【22.06.03】青龙面板有手就行教学 指令+依赖+容器+脚本编辑+定时设定+秒拉库+XDD-PLUS通知详解

【日常使用指令】

1.查看容器名
docker ps -a
2.重启青龙容器
docker restart 你的容器名
3.更新青龙(或者直接面板更新)
docker exec -it qinglong ql update
4.更新青龙并编译
docker exec -it qinglong ql restart
5.拉取自定义仓库,已Faker仓库为例
docker exec -it qinglong ql repo https://ghproxy.com/https://github.com/shufflewzc/faker2.git "jd_|jx_|gua_|jddj_|getJDCookie" "activity|backUp" "^jd[^_]|USER|ZooFaker_Necklace.js|JDJRValidator_Pure|sign_graphics_validate"
6.拉取单个脚本,以Faker库的资产变更通知为例
docker exec -it qinglong ql raw https://github.com/shufflewzc/faker2/blob/main/jd_bean_change_new.js
7.导出互助码
docker exec -it qinglong ql code
8.通知测试
docker exec -it qinglong notify test test
9.立即执行脚本,以资产变更通知为例
docker exec -it qinglong task jd_bean_change_new.js now
10.并行执行脚本
docker exec -it qinglong task jd_bean_change_new.js conc
11.查看青龙密码 注意你的容器及文件夹名称
docker exec -it qinglong cat /ql/config/auth.json
12.删除7天前的所有日志
docker exec -it qinglong ql rmlog 7
13.启动青龙bot 前提你已配置好青龙BOT
docker exec -it qinglong ql bot
14.查看全部容器(包含停止的容器)
docker ps -a
16.停止容器
docker stop 容器ID
18.启动容器
docker start 容器ID
19.删除容器
docker rm 容器ID
20.删除镜像
docker rmi 镜像ID
21.停止并删除全部容器
docker stop $(docker ps -q) & docker rm $(docker ps -aq)
22.删除所有镜像[需先执行21条]
docker rmi -f $(docker images -qa)

【Docker容器+青龙面板安装代码】

系统版本:CentOS 7.6 64bit

---------------------------------------------------------------------------------------------------------

HOST修改 可以直连 Github 方便以后库连接

使用 Final Shell 

打开:/etc/hosts

在最后面添加

13.114.40.48 github.com
13.114.40.48 github.global.ssl.fastly.net
13.114.40.48 nodeload.github.com
13.114.40.48 api.github.com
13.114.40.48 codeload.github.com

直接替换github.com 秒拉库绝不卡网络

https://gh.fakev.cn/
https://hub.fastgit.xyz/
https://hub.0z.gs

范例:https://github.com/xxxxxx/xxxxxx.git
替换:https://hub.0z.gs/xxxxxx/xxxxxx.git

Docker容器安装

①  几秒后提示按Y即可

yum install docker-io –y

②  复制下面代码执行 回车2下

sudo systemctl start docker
sudo systemctl status docker
sudo systemctl enable docker

-------------------------------------------------------------------------------------

【青龙面板安装】

①  2.10.13 稳定版 ID:qinglong 端口5700

docker run -dit \
-v /root/ql/config:/ql/config \
-v /root/ql/log:/ql/log \
-v /root/ql/db:/ql/db \
-v /root/ql/scripts:/ql/scripts \
-v /root/ql/jbot:/ql/jbot \
-v /root/ql/rep
<think>好的,我现在需要解决用户提到的nvidia-dali-nvtf-plugin版本不匹配的问题。用户当前安装的版本是0.26.0+nv20.10,但需要的版本可能更高或者有其他要求。首先,我应该回忆一下常见的版本不匹配解决方法。 首先,用户可能是在安装某些深度学习框架(比如TensorFlow或PyTorch)时遇到了这个插件的问题。根据用户提供的引用,他们之前可能尝试过源码编译安装但失败了,后来参考了NVIDIA官方的文档使用预编译版本。这可能涉及到CUDA版本和框架版本之间的兼容性问题。 接下来,我需要确定nvidia-dali-nvtf-plugin的版本与当前安装的CUDA版本、TensorFlow/PyTorch版本是否兼容。例如,DALI(NVIDIA Data Loading Library)通常需要与CUDA版本匹配。用户提到的nv20.10可能对应CUDA 11.0或者Ubuntu 20.10的系统版本?需要进一步确认。 根据引用[2],用户可能在使用安培架构的GPU(如A100或3090),而NVIDIA官方为这些GPU提供了特定的TensorFlow版本。如果用户安装的TensorFlow是针对CUDA 11.x编译的,而nvidia-dali-nvtf-plugin 0.26.0可能依赖旧版本的CUDA,就会导致冲突。 解决方案可能包括:1)升级nvidia-dali-nvtf-plugin到兼容的版本;2)调整CUDA版本或深度学习框架版本以适配现有插件;3)通过官方渠道查找正确的安装方法。 另外,用户之前尝试过源码编译失败,所以可能需要寻找预编译的版本。查看NVIDIA的DALI文档,确定最新版本是否支持所需的CUDA和框架版本。例如,DALI 0.26.0可能对应CUDA 11.0,而用户环境可能已经升级到了CUDA 11.2或更高,导致不兼容。 此外,可能需要检查pip或conda的仓,查看是否有更新的nvidia-dali-nvtf-plugin版本。或者,用户可能需要安装特定构建标签的版本,例如指定cuda版本或框架版本。 最后,还要考虑依赖关系,比如确保其他如nvidia-dali、CUDA工具包、cuDNN等都保持版本一致。如果用户的环境中有混合版本,可能需要清理并重新安装所有相关组件,确保版本对齐。</think>### 解决nvidia-dali-nvtf-plugin版本不匹配问题 #### 1. **验证当前环境依赖** - **CUDA版本**:通过`nvcc --version`或`cat /usr/local/cuda/version.txt`检查CUDA版本。例如,若使用A100/3090显卡,通常需要CUDA 11.x或更高版本[^2]。 - **深度学习框架版本**:确认TensorFlow/PyTorch是否通过官方预编译版本安装(如用户引用的TensorFlow 1.15适配安培架构)。 - **DALI版本**:通过`pip list | grep nvidia-dali`查看当前安装的`nvidia-dali-nvtf-plugin`及其相关的版本。 #### 2. **升级nvidia-dali-nvtf-plugin** - 若当前版本为`0.26.0+nv20.10`,需升级到与CUDA和框架兼容的版本。例如: ```bash pip install --upgrade nvidia-dali-nvtf-plugin==1.0.0+nv22.06 # 示例版本,需替换为实际支持版本 ``` - 通过[NVIDIA DALI官方文档](https://docs.nvidia.com/deeplearning/dali/user-guide/docs/installation.html)查找支持当前CUDA版本的插件版本。 #### 3. **对齐CUDA与框架版本** - 若CUDA版本过高(如11.5),但插件仅支持CUDA 11.0,需降级CUDA或选择更高版本的DALI插件。 - 对于TensorFlow 1.15用户,需确保CUDA版本为11.0,并安装对应的`cudnn`和`nvidia-tensorflow`。 #### 4. **使用Conda统一管理环境** - 通过Conda安装可自动解决依赖冲突: ```bash conda install -c nvidia nvidia-dali-nvtf-plugin ``` #### 5. **清理冲突依赖** - 卸载当前不兼容的版本并重新安装: ```bash pip uninstall nvidia-dali-nvtf-plugin nvidia-dali-cuda110 # 根据实际CUDA版本调整 pip install nvidia-dali-nvtf-plugin==1.0.0 --no-deps # 动控制依赖 ``` #### 6. **验证安装** -简单测试代码: ```python import nvidia.dali.plugin.tf as dali_tf print(dali_tf.__version__) ``` --- ###
评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值