- 原服务器内容（脚本+数据集打包）
- 1. 使用shell指令将要打包的文件压缩后下载到本地
- zip (deprecated)
- tar命令
- 2. 原服务器环境信息读取
- 主要是anaconda底下安装的各种包（package）
- 接下来就是建立 requirements.txt [具体使用参考](https://note.nkmk.me/en/python-pip-install-requirements/)
- requirements.txt的使用
- 写requirements 的例子：
- 自动生成，根据[官方手册](https://pip.pypa.io/en/latest/user_guide/#requirements-files)
- 新服务器搭建
- 1. 安装anaconda
- 2.安装python包
- 3. pycharm sftp 配置实现工程（代码文件）的实时传输
- 至此新的服务器环境配置完成，可以使用了。。。
压缩当前的文件夹 zip -r ./xahot.zip ./* -r表示递归
zip [参数] [打包后的文件名] [打包的目录路径]
解压 unzip xahot.zip 不解释
例：（打包数据集文件）
zip -r ./datasets.zip /home/yaoxingting/tiny-ImageNet/tiny-imagenet /home/yaoxingting/dvs_datasets/ #zip -r + [压缩后的目标文件] + [要压缩的文件地址1] + [要压缩的文件地址2] ...tar命令
可以用来压缩打包单文件、多个文件、单个目录、多个目录。
Linux打包命令_tar
tar命令可以用来压缩打包单文件、多个文件、单个目录、多个目录。
常用格式：
单个文件压缩打包 tar czvf my.tar.gz file1
多个文件压缩打包 tar czvf my.tar.gz file1 file2,…（file*）（也可以给file*文件mv 目录在压缩）
单个目录压缩打包 tar czvf my.tar.gz dir1
多个目录压缩打包 tar czvf my.tar.gz dir1 dir2
解包至当前目录：tar xzvf my.tar.gz
conda的一些常用操作如下：
1 查看当前环境下已安装的包
conda list
2 查看某个指定环境的已安装包
conda list -n python34
3 查找package信息
conda search numpy
4 安装package
conda install -n python34 numpy
如果不用-n指定环境名称，则被安装在当前活跃环境
也可以通过-c指定通过某个channel安装
5 更新package
conda update -n python34 numpy
6 删除package
conda remove -n python34 numpy
使用操作1 2，基本就可以完成所有包的信息读取,另外补充
pip install -r requirements.txt写requirements 的例子：
###### Requirements without Version Specifiers ###### nose nose-cov beautifulsoup4 ###### Requirements with Version Specifiers ###### docopt == 0.6.1 # Version Matching. Must be version 0.6.1 keyring >= 4.1.1 # Minimum version 4.1.1 coverage != 3.5 # Version Exclusion. Anything except version 3.5 Mopidy-Dirble ~= 1.1 # Compatible release. Same as >= 1.1, == 1.*自动生成，根据官方手册
运行下面第一行就可以直接生成，当前环境下使用的额外扩展包的requirements
python -m pip freeze > requirements.txt python -m pip install -r requirements.txt新服务器搭建 1. 安装anaconda
查看新服务器的linux版本：
cat /proc/version #返回 Linux version 3.10.0-1160.el7.x86_64
然后根据版本去下载anaconda
将下载下来的安装包通过sftp上传到新的服务器
在新服务器上安装：
bash Anaconda3-2021.05-Linux-x86_64.sh
创建新环境、添加源：
conda create --name yourEnv python=3.7 # 创建虚拟环境 #显示目前conda的数据源有哪些 conda config --show channels #添加数据源：例如, 添加清华anaconda镜像： conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ # 以上两条是Anaconda官方库的镜像 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ # 以上是Anaconda第三方库 Conda Forge的镜像 # for linux conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ # for legacy win-64 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/ 以上两条是Pytorch的Anaconda第三方镜像 conda config --set show_channel_urls yes
如果出现pip/conda命令找不到了，可以参考这篇，写的十分简明干练。
export PATH=home/[usrname]/anaconda3/bin:$PATH2.安装python包
使用前面创建的requirements：
pip install -r requirements.txt3. pycharm sftp 配置实现工程（代码文件）的实时传输
当然，pycharm得用购买开通的完全版才有这功能。可以使用教育资格 ≈ approx ≈免费。
基本就是tools->deployment->config一顿设置，具体教程：
这里写的很完全了
这里是一个本地工程映射到多个服务器上的配置教程
至此新的服务器环境配置完成，可以使用了。。。如果可以利用的第三方平台，如github去传输环境，也可以。但是这里遇到的服务器用不了git。所以就用以上的方法重新配置。
