不小心删除了linux mint的通知区域怎么办?(上网icon)

本文介绍如何通过终端命令恢复Linux系统的用户设置到初始状态,包括备份旧设置和创建新账户。

恢复 默认的用户设置(软件还依然保留),只是在home下新建了一个账户:

操作:打开终端

sudo -i //以root用户登陆

mv /home/qq  /home/qq_backup //将之前的账户变为backup

mkdir /home/qq  //新建账户

chown -R qq:qq /home/qq //更改权限   chmod -R该文件夹内的所有文件/文件夹都改为指定的权限

//此时再登陆qq,桌面全部变成了virgin状态。

恢复:

sudo -i

mv /home/qq  home/qq_virgin

mv /home/qq_backup /home/qq

 

转载于:https://www.cnblogs.com/qqcwannagraduate/p/5279027.html

<think>我们正在回答如何在LinuxMint上安装IntelMKL的问题。注意,用户之前的问题是关于安装NNPACK,但现在转向了MKL安装。根据引用[1],我们知道MKL是IntelMathKernelLibrary,用于高性能数学计算。同时,引用[2]提到LinuxMint是基于Ubuntu的,因此我们可以参考Ubuntu的安装方法。由于MKL是Intel的专有软件,我们需要从Intel官方网站获取安装包。安装过程大致包括:下载安装包、运行安装脚本、设置环境变量。步骤:1.访问Intel官网获取MKL安装包(需要注册并获取下载链接)。2.下载完成后,运行安装脚本。3.配置环境变量,以便系统能够找到MKL库。详细步骤:###步骤1:注册并下载IntelMKL访问[Intel®oneAPIBaseToolkit](https://www.intel.com/content/www/us/en/developer/tools/oneapi/base-toolkit-download.html)页面(或者直接搜索IntelMKL下载)。选择适用于Linux的在线或离线安装程序。这里我们以离线安装为例,下载`.sh`文件。###步骤2:安装依赖在安装MKL之前,确保系统有必要的依赖:```bashsudoaptupdatesudoaptinstall-ybuild-essentialcmakewget```###步骤3:运行安装脚本假设下载的文件名为`l_onemkl_p_2024.0.0.50.sh`(版本号可能同),将其放在用户主目录或下载目录中。然后:```bashcd~/Downloads#假设文件在此目录chmod+xl_onemkl_p_2024.0.0.50.shsudo./l_onemkl_p_2024.0.0.50.sh```安装过程中会启动图形界面或命令行界面。按照提示进行安装,通常选择默认选项即可。###步骤4:设置环境变量安装完成后,需要设置环境变量。MKL通常安装在`/opt/intel/oneapi/mkl/`(具体版本路径可能同)。运行以下命令设置环境变量:```bashecho"source/opt/intel/oneapi/mkl/latest/env/vars.sh">>~/.bashrcsource~/.bashrc```###步骤5:验证安装创建一个简单的C程序(test_mkl.c)来测试MKL:```c#include<stdio.h>#include<mkl.h>intmain(){doubleA[]={1.0,2.0,3.0,4.0};doubleB[]={5.0,6.0,7.0,8.0};doubleC[4]={0.0};cblas_dgemm(CblasRowMajor,CblasNoTrans,CblasNoTrans,2,2,2,1.0,A,2,B,2,0.0,C,2);printf("Resultmatrix:\n");printf("%f%f\n",C[0],C[1]);printf("%f%f\n",C[2],C[3]);return0;}```编译并运行:```bashgcctest_mkl.c-otest_mkl-lmkl_rt-L${MKLROOT}/lib/intel64-I${MKLROOT}/include./test_mkl```如果输出矩阵乘法结果(应为19.0,22.0,43.0,50.0),则安装成功。###常见问题1.**安装过程中出现“UnsupportedOS”警告**:如引用[1]所述,可以忽略继续安装。2.**环境变量未生效**:确保`source~/.bashrc`执行,或者重新打开终端。3.**编译时找到库**:检查`MKLROOT`环境变量是否设置正确,通常由`vars.sh`脚本设置。###相关问题1.如何在CMake项目中链接IntelMKL?2.IntelMKL与OpenBLAS在性能上有何差异?3.如何配置PyTorch或TensorFlow以使用IntelMKL?注意:由于MKL是商业软件,免费版本(通过oneAPI)对于大多数用户已经足够,但需遵守许可协议。</think>### 在 Linux Mint 上安装 Intel MKL 的完整指南 Intel MKL (Math Kernel Library) 是一套高度优化的数学库,特别适用于科学计算和机器学习。以下是针对 Linux Mint 的安装步骤: #### 📥 步骤1:下载 MKL 安装包 访问 [Intel 官方注册页面](https://registrationcenter.intel.com/) 获取安装包: ```bash wget https://registrationcenter-download.intel.com/akdlm/IRC_NAS/.../l_onemkl_p_2024.0.0.50.sh ``` > **注意**:链接会随版本更新变化,请访问 [Intel 下载中心](https://www.intel.com/content/www/us/en/developer/tools/oneapi/base-toolkit-download.html) 获取最新链接[^1]。 #### 🧰 步骤2:安装依赖项 ```bash sudo apt update sudo apt install -y build-essential cmake tar pkg-config sudo apt install -y libtbb-dev # 线程构建模块 ``` #### ⚙️ 步骤3:运行安装脚本 ```bash chmod +x l_onemkl_p_*.sh # 添加执行权限 sudo ./l_onemkl_p_*.sh # 启动安装向导 ``` 在安装向导中选择: 1. 接受许可协议 2. 选择安装路径(默认 `/opt/intel/oneapi/`) 3. 选择完整安装(约 8GB 空间) #### 🔧 步骤4:配置环境变量 编辑 `~/.bashrc`: ```bash echo "source /opt/intel/oneapi/setvars.sh" >> ~/.bashrc source ~/.bashrc # 立即生效 ``` 验证配置: ```bash echo $MKLROOT # 应显示类似 /opt/intel/oneapi/mkl/latest ``` #### ✅ 步骤5:验证安装 创建测试程序 `test_mkl.c`: ```c #include <stdio.h> #include <mkl.h> int main() { double A[] = {1.0, 2.0, 3.0, 4.0}; double B[] = {5.0, 6.0, 7.0, 8.0}; double C[4]; cblas_dgemm(CblasRowMajor, CblasNoTrans, CblasNoTrans, 2, 2, 2, 1.0, A, 2, B, 2, 0.0, C, 2); printf("Matrix product:\n%.1f %.1f\n%.1f %.1f\n", C[0], C[1], C[2], C[3]); return 0; } ``` 编译并运行: ```bash gcc test_mkl.c -o test_mkl -lmkl_rt ./test_mkl ``` 成功输出: ``` Matrix product: 19.0 22.0 43.0 50.0 ``` #### 🔄 步骤6:配置动态链接库 ```bash sudo tee /etc/ld.so.conf.d/mkl.conf << EOF /opt/intel/oneapi/mkl/latest/lib/intel64 /opt/intel/oneapi/compiler/latest/linux/compiler/lib/intel64_lin EOF sudo ldconfig ``` #### ⚠️ 常见问题解决 1. **许可证问题**: ```bash sudo /opt/intel/oneapi/mkl/latest/licensing/lmgrd/install.sh ``` 2. **兼容性问题**: ```bash export MKL_THREADING_LAYER=GNU # 解决与GCC的兼容问题 ``` 3. **空间足**: 安装时选择自定义安装,仅安装必要组件 #### 🧪 性能测试 运行基准测试: ```bash cd $MKLROOT/benchmarks ./linpack_64 ``` ### 技术优势 MKL 通过以下技术提供卓越性能: 1. **多核优化**:自动利用所有 CPU 核心进行并行计算[^1] 2. **高级向量化**:使用 AVX-512 等指令集加速矩阵运算 3. **内存优化**:智能内存管理减少缓存未命中率 4. **数学函数优化**: - BLAS/LAPACK 函数优化 - FFT 快速傅里叶变换 - 稀疏矩阵求解器 $$ \text{性能提升} = \frac{T_{\text{原生}}}{T_{\text{MKL}}} \times 100\% $$ 典型场景可获得 3-5 倍的性能提升[^1]。 --- ### 相关问题 1. 如何验证 PyTorch 或 TensorFlow 是否正在使用 MKL 加速? 2. MKL 与 OpenBLAS 在科学计算中的性能对比如何? 3. 在 Docker 容器中部署 MKL 需要哪些特殊配置? 4. 如何针对特定 CPU 架构优化 MKL 的性能? [^1]: Intel MKL 官方文档与安装指南 [^2]: Linux 发行版间依赖管理的差异
评论
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