一日多技，技能-Linux-Python 006

Linux

“1、vim 操作：光标快速移动到行首/行尾？ ”

在非编辑模式下（一般按 ESC 进入非编辑模式）：

• 按0键移动到行首
• 按$键（shift + 4）移动到行尾

“2、shell 脚本传递参数？ ”

创建镜像后如果快速运行镜像，docker run 有很多参数，只有少部分会修改，如果每天创建很多容器，每次都完整输入一次命令就很麻烦，容易出错，这时我们可以写一个 shell 脚本，把会修改的值变成参数，然后运行脚本的时候传递会变的参数即可。

• 脚本内容

docker run -it --rm --gpus all -p $1:5901 $2 bash

• 简单解释下

docker run 使用镜像创建容器并运行

-it 交互模式运行

--gpus all 使容器内可以调用本地gpu

-p $1:5901 建立本地和容器内的端口映射，本地端口 $1 是脚本的第一个参数，可以启动的时候自定义；5901是容器内的端口，作用：在容器内启动服务部署到5901端口，就可以在本地 通过 localhost:$1 访问了

$2 第二个参数，镜像名称:tag 或者 镜像id
bash 使用 bash 终端

有人可能会好奇，为什么第一个参数不是

0 表示脚本的文件名称，$1 开始才是我们指定的参数。

• 操作起来

用 vim 新建一个run.sh文件，将上面的脚本内容写入，然后保存文件，再给文件赋予可执行权限。

vim run.sh
chmod +x run.sh

下次我们要docker run 创建并运行容器的时候，就可以直接用我们新建的这个脚本了。

./run.sh 本地端口 镜像id
# 如 ./run.sh 5901 42f1d7451649

完美。

“3、unzip 解压乱码怎么办？ ”

unzip 解压一个 zip 资源文件，解压出来的文件名称都乱码了（如上图）。这种情况，一般是压缩包编码问题导致，在 unzip 时添加 -O 参数，参数值为：cp936（cp936 即 code page 936（代码页936）是以GBK（国标扩展字符集）为基础的编码）。

unzip -O cp936 案例2资源-1663747915.zip 

Python

“1、'ConfigDict' object has no attribute 'device' ”

运行 mmdetection demo的时候出现标题中错误，在 mmdetection/demo/MMDet_InstanceSeg_Tutorial.ipynb 的Train a new detector的第一个代码块中 加入：cfg.device='cuda'：

from mmdet.datasets import build_dataset
from mmdet.models import build_detector
from mmdet.apis import train_detector


# Build dataset
datasets = [build_dataset(cfg.data.train)]

# Build the detector
model = build_detector(cfg.model)

# Add an attribute for visualization convenience
model.CLASSES = datasets[0].CLASSES

# Create work_dir 
'''
这里加入
'''
cfg.device='cuda'
mmcv.mkdir_or_exist(osp.abspath(cfg.work_dir))
train_detector(model, datasets, cfg, distributed=False, validate=True)

参考：https://github.com/open-mmlab/mmdetection/issues/7901

“2、Cuda11.3 安装 tensorflow1.15？ ”

tensorflow 官网中，tf1.15 只支持cuda10.0（也就是官方给你编译好的包只有基于cuda10.0的），而较新的显卡（比如 安培系列，A2000 A40等），只支持 cuda 11及以上。

如果想在 安培系列 显卡上使用 tf1.15，就只有自己重新编译安装 tf（不一定能成功，还贼麻烦），这里给大家分享一种方法：安装：nvidia tensorflow，这是英伟达官方出的一个开源项目，支持在 cuda11 上安装使用 tf1.15，与官方的 TensorFlow 1.15版本兼容。

安装要求：

- Ubuntu 20.04 或者更高版本
- 显卡算力大于等于5.2
- 有 GPU 显卡，安装了 cuda11 或者更高版本和对应的 NVIDIA 显卡驱动 
- Python 3.8
- pip 19.0 or later

除了必须有显卡，安装了显卡驱动和cuda，其他的也可以不一致，这样需要自己编译安装，具体方法参考：https://github.com/NVIDIA/tensorflow#build-from-source

如果按官方指定配置来，就简单多了，直接从官方源下载安装编译好的 whl 包即可。

pip install nvidia-pyindex
pip install nvidia-tensorflow

今天分享就这些啦，希望对大家有所帮助，这是一个新栏目，总结下每天遇到的问题，记录分享给大家。

欢迎大家分享下自己每天遇到的问题和解决方法，每周我会从留言中选一些汇总起来，形成一期：〈读者：一日多技〉