• Festplatte finden

python

$ sudo parted -l

――Wenn es 2 TB überschreitet, fügen Sie ein Plattenetikett mit "GPT" bei.

python

$ sudo parted /dev/sdb
(parted) mklabel gpt
(parted) p

• Alle Kapazität ist ext4, 1 Partition

python

(parted) mkpart primary ext4 0% 100%
(parted) p

• Beenden Sie die Partition, da die Partition erstellt wurde.

python

(parted) quit

--Format mit "ext4"

python

$ sudo mkfs.ext4 /dev/sdb1

--Erstellen Sie einen Mount-Punkt und mounten Sie die Festplatte (Der Mount-Punkt war nur ein Verzeichnis / Ich war mir nicht sicher, ob dieser Speicherort gut war, also habe ich chmod777 ausgeführt.)

python

$ sudo mkdir /home/Hdd_2nd
$ sudo mount -t ext4 /dev/sdb1 /home/Hdd_2nd
$ sudo mount

--Auto Mount-Einstellungen (Informationen in / etc / fstab schreiben)

python

$ sudo nano /etc/fstab

• Der geöffneten Datei wurde die folgende Zeile hinzugefügt ([Tab], kein Leerzeichen zwischen den Zeichen. Ich war hier süchtig danach).

python

/dev/sdb1       /home/Hdd_2nd   ext4    defaults        0       0

4. Mac-ähnliche Grundeinstellungen und Tastatureinstellungen </ summary>

4.1 Tastatureinstellungen: Kompatibel mit US-Tastaturen

--Versuchen Sie, bis es mit der Tastatur übereinstimmt (Es ist übrigens seltsam, dass die Einstellungen zwischen [Apple Wireless Keyboard] und [MacBook Pro] unterschiedlich sind. Auch wenn das Tastenlayout genau gleich ist)

python

$ sudo dpkg-reconfigure keyboard-configuration

--Schreiben Sie die Tastatureinstellungen

python

$ sudo nano /usr/share/ibus/component/mozc.xml
<layout>us</layout>

4.2. Machen Sie das Verzeichnis in Ihrem Heim-Englisch

――Wenn Sie vom Terminal aus zugreifen, ist es problematisch, wenn es sich um Japanisch handelt. Kehren Sie daher zu Englisch zurück

python

$ LANG=C xdg-user-dirs-gtk-update

• Wenn es nicht funktioniert, bearbeiten Sie `` `$ sudo nano ~ / .config / user-dirs.dirs``` wie folgt

python

$ sudo nano ~/.config/user-dirs.dirs
＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿
XDG_DESKTOP_DIR="$HOME/Desktop"
XDG_DOWNLOAD_DIR="$HOME/Downloads"
XDG_TEMPLATES_DIR="$HOME/Templates"
XDG_PUBLICSHARE_DIR="$HOME/Share"
XDG_DOCUMENTS_DIR="$HOME/Documents"
XDG_MUSIC_DIR="$HOME/Music"
XDG_PICTURES_DIR="$HOME/Pictures"
XDG_VIDEOS_DIR="$HOME/Videos"
＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿

• Benennen Sie den eigentlichen Ordner um

python

$ mv $HOME/Desktop$HOME/Desktop
$ mv $HOME/herunterladen$HOME/Downloads
$ mv $HOME/Vorlage$HOME/Templates
$ mv $HOME/Veröffentlichung$HOME/Share
$ mv $HOME/Dokument$HOME/Documents
$ mv $HOME/Musik$HOME/Music
$ mv $HOME/Bild$HOME/Pictures
$ mv $HOME/Video$HOME/Videos

• Es ist in Ordnung, sich erneut anzumelden (manchmal ist die Seitenleistenanzeige gemischt Englisch / Japanisch, aber ich habe aufgegeben)

4.3. Zuordnung der Tastenbelegung zum Mac

4.3.1 Ändern Sie "Linke Super (Alt) -Taste" und "Feststelltaste" in "Strg-Taste".

--Installieren Sie Gnome Tweaks

• Von Ubuntu Software installieren / [Tweaks] ist der Programmname
• [Tweaks]> Tastatur und Maus --Ändern Sie die Verknüpfung des Aktivitätsbildschirms von "left super" zu "right super" (um die "left super key" zu öffnen).
• [Tweaks]> Tastatur und Maus> Zusätzliche Layoutoptionen> Strg-Position> Wählen Sie "Feststelltaste als Steuerung behandeln" (ändern Sie "Feststelltaste" in "Strg-Taste"). -Bitte neustarten]

4.3.2 Ändern Sie "Linke Supertaste" in Strg-Taste

• Bewahren Sie eine Sicherungskopie Ihrer Schlüsselzuweisungen auf

python

$ xmodmap -pke > ~/.Xmodmap_default

--Finden Sie die Schlüsselnummer von "Left super key"

• Wenn Sie den folgenden Befehl eingeben, wird ein quadratisches Fenster geöffnet. Wenn Sie also "eingeben", während Sie es sehen, wird die Schlüsselnummer angezeigt (in meinem Fall war es "133").

python

$ xev | grep keycode

Die Fotoshow wird angezeigt, wenn die "Return-Taste" gedrückt wird. Schlüsselbindung ändern Grundeinstellungsmethode von Xmodmap

• Fügen Sie der geöffneten Datei Folgendes hinzu

python

$ nano ~/.Xmodmap
＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿
clear control
clear mod4

! Command_L -> Control_L
keycode 133 = Control_L

add control = Control_L Control_R
add mod4 = Super_L Super_R Super_L Hyper_L
＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿

• Reflektieren Sie die Einstellungen

python

$ xmodmap ~/.Xmodmap

• Wenn Sie einen Fehler machen, stellen Sie die Sicherungsdatei wieder her

python

$ xmodmap ~/.Xmodmap_default

-Bitte neustarten]

** Die Strg-Taste auf der linken Hälfte der Tastatur hat eine wunderschöne Tastenanordnung von "3 (linke Super (Alt) / Feststelltaste / Original-Strg-Taste)" ** ** Jetzt können Sie mit "Left Super (alt) key" + "c" kopieren **

4.3.3 Mit "Optionstaste (Start)" + "s" in "Englisch halber Breite" konvertieren

--mozc Einstellungen: Installation des GUI-Tools

• Standardmäßig ist das GUI-Tool "mozc" nicht installiert. Installieren Sie es daher.

python

$ sudo apt install mozc-utils-gui

--Einstellungen ＞ Region und Sprache ＞ Eingabequelle ＞ Mozc Gear-Symbol ＞ Tasteneinstellungen auswählen ＞ Kotori auswählen

** Allein mit dieser Option geben Sie mit der Optionstaste (Start) + + s / a / c / x / z ein vertrautes Gefühl von "Katakana halber Breite / Englisch halber Breite / Hiragana / Katakana voller Breite / Englisch voller Breite". Mozc, Elai **

4.3.4 Umschalten der englischen / japanischen Eingangsquelle mit "Left Super (Alt) -Taste" + "Leertaste" (für US-Tastatur)

--Taste zum Umschalten der Eingangsquelle ändern (US-Tastatur kompatibel) --Einstellungen ＞ Tastaturkürzel ＞ Stellen Sie im Eingabefenster sowohl "Zur vorherigen Eingangsquelle wechseln" als auch "Zur nächsten Eingangsquelle wechseln" auf [Deaktivieren].

--Mozc-Eigenschaftenfenster ＞ Tasteneinstellung auswählen ＞ Bearbeiten ＞ Mozc-Tasteneinstellungsbildschirm ＞ Eingabetaste "Hankaku / Zenkaku" (4 Stellen) ＞ Wechseln zu [Strg + Leertaste]

** Jetzt können Sie mit "Left Super (alt) key" + "Space key" zwischen Englisch und Japanisch wechseln **

5. Installation der Basissoftware </ summary>

$ sudo apt install copyq

$ sudo apt install dump

$ sudo dump -0 -u -j /dev/sda2 -f /home/hdd_2nd/Sys_Backup/backup_2020_08_08.dump

$ cd Downloads
$ sudo apt install -y ./google-chrome-stable_current_amd64.deb

$ echo $LANG

$ export LANG=ja_JP.utf8

$ echo $LANG

$ sudo apt-get install manpages-ja

$ sudo apt-add-repository ppa:fish-shell/release-3
$ sudo apt-get update
$ sudo apt-get install -y fish

$ sudo apt install curl　/Nicht erforderlich, wenn die Locke bereits installiert ist
$ curl https://git.io/fisher --create-dirs -sLo ~/.config/fish/functions/fisher.fish
$ fisher add oh-my-fish/theme-bobthefish

$ sudo apt install terminator

$ git clone https://github.com/powerline/fonts.git --depth=1
$ cd fonts
$ ./install.sh
$ cd ..
$ rm -rf fonts

$ sudo apt install git

$ git config --global user.name "Nutzername"
$ git config --global user.E-Mail-Adresse
$ git config --global core.editor nvim

$ sudo apt install xclip "Nicht erforderlich, wenn installiert"
$ bash
$ ssh-keygen -t rsa -b 4096 -C "Mail Adresse"
~ Wenn Sie die Passphrase nicht verwenden, geben Sie wiederholt ~ ein
$ eval "$(ssh-agent -s)"
$ ssh-add ~/.ssh/id_rsa
$ cat ~/.ssh/id_rsa.pub | xclip -selection c "In Clip kopieren"
~ Registrieren Sie SSH KEY auf der Seite Einstellungen von github ~
Fügen Sie den öffentlichen Schlüssel, der mit dem Befehl xclip in die Zwischenablage kopiert wurde, ein

$ sudo dump -0 -u -j /dev/sda2 -f /home/inata/hdd_2nd/Sys_Backup/backup_2020_08_08.dump

$ lsmod | grep -i nouveau

$ nvidia-smi
$ Failed to initialize NVML: Driver/library version mismatch

$ sudo ubuntu-drivers autoinstall

$ sudo apt install nvidia-cuda-toolkit

$ sudo apt install -y curl (nicht erforderlich, wenn installiert)
$ curl -s https://raw.githubusercontent.com/karaage0703/ubuntu-setup/master/install-docker.sh | /bin/bash

$ sudo docker run hello-world
OK, wenn keine Fehler vorliegen

$ docker container prune
$ docker image rm hello-world:latest

$ curl -s https://raw.githubusercontent.com/karaage0703/ubuntu-setup/master/install-nvidia-container-toolkit.sh | /bin/bash

$ docker run --gpus all --rm nvidia/cuda nvidia-smi

$ docker run --gpus all -it --rm --name tensorflow-gpu -p 8888:8888 tensorflow/tensorflow:latest-gpu-py3
（-p 8888:8888 ist für den Jupyter-Notebook-Anschluss)

# nvidia-smi

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 440.100      Driver Version: 440.100      CUDA Version: 10.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:1Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 166...  Off  | 00000000:01:00.0  On |                  N/A |
| 42%   36C    P8     8W / 125W |    342MiB /  5936MiB |      2%      Default |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
+-----------------------------------------------------------------------------+

# jupyter notebook

http://127.0.0.1:8888/?token=xxxxxxxxxxxxxx`

from tensorflow.python.client import device_lib
device_lib.list_local_devices()

# exit

$ docker container prune
$ docker image rm tensorflow/tensorflow:latest-gpu-py3

$ nvcc -V

$ sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.1_amd64.deb
$ sudo dpkg -i libcudnn8-dev_8.0.2.39-1+cuda10.1_amd64.deb
$ sudo dpkg -i libcudnn8-doc_8.0.2.39-1+cuda10.1_amd64.deb

$ nvcc -V

$ cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 6
#define CUDNN_PATCHLEVEL 5
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

$ docker image pull nvcr.io/nvidia/tensorflow:20.03-tf1-py3

$ docker run --name tensor_keras --gpus all -it -p 8888:8888 nvcr.io/nvidia/tensorflow:20.03-tf1-py3

# pip list

# pip install --upgrade pip
# pip install Keras
# pip install pandas
# pip install pandas_datareader

# exit

$ docker container ls -a
CONTAINER ID        IMAGE                         COMMAND                  CREATED             STATUS                     PORTS               NAMES
70d0795d84e8        inata/my_tensorflow_img:1.0   "/usr/local/bin/nvid…"   3 weeks ago         Exited (0) 4 seconds ago                       tensor_keras

$ docker container commit -a "INA-Ta" tensor_keras inata/my_tensorflow_img:1.0

$ docker container commit tensor_keras my_tensorflow_img:1.0

$ docker run --name tensor_keras --gpus all -it -p 8888:8888 inata/my_tensorflow_img:1.0

$ docker login

$ docker image push inata/my_tensorflow_img:1.0

docker logout

$ docker image save -o /home/Hdd_2nd/Docker_Image/my_tensorflow_img_1.0.tar inata/my_tensorflow_img:1.0

$ docker image load -i /home/Hdd_2nd/Docker_Image/my_tensorflow_img_1.0.tar