du -sh ./* 显示当前目录下所有文件的大小

-s 显示文件或整个目录的大小，默认单位为KB

-h输出文件系统分区使用情况，例如：1KB、1MB、1GB

lsb_release -a

例如：0522.py结尾的python文件

ps -ef | grep 0522.py

https://pytorch.org/get-started/previous-versions/

https://pytorch.org/get-started/locally/

取消进base: conda config --set auto_activate_base false

重新进base: conda config --set auto_activate_base true

方法一：

第一步：首先退出环境 conda deactivate

第二步：查看虚拟环境列表，此时出现列表的同时还会显示其所在路径 conda env list

第三步：删除环境 conda env remove -p 要删除的虚拟环境路径

conda env remove -p /home/kuucoss/anaconda3/envs/tfpy36 #我的例子

方法二：

第一步：首先退出环境 conda deactivate

第二步：删除环境 conda remove -n 需要删除的环境名 --all

#环境复制命令： conda create -n traget_env_name --clone source_env_name

举例： conda create -n my_numpy --clone numpy (创建一个新的环境my_numpy，由numpy复制而来)

1.添加镜像channel。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

2.删除镜像channel。

conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

3.展示目前已有的镜像channel。

conda config --show channels

https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/

https://mirrors.aliyun.com/pypi/simple/

https://pypi.douban.com/simple

https://pypi.mirrors.ustc.edu.cn/simple/

https://blog.csdn.net/qq_44722189/article/details/140957031

pip install conda-pack
conda pack -n your_env_name -o your_env_name.tar.gz
tar -xzvf your_env_name.tar.gz -C conda3/envs/your_env

https://blog.csdn.net/a61022706/article/details/122228080

服务器终端中输入

$ tensorboard --logdir=./runs

本地终端中输入：

ssh -L 16006:127.0.0.1:6006 user@sevcerip

16006:本地端口号;
127.0.0.1:本地ip;
6006:服务器端口号;

浏览器输入

http://127.0.0.1:16006/

logger = logging.getLogger(__name__) 
logger.setLevel(level = logging.INFO) 
current_date = datetime.now().strftime('%Y%m%d%H%M%S') 
formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s') 
handler = logging.FileHandler("/content/gdrive/MyDrive/Models/STFGNN/"+str(current_date)+"_log.txt") 
handler.setLevel(logging.INFO) 
handler.setFormatter(formatter) 
sh = logging.StreamHandler() 
sh.setLevel(logging.INFO) 
sh.setFormatter(formatter) 
logger.addHandler(handler) 
logger.addHandler(sh)

sudo update-ca-certificates

ffmpeg -framerate 10 -i ./output/1014_sim_7/%05d.png -vf "pad=ceil(iw/2)*2:ceil(ih/2)*2" -c:v libx264 -r 10 -pix_fmt yuv420p ./output/10014_sim_7.mp4

• ALT+ 鼠标左键 选中多行同时编辑；
• 选中多行,按TAB键可统一向右移动；
• 按住 CTRL + ALT，再按键盘上的上或下键，可以使一列上出现多个光标；
• 选中一段文字，按SHIFIT + ALT + i，在每行末尾都会出现光标；
• 按SHIFIT + ALT，再使用鼠标拖动，也可以出现竖直的列光标，同时可以选中多列；
• 选中文本后，CTRL + [ 和 CTRL + ] 可实现文本的向左移动 和 向右移动；
• CTRL + SHIFIT + L 选中编辑代码中相同的内容；

Could you try registering (or re-registering) at https://waymo.com/open/licensing/ This process should grant you access to the dataset files.

total = sum([param.nelement() for param in model.parameters()])

print("Number of parameter: %.2fM" % (total/1e6))

from enthought/mayavi#1232

pip install https://github.com/enthought/mayavi/zipball/master

1. CUDA_VISIBLE_DEVICES='1' python train.py

2. in .py file

import os
os.environ['CUDA_VISIBLE_DEVICES'] = '1,2,3'(在import torch 之前)

https://ispacesoft.com/71697.html

更新torch库中一些不确定性内容以及相应固定方法
https://pytorch.org/docs/stable/notes/randomness.html

def seed_torch(seed=1029):

	random.seed(seed)
 
	os.environ['PYTHONHASHSEED'] = str(seed) # 为了禁止hash随机化，使得实验可复现
 
	np.random.seed(seed)
 
	torch.manual_seed(seed)
 
	torch.cuda.manual_seed(seed)
 
	torch.cuda.manual_seed_all(seed) # if you are using multi-GPU.
 
	torch.backends.cudnn.benchmark = False
 
	torch.backends.cudnn.deterministic = True

	os.environ['CUBLAS_WORKSPACE_CONFIG']=':16:8'
 	torch.use_deterministic_algorithms(True)

seed_torch()

显存分配：https://zhuanlan.zhihu.com/p/527143823?utm_id=0

推理速度计算：https://zhuanlan.zhihu.com/p/376925457

!zip -r /content/output.zip /content/ml-depth-pro/output
from google.colab import files
files.download("/content/output.zip")

colors = cv2.applyColorMap(cv2.convertScaleAbs(dist, alpha=1), cv2.COLORMAP_JET)
pcd.colors = o3d.utility.Vector3dVector(colors[:,0,:].clip(0, 255)/255)