ubuntu電腦叢集透過區網ip來ssh

 https://blog.csdn.net/lisuo1234/article/details/52244527

https://blog.csdn.net/AinUser/article/details/86374385?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-10&spm=1001.2101.3001.4242

RDkit透過conda安裝

執行下面其中一項指令

$ conda install -c rdkit rdkit
$ conda install -c rdkit/label/nightly rdkit
$ conda install -c rdkit/label/attic rdkit
$ conda install -c rdkit/label/beta rdkit



參考
https://anaconda.org/rdkit/rdkit

BERT in Keras

想讓電腦快速聽懂人話嗎？

2020的最近釋出的GPT3看起來非常的驚豔。不過由於模型的複雜度讓普通電腦是無法安裝的，相對於GPT3，類似的模型有BERT家族。這邊提供一個快速的體驗方式來使用BERT：

首先先確定電腦有安裝好 keras&tensorflow

• 安裝教學 Ubuntu 18.04+GPU驅動+CUDA10.0+cuDNN7.6.5+Tensorflow-gpu-1.15.0+Keras 2.3.1

https://reurl.cc/Oq7nn7

• Tensorflow、Keras傻瓜式安裝教學

https://reurl.cc/k0Nggr

❷ 安裝社群版的Keras BERT (https://github.com/CyberZHG/keras-bert)

pip install --user keras-bert

❸ 範例程式

假設我們有以下句子

[起] 台 北 是 ？？ 的 首 都 [結束]

要猜的詞是 ？？，如果電腦有能力接近理解，應該猜出是”台灣”或”臺灣”

先把它轉換成list輸入：

[CLS] 台 北 是 [MASK] [MASK] 的 首 都 [SEP]

# Keras BERT API Demo
import sysimport numpy as npfrom keras_bert import (    load_vocabulary,    load_trained_model_from_checkpoint,    Tokenizer,    get_checkpoint_paths,)from keras_bert.datasets import get_pretrained, PretrainedList
# 導入已訓練中文模型model_path = get_pretrained(PretrainedList.chinese_base)paths = get_checkpoint_paths(model_path)model = load_trained_model_from_checkpoint(    paths.config, paths.checkpoint, training=True, seq_len=None)model.summary(line_length=120)# 導入字典token_dict = load_vocabulary(paths.vocab)token_dict_inv = {v: k for k, v in token_dict.items()}# 要測試的字串# 舉例 : CLS 台 北 是 MASK MASK 的 首 都 SEP# MASK = 要猜的字串tokens = ["[CLS]"]mask = ["[MASK]", "[MASK]"]text1 = "台北是"text2 = "的首都"tokens.extend(list(text1))tokens.extend(mask)tokens.extend(list(text2))tokens.append("[SEP]")print("Tokens to predict:", tokens)indices = np.array([[token_dict[token] for token in tokens]])segments = np.array([[0] * len(tokens)])# 要預測的位置為1 其它為0masks = np.array([[0, 0, 0, 0, 1, 1, 0, 0, 0, 0]])predicts = model.predict([indices, segments, masks])[0].argmax(axis=-1).tolist()print("Fill with: ", list(map(lambda x: token_dict_inv[x], predicts[0][4:6])))

❹ 輸出結果

電腦成功預測出[MASK] [MASK] 的位置要放”台灣”



分享自FB社團：台灣自然語言處理與人工智慧交流社（https://www.facebook.com/groups/Taiwan.NLP/）

預訓練模型清單:
https://github.com/CyberZHG/keras-bert/blob/e9ccba8ed56b52102bfd08fd231bf9b79d7e0e3e/keras_bert/datasets/pretrained.py#L15

PretrainedList.wwm_cased_large:
1. Large model,
2. Trained on case-sensitive data,
3. Trained using Whole Word Masking (WWM)

Ubuntu灌雙系統

https://unix.stackexchange.com/questions/477733/is-it-necessary-to-disable-fast-boot-in-windows-to-dual-boot-with-linuxefistub?fbclid=IwAR0TP5Xp8v8qrHweFcYl5Bq7fOSzGy18uL9lQ-9XVpvZrnqY5zEPxGqCRuI

https://askubuntu.com/questions/843656/is-it-safe-to-disable-secure-boot?fbclid=IwAR2PLyuR79LoNCMNA0ZAieWWB-G69a6x6yktS-8VCd8171Cm2C1_gy2iZcQ

tmux終端機管理教學

https://github.com/tmux/tmux/wiki/Getting-Started

ubuntu 18.04 install Packmol

1.下載檔案
http://m3g.iqm.unicamp.br/packmol/download.shtml

2.解壓縮
$ tar -xvzf packmol.tar.gz

3.make
$ make

4.設定packmol環境
$ sudo cp packmol /usr/local/bin

5.編譯packmol
$ packmol < mixture.inp

ubuntu 18.04 install NAMD

首先，最好將Ubuntu更新到最新版本，並使用NAMD的最新版本。 由於我們需要C＆C ++編譯器來構建NAMD二進制源代碼

$ sudo apt-get install gcc
$ sudo apt-get install g++
$ sudo apt-get install csh
$ sudo apt-get install tcsh

下載檔案後解壓縮
$ tar -xvf NAMD_2.13_Linux-x86_64-multicore-CUDA.tar.gz
$ cd NAMD_2.13_Linux-x86_64-multicore-CUDA
$ sudo cp namd2 /usr/local/bin/namd2
$ sudo cp charmrun /usr/local/bin/charmrun



參考
https://www.researchgate.net/post/Problem_on_installing_NAMD

ubuntu install vmd-1.9.3

先去官網下載vmd-1.9.3.bin.LINUXAMD64-CUDA8-OptiX4-OSPRay111p1.opengl.tar.gz
$ tar -xvf vmd-1.9.3.bin.LINUXAMD64-CUDA8-OptiX4-OSPRay111p1.opengl.tar.gz
$ cd vmd-1.9.3
$ sudo  ./configure LINUXAMD64
$ cd src
$ sudo make install

參考
https://www.jianshu.com/p/6c73d04298a2

install TensorFlow 2.0 on Ubuntu

https://www.pyimagesearch.com/2019/12/09/how-to-install-tensorflow-2-0-on-ubuntu/?utm_source=facebook&utm_medium=ad-09-12-2019&utm_campaign=2+December+2019+BP+-+Traffic&utm_content=Default+name+-+Traffic+-+Image+1&fbid_campaign=6133037120046&fbid_adset=6133037120446&utm_adset=9+December+2019+BP+-+All+Visitors+90+Days+-+Worldwide+-+18%2B&fbid_ad=6133037121646&fbclid=IwAR0waZcowCmYkt8DIkNi1U0uaer8pjUm5s_kf5CiVCMsi1PkPDOjGLWciI8

https://bangqu.com/IZeGX2.html

Solving environment: | Found conflicts! Looking for incompatible packages.

conda更新如果遇到上述問題，請輸入以下指令

$ conda update anaconda



參考
http://showteeth.tech/posts/52735.html

ubuntu 18.04 install RDKit

1. 建立rdkit環境
$ conda create -c rdkit -n my-rdkit-env rdkit

2. 到anaconda3的bin資料夾
$ cd anaconda3/bin

3. 安裝conda-foerg rdkit
$ conda install -c conda-forge rdkit

4. 安裝cmake cairo pillow eigen pkg-config
$ conda install -y cmake cairo pillow eigen pkg-config

5. 安裝boost-cpp boost py-boost
$ conda install -y boost-cpp boost py-boost
$ conda update -n base -c defaults conda

6. 安裝gxx_linux-64
$ conda install -y gxx_linux-64

7. 複製rdkit資料夾到家目錄
$ cd
$ sudo apt install git
$ git clone https://github.com/rdkit/rdkit.git

8. 進入rdkit資料夾
$ cd rdkit

9. 產升build資料夾
$ mkdir build

10. 進入build資料夾
$ cd build

11. cmake (切記這邊一定要注意你的Python是哪個版本)
$ cmake .. -DPy_ENABLE_SHARED=1 -DRDK_INSTALL_INTREE=ON -DRDK_INSTALL_STATIC_LIBS=OFF -DRDK_BUILD_CPP_TESTS=ON -DPYTHON_NUMPY_INCLUDE_PATH="$CONDA_PREFIX/lib/python3.7/site-packages/numpy/core/include" -DBOOST_ROOT="$CONDA_PREFIX"

12. 在my-rdkit-env環境建立include numpy
否則會發生fatal error: numpy/arrayobject.h: No such file or directory #include <numpy/arrayobject.h>

$ which python3

/home/chiustin/anaconda3/envs/my-rdkit-env/bin/python3

$ cd /home/chiustin/anaconda3/envs/my-rdkit-env/include

$ mkdir numpy

$ cd numpy 

$ cp /usr/include/numpy/* .

12. make以及make install
$ make
$ make install



參考
http://www.rdkit.org/docs/Install.html

ubuntu 18.04 nvidia-driver-435 E: Unable to correct problems, you have held broken packages.

這是因為顯卡驅動沒有清除乾淨，所以如果要用sudo ubuntu-drivers autoinstall安裝顯卡驅動之前要在終端機先執行以下指令

$ sudo apt remove --purge nvidia*



參考
https://ubuntuforums.org/showthread.php?t=2417585

ubuntu 18.04 install tensorflow 1.14.0

安裝tensorflow之前要先確認python3、pip、pip3的環境設定，由於我們在執行tensorflow或Keras都是呼叫python3，所以我們必須確認pip、pip3哪個環境設定是和python3相同，否則在安裝tensorflow以及Keras會發生找不到Module的情形發生。

ubuntu 18.04 install cuDNN

NVIDIACUDA®深度神經網路函式庫(cuDNN)是GPU加速的用於深度神經網絡的原語庫。 cuDNN在執行上提供了高度優化的能力，像是在forward和backward卷積，池化，normalization和activation layers。以下是安裝流程：

Intel Fortran更新license

序列號有效期一年，到期後可到
https://software.intel.com/en-us/articles/manually-installing-a-new-license-file
申請新的序列號

終端機底部出現(base)

$ vi ~/.zshrc
或
$ vi ~/.bashrc

在最後一行加入
conda deactivate

$ source ~/.zshrc
或
$ source ~/.bashrc

ubuntu 18.04 install pytorch

$ conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

如果無法安裝的話要rm -rf anaconda3，重新安裝anaconda



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

ubuntu 18.04 install opencv

$ sudo apt update
$ sudo apt install python3-opencv
$ pip install opencv-python

$ pip install --upgrade pip
$ pip install opencv-python

確認
$ python3
>>> import cv2
>>> cv2.__version__

參考
https://www.youtube.com/watch?v=cGmGOi2kkJ4

sudo: pip: command not found

Ubuntu系統下執行sudo pip install package-name出現 sudo: pip: command not found 的問題。原因是因為編譯sudo的時候加入了–with-secure-path 選項。

$ vi ~/.zshrc or vi  ~/.bashrc
$ alias sudo='sudo env PATH=$PATH'
$ source ~/.zshrc or source ~/.bashrc


參考
https://blog.csdn.net/hhhuua/article/details/80995339

zsh: command not found: conda

$ vi ~/.zshrc
$ export PATH="/home/chiustin/anaconda3/bin:$PATH"
$ source ~/.zshrc