test

1. 文件压缩&解压

tar.gz 文件
解压：tar zxvf FileName.tar.gz
压缩：tar zcvf FileName.tar.gz DirName

2. 运行python输出结果

python tmp_name.py 2>&1|tee /save_dir/filenam.txt

3. pytorch 显卡选择

CUDA_VISIBLE_DEVICES=0 python pytorch_script.py

4. docker 操作

运行：
NV_GPU=0,1 nvidia-docker run --name docker_name -it -v /your/host/path:/path/in/docker -p 2001:22 docker-image
开启新的container：
docker start container_name
进入运行的container：
docker attach container_name
新开窗口
docker exec -it container_name bash
查看共享内存，在terminal里输入：
df -h
container共享内存问题(不修改可能会造成无法并行io)：
nvidia-docker run --rm -ti --ipc=host pytorch/pytorch:latest

5. Matplotlib 常用操作

https://www.cnblogs.com/nju2014/p/5707980.html
设置图片大小：
fig, ax = plt.subplots(figsize=(3.6,2))
设置坐标轴范围及标签：

#设置坐标轴范围
plt.ylim([90,92.2])
plt.xlim([0,4])
# 设置显示的刻度
plt.xticks([1,2,3])
plt.yticks([90,90.99,92])
# 设置刻度的标签名字
ax.set_xticklabels(['hyper(l2)','hyper(l3)','hyper(l23)'])
# 设置刻度标签的字体样式及大小
plt.tick_params(labelsize=8)
labels = ax.get_xticklabels() + ax.get_yticklabels()
[label.set_fontname('Times New Roman') for label in labels]

保存图像
plt.savefig('accuracy.png',dpi=300)