打开命令: cd [dirName]
# 跳到 /usr/bin/ : cd /usr/bin # 跳到自己的 home 目录 : >> cd ~ # 返回上层目录 : >> cd ..
拷贝命令 cp [options] source… directory
常用参数说明:
-f:覆盖已经存在的目标文件而不给出提示。
-r:若给出的源文件是一个目录文件,此时将复制该目录下所有的子目录和文件。
# 伪代码 cp –r test/ newtest # cp 命令使用 -r 参数可以将 packageA 下的所有文件拷贝到packageB 中 cp -r /home/model/* /home/cp/model/
mv [options] source… directory
常用参数说明:
-f:覆盖已经存在的目标文件而不给出提示。
-n: 不要覆盖任何已存在的文件或目录。
# 目标目录与原目录一致,指定了新文件名,效果就是仅仅重命名。 mv /home/model/a.txt /home/model/b.txt # 目标目录与原目录不一致,没有指定新文件名,效果就是仅仅移动。 mv /home/model/a.txt /home/model/test/ # 目标目录与原目录一致, 指定了新文件名,效果就是:移动 + 重命名。 mv /home/model/a.txt /home/model/NIN_model/c.txt
rm [options] name…
常用参数说明:
-f 即使原档案属性设为唯读,亦直接删除,无需逐一确认。
-r 将目录及以下之档案亦逐一删除。
# 无提示删除当前目录下的所有文件及目录 rm -rf 要删除的文件名或目录 # 删除文件名 NIN.py: rm -rf NIN.py # 删除目录 model,不管该目录下是否有子目录或文件,都直接删除: rm -rf model/
if test -f .bashrc ; then source .bashrc fi
使用自定义命令可以极大的简化我们的操作.例如如下场景
在每次登陆终端后,我们都需要激活anaconda的虚拟环境,需要输入以下命令
> source activate tensorflow
在自定义命令后,我们可以使用-evtf-来代替上面的命令
具体步骤如下
alias evtf='source activate tensorflow' alias evpt='source activate pytorch'
tail -f filename
# 要显示NIN.log 的内容并实时刷新 tail -f NIN.log # 要显示NIN.log 的内容 tail NIN.log
jobs命令用来显示当前终端中运行的所有任务,包括前台任务和后台任务.当一个任务在运行的时候,我们可以通过Ctrl+Z将任务切换到后台,也可以通过Ctrl+C强行结束任务.
常用参数说明:
-l:显示相信的列表信息,包括PID信息.
# 查询当前终端后台运行的进程 jobs # 查询当前终端后台运行的进程,显示其PID jobs -l
fg和bg指令是让当前终端的jobs切换前后台,fg让后台进程切换到前台,bg让前台进程切换到后台,但其用法不同,具体请查阅linux命令指南.
常用参数说明:
%n:指定对应jobs号的进程切换前后台
fg %n #让后台运行的进程n到前台来 bg %n #让前台运行的进程n到后台去 # 切换后台进程1到前台 fg %1 # 切换前台进程2到后台 bg %2
nohup Command [ Arg … ] [ & ]
# 在后台执行 root 目录下的 runoob.sh 脚本,并重定向输入到 runoob.log 文件 nohup /root/runoob.sh > runoob.log 2>&1 &
2>&1 解释:
将标准错误 2 重定向到标准输出 &1 ,标准输出 &1 再被重定向输入到 runoob.log 文件中。
0 – stdin (standard input,标准输入)
1 – stdout (standard output,标准输出)
2 – stderr (standard error,标准错误输出)
# 在后台执行 NIN_test.py 并将信息重定向到NIN_5.log中 nohup python -u NIN_test.py > NIN_5.log 2>&1 &
# 激活TF环境 @ubuntu:~$ evtf # 激活成功 前面带(tensorflow) (tensorflow)@ubuntu:~$ # 后台运行py脚本 (tensorflow)@ubuntu:~$ nohup python -u NIN_test.py > NIN_5.log 2>&1 & # 命令结束没有提示 需要使用jobs确认运行 (tensorflow)@ubuntu:~$ jobs # 查看到命令正在运行 可以查看log (tensorflow)@ubuntu:~$ tail -f NIN_5.log # 确认代码正常运行 可以关闭中断或者切换到后台 开启下一个任务