将后台进程带到前台：

   如果需要将后台进程带到前台，请使用：

   fg %job_number
   

   • %job_number: 进程的作业号，可以使用 jobs 命令找到。

5. 终止后台进程：

   要终止后台进程，可以使用带有进程 ID (PID) 的 kill 命令：

   kill -9 PID
   

   • PID: 您要终止的任务的进程 ID。

使用 Screen 持续运行任务 ¶

远程神器 screen 命令的保姆级详解教程 + 举例 -CSDN 博客

1. 安装 Screen

   sudo apt-get install screen
   

增 ¶

screen -S <name>

改 ¶

Ctrl-a A

查 ¶

screen -ls

窗口管理 ¶

• 分离窗口：按 CTRL-a 然后按 d，可以退出 SSH 登录而不影响 Screen 程序的执行。

• 关闭当前窗口：

  Ctrl-a k
  

• 新建子窗口：

  Ctrl-a c  #在当前的会话下面生成一个新的窗口并切换过去
  

• 列出所有子窗口：

  Ctrl-a w  #列出当前窗口
  

• 如果只有一个 Screen 进程：
  恢复运行

  screen -r -d
  

• 如果有多个 Screen 进程，通过 PID 进入：

  screen -r -d <PID>
  

  示例：

  screen -r -d 1805
  

删 ¶

• 完全退出：exit（不会保存 session）。

1. 方法一：在 Screen 会话内终止

   • 先重新连接到要终止的 Screen 会话：

     screen -r <PID>
     

   • 在会话内输入 exit 或按 Ctrl+d 来终止会话。

2. 方法二：直接从外部终止

   screen -X -S <PID> quit
   

   或

   screen -X -S <session_name> quit
   

   这会直接终止指定的 Screen 会话，无需先连接到会话。

清理会话

screen -wipe #清理那些dead的会话

远程神器 screen 命令的保姆级详解教程 + 举例 -CSDN 博客

内网穿透 ¶

公网：人人都可以访问

内网：需要特定的网络才可以访问

内网穿透就是将内网的服务暴露给公网访问

Server 端配置 ¶

下载安装包

tar -zxvf frp_0.61.2_linux_amd64.tar.gz

cd frp_0.61.2_linux_amd64

vim frps.toml

bindPort = 7000      # 服务端与客户端通信端口
# vhostHTTPPort = 80   # 如果客户端需要使用http服务，在这里配置代理端口

auth.token = "token"                    # 身份验证令牌，frpc要与frps一致

# Server Dashboard，可以查看frp服务状态以及统计信息
webServer.addr = "0.0.0.0"              # 后台管理地址
webServer.port = 7500                   # 后台管理端口
webServer.user = "admin"                # 后台登录用户名
webServer.password = "admin"            # 后台登录密码

访问公网 ip 的 7500 端口，可以查看 frp 服务状态以及统计信息

sudo ufw allow 7000/tcp    # FRP主端口
sudo ufw allow 7500/tcp    # 仪表盘
sudo ufw allow 40443/tcp   # HTTP穿透
sudo ufw allow 40800/tcp   # HTTPS穿透

#服务器端
nohup ./frps -c frps.toml &

Client 端配置 ¶

接下来配置客户端侧（frpc = frp client）

#客户端
nohup ./frpc -c frpc.toml &

sudo vi /etc/rc.local  

#自行修改为绝对路径
nohup /root/frp/frpc -c /root/frp/frpc.toml &

[common]
server_addr = <server_ip>
server_port = 7000              # 服务端bind_port
auth.token = "your_secure_token_here"

# ----------- TCP穿透示例（SSH服务）------------
[ssh]
type = tcp
local_ip = 127.0.0.1
local_port = 22
remote_port = 6000

./frpc -c frpc.ini

这个时候，服务端应该会收到客户端的连接请求，可以看到类似如下信息

sudo netstat -tulnp | grep ':6000'

ssh -p 6000 <client_username>@<server_ip>

要特别注意这里是 client 的 username，而不是 server 的 username

这个时候应该就可以配置成功了

error unmarshaling JSON: while decoding JSON: json: cannot unmarshal string into Go value of type v1.ServerConfig · Issue #3657 · fatedier/frp

远程连接 ¶

pycharm 远程开发 ¶

Pycharm 远程连接服务器并运行代码（详细！）_pycharm 将代码同步到远程服务器 -CSDN 博客

1. 设置 Connection

Tools->Deployment->Configuration

2. 建立 Mapping

3. 实现代码自动上传

4. 设置 Python Interpreter

vscode¶

使用 vscode 连接以后，可以将文件直接拖拽传递

报错 ¶

我只教一次！vscode remote-ssh 连接失败的基本原理和优雅的解决方案 - 知乎

【VScode 远程连接报错】Failed to parse remote port from server output_vscode failed to parse remote port from server out-CSDN 博客

VSCode 连不上远程服务器问题及解决办法集合 _vscode 无法连接远程服务器 -CSDN 博客

blog.csdn.net/why1249777255/article/details/134296929

blog.csdn.net/why1249777255/article/details/134296929 1. 到本地删除.ssh下known_hosts

C:\Users\username\.ssh\

1. 首先 kill 掉服务器端的 VS code 服务，然后在服务器端删除 vscode 连接的相关记录

/home/username/.vscode-server/

1. 重新回到 Vscode 连接

还可以尝试把 .sshss

其他工具 ¶

• scp(linux to linux)
• wget

运维工具 ¶

宝塔面板 ¶

1Panel¶

1Panel 文档

curl -sSL https://resource.fit2cloud.com/1panel/package/quick_start.sh -o quick_start.sh && sudo bash quick_start.sh

配置镜像加速选择y

使用1pcl命令行工具进行管理，命令行工具 - 1Panel 文档

显卡相关 ¶

环境配置 ¶

conda create -n <>_py<version> python=<version>

conda activate <name>

pip install torch torchaudio torchvision

pip install scipy seaborn tqdm jupyter pandas matplotlib opencv-python

pip install d2l

import torch
print("PyTorch Version:", torch.__version__)

if torch.cuda.is_available(): # 检查 CUDA 是否可用
    print("CUDA is available.")
    num_gpus = torch.cuda.device_count() # 获取显卡总数
    print(f"Number of GPUs: {num_gpus}")
    if num_gpus >= 1:
        device = torch.device(f"cuda:{num_gpus - 1}") # 指定使用最后一块显卡
        print(f"Using GPU: {torch.cuda.get_device_name(device)}")
        tensor = torch.rand(3, 3).to(device) # 在指定显卡上创建一个简单的张量计算
        print("Tensor on GPU:\n", tensor)
    else:
        print("No GPUs available.")
else:
    print("CUDA is not available.")

PyTorch Version: 2.4.1+cu121
CUDA is available.
Number of GPUs: 6
Using GPU: NVIDIA GeForce RTX 3090
Tensor on GPU:
 tensor([[0.9610, 0.1389, 0.1536],
        [0.7481, 0.7573, 0.2097],
        [0.2123, 0.6865, 0.0611]], device='cuda:5')

查看 GPU ¶

gpustat

nvidia-msi

nvidia-smi -l

为什么Volatile GPU-Util列显示第二个卡占用为 0，明明这个卡的内存已经用了。这个深度学习调用有关，实际上这时 GPU 正在等待 CPU 的处理，而 CPU 的处理结果有时候很慢，所以 GPU 在等。可以将num_workers=4或 8 或 16（再多不推荐可能变慢，因为通信需要成本），分配多个子线程，且设置pin_memory=True，直接映射数据到 GPU 的专用内存，减少数据传输时间，提高 GPU 利用率。

查看内存 ¶

free -m 

tasklist

查看 CPU ¶

top

htop

查看用户 ¶

ps -f -p PID号

指定 GPU ¶

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.9 # 占用GPU90%的显存
session = tf.Session(config=config)

config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)

显卡简介 ¶

显卡由 显卡核心（GPU） 、电路板（PCB）、显存、金手指、供电 & 显示接口以及散热等构成。

显卡核心里主要由运算单元 cuda core，控制单元，缓存单元等构成。

显存，类似于系统的内存，但它是显卡专用的内存。显存主要用来缓存 GPU 处理过的或者即将提取的渲染数据。显存主要包括容量、频率和位宽这三个参数。容量就是显存的大小，一般来说，显存越大能存储的数据越多，对于部分场景很有用

输出部分就是显卡挡板处的接口，有：VGA、DVI、HDMI、DP、USB-C（包括雷电 3）

显卡和显示器之间的接口，共有 VGA、HDMI、DVI、DP 以及 USB-C（包括雷电 3）等。

开放式风扇是直接吹显卡（鳍片）来提供散热，使用场景比较广泛，有无风道都能用，而且相较而言更静音。涡轮风扇散热则是靠吸入风量横吹核心（鳍片），与开放式相比，对整机内部其它硬件影响不大，比较适合有平行风道，而且工作温度不高的显卡。但估计以后公版也会多采用开放式而放弃涡轮。

显卡分类 ¶

显卡根据不同的位置，有集显、核显和独显的区别

• 集显 集成在主板北桥芯片的显示芯片，有些共享系统内存，有些自带内存。 现在少见了，常有人把核心显卡当作集成显卡，再过些年这么叫也可能是对的了。
• 核显 集成在核心（CPU 内）中的显卡，共享系统内存资源。
• 独显 将显示芯片及相关器件制作成一个独立于电脑主板的板卡，成为专业的图像处理硬件设备。

英伟达 Geforce 共有 GT、 GTX、RTX 和 TITAN 四个系列，

（这时可能会有没看前面的脑子瓦特的就会跳出来说明明还有 quadro 系列）

GT 代表 GeForce Technology ，比较适合家用入门级，影音和小游戏都能满足。

GTX 代表更高级的游戏独显，后来随着技术进步，出现了光线追踪 （Ray Tracing），于是命名也增加了一个 RTX，因为是最先进的技术，再低端也是很昂贵，所以 RTX 都是从 -60 结尾往上走，价格也比以往 GTX 的更贵。而 TITAN 就是英伟达 GeForce 的看家显卡，霸主的存在。

【显卡科普】小白必看的入门显卡科普，关于显卡的原理、结构、作用 - 知乎

进程管理 ¶

查看进程 ¶

• 查看所有进程：

  ps -aux
  

  列出所有正在运行的进程。

• 查看特定用户的进程：

  ps -u username
  

  列出特定用户的所有进程。

终止进程 ¶

• 通过 PID 终止进程：

  kill -9 PID
  

  强制终止指定 PID 的进程。

taskkill /PID 进程号 -F -T  

• 通过进程名终止进程：

  pkill process_name
  

  终止所有匹配指定进程名的进程。

Aliyun¶

无影云电脑 ¶

ECS¶

上传文件 ¶

使用 workbench，在文件一栏中选择 " 打开新文件树 "

OSS¶

图床

开发票 ¶

个人用户抬头只能是个人

AutoDL¶

conda create -n tf python=3.7           # 构建一个虚拟环境，名为：tf
conda init bash && source /root/.bashrc # 更新bashrc中的环境变量
conda activate tf                       # 切换到创建的虚拟环境：tf

无法加载 Hugging Face ¶

import os
os.environ['HF_ENDPOINT'] = 'https://hf-mirror.com'

pip install -U huggingface_hub
export HF_ENDPOINT=https://hf-mirror.com
source ~/.bashrc

import subprocess
import os

result = subprocess.run('bash -c "source /etc/network_turbo && env | grep proxy"', shell=True, capture_output=True, text=True)
output = result.stdout
for line in output.splitlines():
    if '=' in line:
        var, value = line.split('=', 1)
        os.environ[var] = value

import os
os.environ['CURL_CA_BUNDLE'] = ''