pip freeze > requirements.txt
pipreqs --ignore .venv --force
# 查看可更新包：
pip list --outdated --format=columns
# 批量下载并更新：
pip install pip-review
pip-review --local --interactivelscpu
nvidia-smibash Miniconda3-py39_24.3.0-0-Linux-x86_64.sh
conda --version
conda create --name Wenhao python=3.10
# conda remove --name Wenhao --all
更换镜像源---镜像链接
conda config --show channels
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
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/bioconda/
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/r/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2/
conda config --set show_channel_urls yes
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simpleconda install nb_conda_kernels
conda install -c conda-forge jupyterlab
conda install ipykernel #Wenhao环境中也要有screen -S d2l # 创建并连接到一个新的 tmux 会话，会话名称为 "d2l"
jupyter lab --ip=0.0.0.0 --port=8888 --no-browser
# screen -ls
# screen -r d2l 进入会话
# 解挂会话 ctr a d
# exit 结束会话pip install tensorflow
# kill 1889755 取消pid为改数字的进程防止显存一直占用
tensorboard --logdir logs/fit --bind_all # 开启tensorboard 并运行所有ip
pip3 install torch torchvision torchaudio# 复制现有环境到新的环境名
conda create --name Wenhao_tensorflow --clone Wenhao
conda install ipykernel
conda remove --name Wenhao --allimport torch
# 检查CUDA是否可用
if torch.cuda.is_available():
print("CUDA可用，可以使用GPU加速。")
else:
print("CUDA不可用，将使用CPU。")
# 获取当前CUDA设备数量
device_count = torch.cuda.device_count()
print(f"发现 {device_count} 个CUDA设备。")
# 获取当前CUDA设备的名称
for i in range(device_count):
print(f"CUDA 设备 {i}: {torch.cuda.get_device_name(i)}")
import tensorflow as tf
# 检查是否有可用的 GPU
if tf.config.list_physical_devices('GPU'):
print('GPU 可用')
else:
print('GPU 不可用')
# 获取 GPU 设备列表
gpu_devices = tf.config.list_physical_devices('GPU')
if gpu_devices:
# 显示 GPU 设备信息
for gpu in gpu_devices:
print(f"设备名称: {gpu.name}, 类型: {gpu.device_type}")
else:
print("未找到 GPU 设备")
# 可以通过以下方式查看当前 TensorFlow 是否使用 GPU 加速
print("TensorFlow 默认设备:", tf.test.gpu_device_name())sudo apt install ./phddns_5.3.0_amd64.deb
dpkg -r phddns更新所有包
sudo apt-get -o Acquire::http::proxy="http://127.0.0.1:7890/" update