打包conda环境
conda pack -n my_env
conda pack -n my_env -o out_name.tar.gz
conda pack -p /explicit/path/to/my_env
- 创建用户
- conda环境恢复（解压conda pack后的压缩包
tar -xzf my_env.tar.gz -C my_env） - 大概率会报错，说找不到so文件。解决方案：
- 找到so文件
sudo find / -name the_name_of_the_file.so - 将so文件所在的目录加入环境变量。把以下命令放入.bashrc中，并source ~/.bashrc
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/my_library/
- 找到so文件
- 下载vscode，连接服务器，找到commit_id，网上下载对应版本的vscode-server，按照网上教程，传到服务器相应位置。
- 找到本机的extension文件夹，复制并替换到内网中
pip install conda-pack
conda pack -n attnGAN
tar -xzvf attnGAN.tar.gz -C /home/conggaoxiang/anaconda3/envs/attnGAN
PIP环境备份
pip freeze > requirements.txt
pip list --format=freeze > requirements.txt
pip download -d packages -r requirements.txt
pip install --no-index --find-links=packages -r requirements.txt
# 第一遍安装的是cpu版本的torch和torchvision，先uninstall这俩，然后安装gpu版本的
中文字体
import matplotlib
import matplotlib.pyplot as plt
matplotlib.font_manager.fontManager.addfont("/home/lixg/.fonts/msyh.ttf")
# 查看字体名以及对应的字体文件名
# for font in font_manager.fontManager.ttflist:
# print(font.name, '-', font.fname)
plt.rcParams["font.family"] = "Microsoft Yahei"
如果依然不行，WSL中运行 rm ~/.cache/matplotlib -rf，刷新plt缓存
遇到的坑
- 不要对tensor格式的0-1值label直接数据增强resize，会导致label都变成0。应该先转为long格式的tensor，然后在compose里resize
- pytorch在windows里无法多进程，num_worker>0会报错
- python编译器一直跳出gpython.exe的console，卸掉python，安装时选择所有用户、加入系统变量解决。
DOCKER
docker卸载
sudo apt-get remove docker docker-engine docker-ce docker.io
sudo apt-get update
docker将容器打包成镜像并在另一个服务器中运行
docker commit [OPTIONS] CONTAINER [REPOSITORY[:TAG]]
options选项：
-a :提交的镜像作者；
-c :使用Dockerfile指令来创建镜像；
-m :提交时的说明文字；
-p :在commit时，将容器暂停。
这里我的命令是 docker commit 135a0d19f757 jenkins:1.0 完成后，使用docker images可以看见该镜像
打包镜像
命令：docker save [OPTIONS] IMAGE [IMAGE...]，
示例：docker save -o my_jenkins.tar jenkins:1.0。这里的jenkins:1.0是你刚打包的镜像
新服务器载入镜像
命令：docker load [OPTIONS]
-option选项：–input,-i 指定导入的文件
–quiet,-q 精简输出信息
如：docker load --input my_jenkins.tar
根据镜像docker容器
docker run -it -p 8090:8080 -v /home/lixg/data:/data image_name
其他常用操作
docker ps -a
docker image ls
docker rm container_name
docker rmi image_name