服务器设置自动运行程序
crontab
命令是linux系统的定时运行的命令- 命令行输入
crontab -e
,进入自动运行编辑文件 - 根据提示编辑自己的定时命令,例如在文件最后加上
00 11 * * * python3 /root/Health.py
,即代表着设置每天11点自动运行Health.py
文件
注意:时间格式的详细写法可以查看vim \etc\crontab
文件,内有说明
- 命令行输入
service cron restart
重新启动定时服务,即可正常开始运行
注意:crontab
里面设置诸如echo 1
或使用print(1)
这样的测试并不会输出结果到命令行,但是实际上它是执行了的
安装
https://www.cnblogs.com/ming-4/p/11516728.html
加源
首先在命令行设置
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
再在控制文件中接触访问限制
vim C:\Users\Administrator\.condarc
# 删除以下两行代码:
ssl_verify: true
- defaults
显示已经安装的包
$ pip list
$ conad list
安装
# 直接创建环境
conda create --name tf tensorflow python=3.5
# 创建环境之后,在环境重下载
conda install tensorflow-gpu=2
# 本地下载
conda install --use-local D:\download\cudnn-7.6.5-cuda10.1_0.tar.bz2
这里可以不指定python版本,conda会自动给你装最新的。同时它回在环境中给你配上指定版本的python
显示环境名
conda info
conda info --envs
修改环境信息
conda create --name tf --clone tensorflow
#然后再删除原来的
conda remove --name tensorflow --all
修改下载超时等待时间
conda config --set remote_read_timeout_secs 120.0
powershell无法切换环境问题
https://www.cnblogs.com/dereen/p/ps_conda_env.html#3252122472
conda版本小于4.6
解决方法如下:
- 用Win + X 组合键调出PowerShell 管理员模式;
- 输入命令
conda install -n root -c pscondaenvs pscondaenvs
安装PSCondaEnvs包; - 输入命令
Set-ExecutionPolicy RemoteSigned
在出现选项后输入Y
回车,更改PowerShell 的安全策略。 - 在PowerShell中激活和退出环境的命令分别为
activate 环境名
和deactivate
,注意:需要去掉原命令中开头的conda,否则也不会成功。
conda版本大于4.6
解决方法如下:
- 用Win + X 组合键调出PowerShell 管理员模式;
- 输入命令
conda init powershell
; - 关闭当前powershell窗口,重新打开一个powershell窗口输入
conda activate 环境名
测试。
CMD 的话只需把上面三步中的powershell 改为cmd.exe 即可。
tensorflow安装
本人环境为:win10+conda4.5.11+GeForce GTX 1050ti驱动为442.23,CUDA版本为10.2,命令行为powershell
记录安装tensorflow的过程,并分享给各位
- 首先查看电脑的CUDA版本
可以很简单的一句话查询到电脑的适配CUDA版本和显卡信息,如下
(base) PS C:\Users\Administrator> nvidia-smi
Fri Mar 19 13:49:56 2021
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 442.23 Driver Version: 442.23 CUDA Version: 10.2 |
|-------------------------------+----------------------+----------------------+
| GPU Name TCC/WDDM | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce GTX 105... WDDM | 00000000:01:00.0 Off | N/A |
| N/A 45C P8 N/A / N/A | 78MiB / 4096MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+
还有一种方法是打开nvidia的控制面板查看,那样稍微麻烦一些
桌面任务栏Nvidia图标右键>>>Nvidia控制面板>>>帮助>>>系统信息>>>组件>>>NVCUDA.DLL(此处显示的就有CUDA版本)
- 新建环境
创建一个新的python环境
(base) PS C:\Users\Administrator> conda create --name tf2 python=3.7
接下来需要使用到清华的conda源,最好是事先添加上该源(可选)
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- 本地下载
cudatoolkit
和cudnn
使用清华的镜像站先将toolkit和cudnn下载到本地,然后再用conda安装。因为conda直接下载有时候会断线,而且下的很慢,用浏览器下载就会好很多。
用浏览器打开后使用ctrl+f
搜索网页:cuda
字段。少许等待之后会出现数十条蓝链,点击合适你的cuda版本的下载包即可。
注意是下载cudatoolkit-*.*.*-*.tar.bz2
和cudnn-*.*.*-cuda*.*_*.tar.bz2
这两个安装包,版本需要与你的电脑对应,只能低不能高。
例如我的就是:
cudatoolkit-10.2.89-h74a9793_0.tar.bz2 和
cudnn-7.6.5-cuda10.2_0.tar.bz2
- conda安装
首先安装下载好的toolkit和cudnn
(tf2) PS C:\Users\Administrator> conda install --use-local D:\download\cudatoolkit-10.2.89-h74a9793_0.tar.bz2
...
(tf2) PS C:\Users\Administrator> conda install --use-local D:\download\cudnn-7.6.5-cuda10.2_0.tar.bz2
安装好之后安装tensorflow-gpu
,注意这里的gpu不要掉了,否则安装成cpu版本的是运行不了keras
这些的。
# 这里我用pip下载,conda下载大文件可能下不下来,当然用conda下载也没什么区别。
(tf2) PS C:\Users\Administrator> pip install tensorflow-gpu==2.3.0
# conda下载的命令,二选一即可
(tf2) PS C:\Users\Administrator> conda install tensorflow-gpu=2
- 测试
(tf2) PS C:\Users\Administrator> python
Python 3.7.10 (default, Feb 26 2021, 13:06:18) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
...
# 测试tensorflow是否安装成功
>>> print(tf.__version__)
2.3.0
# 测试gpu是否可用
>>> tf.config.list_physical_devices('GPU')
2021-03-19 14:41:36.849116: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library nvcuda.dll
2021-03-19 14:41:37.739684: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1716] Found device 0 with properties:
pciBusID: 0000:01:00.0 name: GeForce GTX 1050 Ti computeCapability: 6.1
coreClock: 1.62GHz coreCount: 6 deviceMemorySize: 4.00GiB deviceMemoryBandwidth: 104.43GiB/s
2021-03-19 14:41:37.739929: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cudart64_101.dll
2021-03-19 14:41:37.788611: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cublas64_10.dll
2021-03-19 14:41:37.818466: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cufft64_10.dll
2021-03-19 14:41:37.823936: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library curand64_10.dll
2021-03-19 14:41:37.854689: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cusolver64_10.dll
2021-03-19 14:41:37.881099: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cusparse64_10.dll
2021-03-19 14:41:37.939845: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cudnn64_7.dll
2021-03-19 14:41:37.941087: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1858] Adding visible gpu devices: 0
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
# 输出列表中包含gpu信息表示安装成功,且可用