！！！Ubuntu下相关命令！！！
！！利用GPU跑代码涉及的命令行指令！！
进入子路径：cd 子路径名 回车
返回至根目录 cd ..回车
查看实验室的GPU占用情况：nvidia-smi
谁在占用GPU：who
动态显示谁在输入什么命令之类的：top
杀死进程：先用nvidia-smi显示正在使用情况 PID，然后杀死进程，kill -9 PID号。
#进入虚拟环境
处于rootPath：who -Z270-HD3:~$
从rootPath进入virtualEnvi：who -Z270-HD3:~$ source activate tensorflow
处于virtualEnvi：(tensorflow) who-Z270-HD3:~$
#查找本机IP：ip addr
#当前文件夹下的内容列表(list)
input：(tensorflow) who-Z270-HD3:~/miniconda3$ ls
output：
bin envs lib share
compiler_compat etc LICENSE.txt ssl
conda-meta include pkgs x86_64-conda_cos6-linux-gnu
Ps：“ll”等价于“ls -l”它是输出该文件夹下的详细内容。
#某个文件夹的位置：find -name 文件夹名(eg：torch)
！！软件安装！！
#sudo的含义：
sudo是superuser do的简写，其含义是以超级用户的权限运行，普通用户无法执行许多命令，比如说安装程序。
#Ubuntu下apt-get install安装与pip install安装的区别
ddd：pip安装 the package of python，apt-get用于安装 the package of system(系统的包)。
#ubuntu安装解压rar文件:
solution：sudo apt-get install unrar
#ubuntu自带截图工具screenshot及快捷键的设置
https://blog.csdn.net/qq_38880380/article/details/78233687
#python安装在哪儿？查找可执行文件的安装位置
input：(tensorflow) who-Z270-HD3:~/miniconda3/envs$ which python
output：/home/who/.conda/envs/tensorflow/bin/python
#ubuntu下装teamviewer
https://blog.csdn.net/manjianchao/article/details/78566029
1. 查看Ubuntu的是64还是32位：sudo uname –m(返回值为x86_64就是64位系统的)，然后在teamviewer官网下载Ubuntu的安装包：teamviewer_11.0.xxxxx_i386.deb。
2. 在安装包所在的文件夹下执行安装命令：sudo dpkg -i teamviewer_11.0.xxxxx_i386.deb，可能会报错缺少依赖包的安装，如下图所示：
然后执行：sudo apt-get install –f (–”是2根“-”)
再次执行命令：sudo dpkg -i teamviewer_11.0.xxxxx_i386.deb
3. 接受license。在computer/opts/路径下找到teamviewer文件夹，文件夹中内容如下所示。标黄部分即为可执行文件，双击，在弹出来的对话框中“接受license”。
4. 执行命令停止服务：sudo teamviewer --daemon stop
5. 修改配置文件。
（1）别人的方法
进入子路径：cd /opt/teamviewer/config/
查看当前路径下内容列表：ll(2个小写的“L”)
文本编辑器查看：sudo vim global.conf
在末尾添加如下内容，然后保存退出，命令“wq”
[int32] EulaAccepted = 1
[int32] EulaAcceptedRevision = 6
查看修改后的文件：cat global.conf
（2）我的方法：深入路径，对global.conf内容进行添加。
找到
，在终端中输入：sudo nautilus global.conf，以管理员权限打开文件，添加相应内容至末尾，保存退出。
若结合网址(https://blog.csdn.net/williamfan21c/article/details/56495261)对vim的相关命令进行理解后还是会使用方法（1）了。
6. 启动teamviewer：sudo teamviewer --daemon start
7. 然后再打开teamviewer的UI，就有ID和密码了，无人值守的密码设置见“optionsàsecurity”
若按照流程走下来没错就好，若UI中出现的“connection错误”，我尝试了sudo dpkg -i teamviewer_11.0.xxxxx_i386.deb命令再次进行安装，反复几次就安装成功了。
#ubuntu下VScode的安装
下载安装包后执行命令sudo dpkg -i code_1.19.2-1515599945_amd64.deb，就可以在菜单栏看到VScode这个软件了。使用命令“code”，就像打开matlab一样也能打开VScode。
！！！Windows下分割数据集标注软件labelme的安装与使用！！！
1. 语义分割标记数据的软件labelme：https://github.com/wkentaro/labelme
2. NotWritableError: The current user does not have write permissions to a required path。https://blog.csdn.net/qq_29680341/article/details/82917703
3. 安装的命令行指令：
conda create --name=labelme python=3.6
conda activate labelme
pip install pyqt5
pip install labelme
4. 如何使用labelme软件？
以管理员方式打开Anaoconda Prompt
输入：conda activate labelme
输入：labelme 打开软件
在UI界面完成标记，输出.json文件后，尝试将其转化为label.png。操作如下所示：
命令行指令：labelme_json_to_dataset input_json_name –o output_path
eg：input_json_name = “E:/imgsForLabel/pic1.json”
output_path = “E:/imgsForLabel/pic1_json”
输出：Saved to: F:/labelme-master/labelme/cli/pic1_json
PS：除此之外还有https://github.com/abreheret/PixelAnnotationTool，有.exe可直接使用；使用watershed marked算法，在前景和背景上分别做少许标记，就能完成分割，较智能化。但是感觉该软件一言不合就崩掉。
！！！运行代码报的错及解决方法！！！
#训练时
ImportError:No module named cv2
解决方法：pip install opencv-python
#测试时：
ModuleNotFoundError: No module named 'tqdm'
解决方法：pip install tqdm
！！！python的相关命令！！！
1. 查看已安装的包及版本： pip list
2. python 包的安装、卸载、升级等：https://www.cnblogs.com/wangzhao2016/p/6564362.html，重点涉及一次性在线安装多个包：pip install -r requirements.txt
3. visdom用于画图。
！！！pytorch的相关知识点！！！
1. 查看变量类型：(黄色内容为输入)
2. 数据类型转换：int(x)，float(x)…https://www.cnblogs.com/paranoia/p/6164547.html
3. numpy中array数据的.size = 各个通道数的乘积，shape才是各个通道数的大小。
4. 输出log文件时报错，学习byte与str之间的转换：https://blog.csdn.net/bible_reader/article/details/53047550
5. TypeError: split() got an unexpected keyword argument 'split_size'。
之后将’split_size’这个参数去掉之后，报错：TypeError: split() missing 1 required positional argument: 'split_size_or_sections'，于是将'split_size'更改为'split_size_or_sections'问题就解决了。
6. AttributeError: 'dict' object has no attribute 'has_key'
7. 代码过长的换行：python代码换行就是每行后面加个 “\”。
8. permute：
9. contiguous()：https://blog.csdn.net/appleml/article/details/80143212
10. a = torch.rand(1, 2, 3, 4) #即torch.Size(1, 2, 3, 4)。为什么a[:, 0]是一个torch.Size(1, 3, 4)的tensor？A：索引在哪个维度上就略掉该维度，输出其他维度上的所有内容。
11. unsqueeze：tensor维度的增加。
