#算力租赁#
#算力服务#
#GpuMall智算云#
一.pip常用命令
默认情况下，GpuMall 平台的 pip 命令是使用 miniconda3 进行安装，可以通过如下 pip -V 命令查看 pip 安装目录。
查看pip命令安装目录
pip -V
查看pip命令执行程序位置
command -V pip
查看当前 pip 版本
pip --version
列出所有已安装的包
pip list
安装最新版本的 numpy 库
pip install numpy
pip 卸载指定库
pip uninstall numpy
pip 指定版本安装指定包
pip install numpy==1.26.1
pip 搜索指定包可安装的所有版本
pip install numpy==
#也可以到 pypi.org/ 官网取搜索指定库，然后查看 Release history
pip 指定源安装指定库，适用于当前源安装该库较慢，临时切换源使用
pip install numpy -i pypi.doubanio.com/simple/
pip 指定文件批量安装库，在requirements.txt文件中定义需要安装的库
pip install -r requirements.txt
指定文件批量卸载库
pip uninstall -r requirements.txt
通过 pip 下载指定包到指定目录，但不安装它
pip download numpy -d /gm-data/
pip 指定已下载或者已克隆的包进行安装
pip install ./gm-data/numpy-1.26.2-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
pip 查看指定包的兼容性
pip check numpy
pip 查看已安装库的详细信息
pip show numpy
查询当前可升级的 pip 库
pip list --outdated
pip 升级指定安装包
pip install --upgrade numpy
pip 升级 pip 自身
pip install --upgrade pip
pip查看当前源配置
pip config list
永久性修改 pip 源
pip config set global.index-url --site pypi.tuna.tsinghua.edu.cn/simple
查看 pip 下载的安装包的默认路径
python3 -m site
二.conda常用命令
查看 conda 版本
conda --version
查看 conda 信息
conda info
更新 conda 自身到最新版本，同时也会更新其它包
conda update conda
conda 更新指定包，这里更新通过 conda 安装的 zlib 包
conda update zlib
列出所有虚拟环境
conda env list
conda info -e
创建一个 python 版本为 3.8.10 的虚拟环境
conda create -n gpumall python==3.8.10
切换到名称为 gpumall 的虚拟环境
conda activate gpumall
退出当前虚拟环境
conda deactivate
删除指定虚拟环境
conda remove --name gpumall --all
查看已安装的包
conda list
安装 numpy 指定包到当前虚拟环境
conda install numpy
在指定虚拟环境中安装包，这里在 gpumall 虚拟环境中安装 nmupy 包
conda install --name gpumall numpy
删除或者卸载当前虚拟环境中的指定包
conda remove numpy
删除或者卸载指定虚拟环境中安装包，这里在 gpumall 虚拟环境中删除 nmupy 包
conda remove --name gpumall numpy
搜索 numpy 包的所有版本
conda search numpy
搜索大于或等于 1.24 版本以上的 numpy 包
conda search 'numpy>=1.24'
通过 conda 安装包后，conda 会在 /root/.cache/conda 目录下生成缓存，可以通过如下命令查看该目录缓存
du -sh /root/.cache/conda/
如果 /root/.cache/conda 目录缓存较大，则可以通过如下命令清理 conda 缓存
conda clean --all
从 gpumall 虚拟环境来克隆一个名称为 gm 的新虚拟环境
conda create --name gm --clone gpumall
导出虚拟环境中所安装的所有包到指定文件
conda env export --name gm > gm.yml
删除指定虚拟环境
conda env remove --name gm
三.实例中压缩和解压命令
在实例中的压缩及解压缩命令常用到的有如下： tar、zip、unzip、gzip、gunzip、7z、bzip2、bunzip2、xz、unxz、rar、unrar等。
《tar命令进行压缩及解压》
#将 file_or_directory 文件或目录压缩为 archive.tar
tar -cvf archive.tar file_or_directory
#将多个文件或目录压缩到同一个文件中，这里将 file1 file2 directory1 directory2 一起压缩为 archive.tar 文件
tar -cvf archive.tar file1 file2 directory1 directory2
#解压缩 archive.tar 文件到当前目录
tar -xvf archive.tar
#解压缩 archive.tar 到 /gm-data/ 目录下
tar -xvf archive.tar -C /gm-data/
《zip 及 unzip 命令进行压缩和解压》
zip 和 unzip 算是一对命令，zip 命令用来压缩，unzip 用来解压 zip 命令的压缩。
#将 file_or_directory 文件或目录压缩为 archive.zip
zip -r archive.zip file_or_directory
#将多个文件或目录压缩到同一个文件中，这里将 file1 file2 directory1 directory2 一起压缩为 archive.zip 文件
zip -r archive.zip file1 file2 directory1 directory2
#解压缩 archive.zip 文件到当前目录
unzip archive.zip
#解压缩 archive.zip 到 /gm-data/ 目录下
unzip archive.zip -d /gm-data/
《gzip 及 gunzip 命令进行压缩和解压》
gzip 和 gunzip 也算是一对命令，gzip 命令用来压缩，gunzip 用来解压 gzip 命令的压缩。
#压缩文件名为 file 的文件
gzip file
#解压通过 gzip 压缩的文件
gunzip file.gz
《7z 命令进行压缩及解压缩》
#将 file_or_directory 文件或目录压缩为 archive.7z
7z a archive.7z file_or_directory
#将多个文件或目录压缩到同一个文件中，这里将 file1 file2 directory1 directory2 一起压缩为 archive.7z 文件
7z a archive.7z file1 file2 directory1 directory2
#解压缩 archive.7z 文件到当前目录
7z x archive.7z
#解压缩 archive.7z 到 /gm-data/ 目录下，注意 -o/gm-data/ 之间没有空格
7z x archive.7z -o/gm-data/
《bzip2 及 bunzip2 命令进行压缩和解压》
bzip2 和 bunzip2 也算是一对命令，bzip2 命令用来压缩，bunzip2 用来解压 bzip2 命令的压缩。
#压缩文件名为 file 的文件
bzip2 file
#解压通过 gzip 压缩的文件
bunzip2 file.bz2
《xz 及 unxz 命令进行压缩和解压》
xz 和 unzx 也算是一对命令，xz 命令用来压缩，unxz 用来解压 xz 命令的压缩。
#压缩文件名为 file 的文件
xz file
#解压通过 gzip 压缩的文件
unxz file.bz2
《rar 及 unrar 命令进行压缩和解压》
#将 file_or_directory 文件或目录压缩为 archive.rar
rar a archive.rar file_or_directory
#将多个文件或目录压缩到同一个文件中，这里将 file1 file2 directory1 directory2 一起压缩为 archive.rar 文件
rar a archive.rar file1 file2 directory1 directory2
#解压缩 archive.rar 文件到当前目录
unrar x archive.rar
#解压缩 archive.rar 到 /gm-data/ 目录下
unrar x archive.rar /gm-data/
《apt 安装及卸载软件包命令》
更新本地软件包列表，更新镜像源
sudo apt-get update -y
安装指定软件包，前提是需要知道包名
sudo apt-get install busybox -y
卸载软件包但需要保留配置文件
sudo apt-get remove busybox -y
卸载软件包并删除配置文件
sudo apt-get purge busybox
更新所有软件包
apt-get upgrade
搜索软件包
apt-cache search busybox
《文件操作命令》
ls 命令相关用法
#列出当前目录中的文件和目录：
ls
#列出包括隐藏文件在内的所有文件：
ls -a
#以长格式列出文件（显示权限、所有者、大小和修改日期）：
ls -l
#递归列出所有子目录：
ls -R
cd命令用法
#进入指定目录：
cd /gm-data/
#返回上一级目录：
cd ..
#返回用户主目录
cd
pwd命令用法
#显示当前目录的完整路径：
pwd
mkdir命令用法
#创建新目录
mkdir new_directory
#一次创建多个目录
mkdir dir1 dir2 dir3
#递归创建目录
mkdir -p /path/to/dir1/dir2
touch命令用法
#创建一个新的空文件：
touch newfile.txt
#更新现有文件的时间戳：
touch existingfile.txt
cp命令用法
#复制文件到新位置：
cp source.txt destination.txt
#复制目录及其内容（递归复制）：
cp -r source_directory destination_directory
mv命令用法
#移动文件
mv source.txt /path/to/destination
#重命名文件
mv oldname.txt newname.txt
《进程管理命令》
#显示所有运行中的进程
ps -ef
ps aux
#显示特定用户的进程
ps -u root
#查找当前实例中的 所有python 进程
ps -ef | grep python
ps aux | grep python
#实时显示系统中的进程信息
top
#杀掉特定PID的进程
kill PID
#强制杀掉指定进程
kill -9 PID
#根据进程名终止进程：
pkill process_name
#终止所有名为给定名称的进程：
killall process_name
#列出打开的文件
lsof
#显示特定用户打开的文件：
lsof -u username
#显示使用特定端口的进程：
lsof -i :port_number
#运行一个命令，使其在退出终端后继续运行：
nohup command &
#显示当前会话的所有作业：
jobs
#将作业带回前台继续运行：
fg %job_number
#将停止的作业在后台继续运行：
bg %job_number
《GPU 相关命令》
#显示所有NVIDIA GPU的当前状态，包括利用率、温度、功率使用等：
nvidia-smi
#每隔1秒刷新并显示所有GPU的状态：
nvidia-smi -l 1
watch -n 1 nvidia-smi
#显示特定GPU（例如GPU 0）的详细信息：
nvidia-smi -i 0
#仅显示特定的信息，例如温度、利用率等：
nvidia-smi --query-gpu=temperature.gpu,utilization.gpu --format=csv
#查看GPU上运行的进程
py3smi
nvitop
#仅获取GPU显存使用情况
nvidia-smi --query-gpu=memory.used,memory.total --format=csv
#获取GPU的硬件和驱动版本信息：
nvidia-smi -a
#显示特定GPU的GPU核心利用率和显存利用率：
nvidia-smi --query-gpu=utilization.gpu,utilization.memory --format=csv
想要体验强大的GPU算力请登录gpumall.com
#GPU云# #GPU云主机# #GPU云服务器# #GPU闲置# #GPU变现# #GPU收益# #AI云# #算力服务平台# #GPU训练推理#
