一、cmd中
-
清理屏幕 用cls。
-
从C盘转到 E盘，需先直接输入 E: 回车，然后 cd 别的路径。
二、当你在使用 Python 或其他编程语言时遇到 ImportError: Bad git executable 错误，通常意味着你的环境变量中配置的 Git 可执行文件的路径不正确，或者 Git 没有正确安装。
如没正确安装，安装后需要重启终端或IDE。
三、训练或测试深度学习程序时，可以通过按下Ctrl + C或者Ctrl + Break来中断程序的执行。
四、使用 exit（）推出python编译环境（>>>引导的命令行）。
五、训练后的结果显示（events.out.tfevents文件怎么打开）
- 生成的
events.out.tfevents文件位于/home/xxx目录下，如"runs\\train\\exp4"， - 在终端输入下面的命令，将提示的网址在浏览器中打开即可
- tensorboard --logdir=runs\\train\\exp4 --port=8008
- 或者 tensorboard --logdir=runs/train/exp4 --port=8008
浏览器中，输入 http://localhost:8008 即可打开显示。
**注意，**终端中使用这个功能时，记得要关闭所有之前的这个操作，ctrl+c是无法关闭上一个进程的，只需要点×关闭后，重新进入终端就行，然后点击终端的链接就可以看到了。
六、PyTorch中查看gpu
终端中输入：
python -c "import torch; print(torch.cuda.get_device_name(0))"
可查看 GPU型号信息，如 NVIDIA GeForce RTX 3090 Ti。
python -c "import torch; print(torch.cuda.device_count())" 查看一共几块GPU，如1。
python -c "import torch; print(torch.cuda.current_device())" 查看当前的GPU序号，如0。
或 输入 nvidia-smi 显示 NVIDIA GPU 的详细信息，包括 GPU 的数量、型号、**使用情况（如是否有程序执行、占用率）**等。NVIDIA-SMI（System Management Interface）是一个命令行工具，可以用来查询和管理 NVIDIA GPU 的状态，可以在 PyCharm 的终端中运行这个工具来实时查看 GPU 的使用情况。
以上均不显示intel独立显卡和集成显卡（如集显 UHD 770）
七、使用 NVIDIA-SMI 命令，实时查看训练程序时的gpu占用率
nvidia-smi dmon
（NVIDIA 设备监控），官方提供的设备级监控工具，实时输出 GPU 利用率、内存使用率、温度、功率等详细指标（适合调试）。
结果如：
(base) C:\Users\NINGMEI>nvidia-smi dmon
gpu pwr gtemp mtemp sm mem enc dec jpg ofa mclk pclk
Idx W C C % % % % % % MHz MHz
0 21 42 - 0 0 0 0 0 0 405 210
0 21 42 - 0 0 0 0 0 0 405 210
gpu pwr gtemp mtemp sm mem enc dec jpg ofa mclk pclk
Idx W C C % % % % % % MHz MHz
0 151 49 - 5 0 0 0 0 0 10251 2085
0 279 55 - 54 30 0 0 0 0 10251 2085
0 161 52 - 30 15 0 0 0 0 10251 2085
0 272 55 - 63 35 0 0 0 0 10251 2085
0 174 49 - 2 0 0 0 0 0 10251 2085
0 244 56 - 67 38 0 0 0 0 10251 2085
0 200 50 - 7 0 0 0 0 0 10251 2085
0 248 55 - 62 35 0 0 0 0 10251 2085
0 194 53 - 6 0 0 0 0 0 10251 2085
0 276 55 - 72 44 0 0 0 0 10251 2085
0 162 51 - 4 0 0 0 0 0 10251 2085
0 261 54 - 62 35 0 0 0 0 10251 2085
0 184 50 - 6 0 0 0 0 0 10251 2085
0 253 55 - 66 39 0 0 0 0 10251 2085
0 189 50 - 25 7 0 0 0 0 10251 2085
0 258 56 - 57 33 0 0 0 0 10251 2085
0 184 50 - 3 0 0 0 0 0 10251 2085
0 223 56 - 76 45 0 0 0 0 10251 2085
0 223 51 - 25 7 0 0 0 0 10251 2085
0 140 51 - 31 7 0 0 0 0 10251 2085
八、确认当前 PyTorch 是否是 GPU 版本
激活虚拟环境，进入pytho，然后
import torch
print(torch.version)
print(torch.version.cuda)
print(torch.cuda.is_available())
- 如果
torch.version.cuda为None，说明是 CPU 版。 - 如果
torch.cuda.is_available()是False，即使安装了 GPU 版本，也可能是驱动或 CUDA 环境变量问题。