--Xshell
1. 删除非空文件夹以及子目录下全部内容：rm -rf 目录名字；
2. 创建文件夹：mkdir 文件名；
3. 复制文件夹dir1到文件夹dir2：cp -r dir1 dir2；
4. 删除文件：rm 文件名；
5. 执行文件：vi 文件名.cc
6. 查看当前的文件所在目录：pwd
7. 查看当前文件夹下的所有文件：ls或者ll
8. 往（远程）系统上上传文件：rz 文件名
9. 从（远程）系统上下载文件：sz 文件名
10. 名字demo的文件改为名字为data的文件： mv demo data
Putty
1. 从电脑“开始”菜单找到并打开Windows Power；
2. 从本地往服务器上上传文件： pscp 本地文件的路径加名字 root@47.99.142.205:/mnt/datasets/或者liuhe@192.168.1.251:
从服务器上下载文件到本地：pscp root@47.99.142.205:/mnt/datasets/或者liuhe@192.168.1.251:
本地文件的路径加名字
3. 激虚拟环境：source activate venv
创建一个名为S2P的虚拟环境，指定Python版本是2.7 ：conda create --name S2P python=3.6
win10下激活虚拟环境：conda activate S2P
退出虚拟环境：source deactivate S2P
linux下激活虚拟环境：source activate S2P
退出虚拟环境：source deactivate S2P
Linux下查看cuda版本：nvcc --version 或 cat /usr/local/cuda/version.txt
如何查看Ubuntu系统版本：cat /etc/issue
查看刚才创建的所有环境：conda list env(指的是哪些包)
conda info --envs（指的是创建环境的名称）
# 删除刚才创建的环境S2P： conda remove --name S2P --all
4. 解压：sudo unzip fileName.zip
将/home/wwwroot/xahot/ 这个目录下所有文件和文件夹打包为当前目录下的xahot.zip
zip –q –r xahot.zip /home/wwwroot/xahot
5. 删除文件：sudo rm fileName
6. 安装python版的opencv：pip install opencv-python 或conda install -c anaconda opencv
7. 对于GPU版本tensorflow：conda install tensorflow-gpu=1.8
8. 安装conda install scipy
9.查看CUDA版本 nvcc -V
10. 查看NVIDIA 显卡 nvidia-smi
11. 查看gcc的版本，window下cmd窗口下： g++ -v
12. 查看gpu内存使用情况： nvidia-smi
实时查看GPU运行情况：watch -n -0.1 nvidia-smi
cudn 9.0 tensorflow-gpu 1.8.0
注意，数据盘路径是：/mnt/dataDisk1
13. pytorch的安装
conda install pytorch torchvision cudatoolkit=9.0 -c pytorch
pytorch:
1. No module named 'torch' or 'torch.C'
pip uninstall torch
pip install torch
2. No module named torchvision
pip install torchvision