wangpan007的博客

一、$的常用命令$0 shell的命令本身(包括完整路径)$1到$9 数字表示shell 的第几个参数 $# 传递到脚本的参数个数$* 以一个单字符串显示所有向脚本传递的参数$$ 脚本运行的ID号$! 后台运行的最后一个进程的ID号$@ 与$*相同。$- 显示shell使用的当前选项。$? 显示最后命令的执行状况。0表示没有错误。二、例子[qingxu@v020170 /tmp]$ ./test.sh p1 p2$0 is { ./test.sh }$1 i

一、run_DELPHI.sh文件的理解#!/bin/bash#set -x# This is the DELPHI program entrance# Usage: ./run_DELPHI.sh [INPUT_FN]which python #查看python解释器的路径export INPUT_FN=$1 #export的作用表示新增一个INPUT_FN的环境变量，INPUT_FN这个变量表示输入蛋白质的序列，$1表示执行脚本的第一个参数。# OUT_DIR=${PRO_DIR}/tm

方法一、conda list则说明CUDA和CUDNN已经配置成功方法二、nvcc -V如果安装成功会输出CUDA的版本信息（V要大写），如果没有安装nvcc，那么可以选择安装或者采用一方法，采用服务器可能出现没有权限的情况，需要得到root权限安装nvcc方法三、打开CUDA和CUDNN目录cat /usr/local/cuda/version.txt...

运行tensorflow代码的时候出现以下错误：RuntimeWarning: compiletime version 3.5 of module 'tensorflow.python.framework.fast_tensor_util' does not match runtime version 3.6解决方法一：忽略警告（警告信息，其实并不影响输出结果）输入以下TF调试代码有结果 ： import tensorflow as tf hello = tf.constant("Hell

一、前提条件1、确保linux服务器已经安装好虚拟环境，并且虚拟环境已经python的相关环境（连接服务器也可以进行环境配置）。2、通过Xsheel激活虚拟环境然后通过pip安装相关的包，当然也可以通过pycharm的terminal进行相关库 安装。二、连接服务器1、进入pycharm的Tools栏2、选择文件传输协议为SFTP，输入服务器的IP、端口、密码进行连接，不出意外的情况下应该是能够连接成功的。3、选择本地和服务器的文件路径三、采用服务器的解释器1、file-setings

一、通过anaconda安装前提条件：确保linux服务器已经安装了anaconda，如果没有安装可以参考其他博客进行安装。基本操作：1、创建虚拟环境conda create --name fantacy python=3.6.12 # 创建虚拟环境–name：也可以缩写为 【-n】，【fantacy】是新创建的虚拟环境的名字,python=3.6.12：是python的版本号。若未指定，默认为当前环境的python版本.环境默认本地地址为：anaconda的目录下找到envs/fantac

在GPU跑tensorflow出现了这个问题：Cannot assign a device for operation strided_slice_2: node strided_slice_2 (defined at D:\anaconda\lib\site-packages\tensorflow_core\python\framework\ops.py:1748) was explicitly assigned to /device:GPU:1 but available devices are [

一、查看 CUDA 版本方法一：通过命令执行nvcc --version得到如下结果，说明CUDA的版本是10.0方法二：去安装目录下核查，如下图所示，版本为10.0二、查看 cuDNN 版本通过进入 CUDA 的安装目录查看文件 cudnn.h 得到下图的结果，得到下图的结果，说明cudnn的版本是7.4.1。友情提示：如果是因为安装tensorflow-gpu的需要安装CUDA以及cudnn，一定要搞清楚tensorflow-gpu需要的CUDA以及cudnn的版本要求。.