sudo

置顶，懒得看具体细节的同学可以直接用 我的GitHub安装脚本 进行环境配置 1 环境配置 1.1 工作环境 自带 python3.6 + python3.6-dev + TensorFlow2.0 + TF2.0相关包 1.2 其他美化 zsh + oh_my_zsh 美化终端 ； SpaceVim 加强vim 2 常见问题 2.1 APT 包找不到 建议使用 中科大 源， 而非 清华 源，因为清华源对 Ubuntu 和 Ros 更新速度较慢。 （如本次我就没有在清华源找到 python3.6-dev ） 2.2 TF 编译附带包失败 Nvidia 官方 TF for JetPack 讲的问题比较清楚，但缺少了安装 python3.6-dev 。 缺少dev会导致cython在编译包时失败并提示 unable to find pgen, not compiling formal grammar. 这是一个非常有误导性的错误，我尝试安装了对应版本的pgen，但仍然报错；直到在StackOverFlow 上找到一个相似的问题，安装dev后解决 3 代码 #！/bin/bash echo -e "\033[1;31m Install basic env\033[0m" echo -e "\033[1;32m Changing APT.Sources...\033[0m" sleep 2

前言 本篇演示如何使用 AWS EC2 云服务搭建集群。当然在只有一台计算机的情况下搭建完全分布式集群，还有另外几种方法：一种是本地搭建多台虚拟机，好处是免费易操控，坏处是虚拟机对宿主机配置要求较高，我就一台普通的笔记本，开两三个虚拟机实在承受不起； 另一种方案是使用 AWS EMR ，是亚马逊专门设计的集群平台，能快速启动集群，且具有较高的灵活性和扩展性，能方便地增加机器。然而其缺点是只能使用预设的软件，如下图： 如果要另外装软件，则需要使用 Bootstrap 脚本，详见 https://docs.aws.amazon.com/zh_cn/emr/latest/ManagementGuide/emr-plan-software.html?shortFooter=true ，可这并不是一件容易的事情，记得之前想在上面装腾讯的 Angel 就是死活都装不上去。 另外，如果在 EMR 上关闭了集群，则里面的文件和配置都不会保存，下次使用时全部要重新设置，可见其比较适用于一次性使用的场景。 综上所述，如果使用纯 EC2 进行手工搭建，则既不会受本地资源限制，也具有较高的灵活性，可以随意配置安装软件。而其缺点就是要手工搭建要耗费较多时间，而且在云上操作和在本地操作有些地方是不一样的，只要有一步出错可能就要卡壳很久，鉴于网上用 EC2 搭建这方面资料很少

Ubuntu16.04安装jdk，下载linux中的64版本 需要下载jdk，tomcat安装包 tar.gz版本的 http://pan.baidu.com/s/1mi4WVhA 安装JDK: hongdada@ubuntu:~$ sudo mkdir /java [sudo] hongdada 的密码： hongdada@ubuntu:~$ cd /Downloads bash: cd: /Downloads: 没有那个文件或目录 hongdada@ubuntu:~$ cd Downloads/ hongdada@ubuntu:~/Downloads$ sudo mv jdk-8u121-linux-x64.tar.gz /java hongdada@ubuntu:~/Downloads$ sudo tar -zxvf jdk-8u121-linux-x64.tar.gz tar (child): jdk-8u121-linux-x64.tar.gz：无法 open: 没有那个文件或目录 tar (child): Error is not recoverable: exiting now tar: Child returned status 2 tar: Error is not recoverable: exiting now hongdada@ubuntu:~

Lenovo小新pro 13.3，AMD处理器，Ubuntu 18.04双系统安装，解决wifi适配器问题 前言 Ubuntu的安装 Wifi适配器的问题 前言 再装之前看了好几篇相关的帖子，博客，但是自己下手装的时候还是有一些小问题，而且基本大家都是Intel的处理器，不过安装的时候没发现有什么区别。 首先要了解自己机器的配置，联想自带的电脑管家就可以看到。 注意一下网卡，这是个坑，联想的官方只支持windows，在官网上也找不到Liniux的支持，后便会给出解决方案。 查看自己的硬盘，反正我的是单硬盘的。 只是安装之后的情况，安装ubuntu之前需要在windows下分出一部分空间，一般40G就够用，不过我分了100G。 然后去下ubuntu的镜像，找一个2G以上的的U盘刻录一下（现在应该没有2G一下的了吧）。 Ubuntu的安装 主要说一下BIOS的问题，我看到很多说小新开机不能进入U盘启动项的问题，也去了 联想官网 ，根据自己的电脑型号查了一下BIOS的驱动。 安装的时候报错，具体的英文记不住了，大意就是说我的驱动版本相同或Older，安装失败。不过我想这一般新买来的话应该驱动都是最新的，所以应该是不需要更新，后边也没发现有什么问题。所以就跟其他的电脑安装没啥区别啦。 这部分网上有很多教程，可以参考一下 这个教程 。 写的很全面，我就不班门弄斧了，而且截图确实麻烦，偷了懒。

mac上，一开始创建的具有管理员权限的用户，但是那个用户密码，不是进入root的密码，当运行su - 这个命令时，会提示输入密码，而输入自己用户密码后报 su ：sorry， 其实， 需要使用 sudo su - 命令可以进入root用户， 或者输入sudo su命令，进入sh-3.2#，这里注意这个#号， 在linux中就是代表root权限的，这时在sh-3.2#环境下输入su - 命令，也可以进入root。 来源： 51CTO 作者： lifeneedyou 链接： https://blog.51cto.com/chenhva/2426988

　　最近开始尝试Deep Learning的东西，师兄推荐了Caffe，开始尝试如何配置Caffe运行所需环境。 　　OK，开始动手。 　　找到Caffe官网的安装指南：http://caffe.berkeleyvision.org/installation.html，着实被安装的预备条件吓了一下，好大一坨，没办法，安装需求，硬着头皮也要上啊，一项一项开始走起～（另外，这篇http://blog.csdn.net/yuxiangyunei/article/details/50165519博文也给出了一些安装步骤，我这里基本都是自己编译的包，并不是同该博文中的使用Ubuntu软件库进行的安装配置，大家可以参考一下这位大牛的步骤。） 1、CUDA和BLAS安装 　　CUDA安装包和驱动的下载去NVIDIA官网下就好，Caffe官方推荐的是最新的CUDA 7.0及以上版本，所以，追了一把潮流，来了一个7.5版本的，驱动来个Linux环境下的闭源驱动，如果已经安装Linux下Additional Driver推荐的驱动的话，需要卸载重新安装，这个通过系统工具安装的驱动是没办法安装从官网下载的CUDA工具包的（记得之前是这个样子），这里也没有选择通过apt-get安装的CUDA版本，一步一步走起，感觉能更好的理解整个安装过程，而且，也知道自己安装的东西所在目录吧。 　 a) CUDA 7