Manjaro折腾笔记：我的数据科学环境搭建之路

ss并且开机启动

0. 安装shadowsocks

sudo pip install shadowsocks

1. 建立配置文件ss.json

我的位置是：/home/ray/Documents/shadowsocks/ss.json

{
    "server":"*.*.*.*",
    "server_port":***,
    "local_port":1081,
    "password":"*****",
    "timeout":600,
    "method":"aes-256-cfb"
}

2. 建立sh文件，用以运行

我的位置是：/home/ray/Documents/shadowsocks/ss.sh

#!/bin/bash
#ss.sh
/home/ray/anaconda3/bin/sslocal -c /home/ray/Documents/shadowsocks/ss.json 

echo "connected!"

注意，如果是开机启动会出现:"sslocal 未知的命令"的情况，一定要附上绝对路径，或者加入环境变量。

不要忘记增加可执行权限：

sudo chmod +x ss.sh

测试：打开终端后，运行: sh /home/ray/Documents/shadowsocks/ss.sh，不报错就成功了

3. 开机自动启动

3.1 首先载启动文件/etc/rc.local中加入

sh /home/ray/Documents/shadowsocks/ss.sh

增加权限：

sudo chmod +x /etc/rc.local

重启，如果可以翻墙最好，如果不行则考虑步骤3.2

3.2 添加服务

新建文件：/usr/lib/systemd/system/rc-local.service，在其中加入：

[Unit]
Description=/etc/rc.local Compatibility
ConditionPathExists=/etc/rc.local
[Service]
ExecStart=/etc/rc.local
[Install]
WantedBy=multi-user.target

之后在终端运行：

systemctl enable rc-local.service    # 允许该服务，使其可以开机自运行
systemctl start rc-local.service    # 启动该服务
systemctl status rc-local.service   # 查看服务状态

如果发现服务状态没有异常，则搞定了，重启即可

4. github代理

git config --global http.proxy 'socks5://127.0.0.1:1081'

1081为本地端口号

双硬盘时，机械硬盘挂载

1. 格式化硬盘为EXT4

如果时windows过来的NTFS，一定要进行格式化，否则无法写入

fdisk -l   # 列出所有分区，找到想要格式化的分区名，如/dev/sda1
sudo mkfs -t ext4 /dev/sda1   # 格式化完成

2. 分区

sudo fdisk /dev/sda     #格式化后名称为/dev/sda

输入n、p、1、两下回车、wq、回车，分成一个区

3. 挂载

# 新建文件夹作为挂载点
mkdir /home/ray/Documents/Data

# 给定写入权限
chown -R 500:ray /run/media/ray/data/
sudo chown ray:ray /run/media/ray/data/

# 挂载
sudo mount -t ext4 /dev/sda1 /home/ray/Documents/Data/

4. 开机自动挂载

sudo gedit /etc/fstab

加入：

/dev/sda1 /home/ray/Documents/Data ext4 defaults 0 2

添加字体

1. 安装依赖

sudo pacman -S fontconfig

2. 下载对应的字体文件，并且放到指定位置

• 微软雅黑：https://pan.baidu.com/s/1pL5asEv
• 放入/usr/share/fonts/my_fonts/中

3. 建立缓存

mkfontscale

mkfontdir

fc-cache -fv

安装 latex

# 安装底层（最后一个用于解决bibtex的问题）
sudo pacman -S texlive-core texlive-langchinese texlive-latexextra texlive-publishers

# 安装IDE
sudo pacman -S texstudio

# 更新texlive
texhash

双显卡驱动

manjaro装机之后的显卡驱动切换程序：Bumblebee还是有点问题，我们重新安装

1. 安装

# 依赖
sudo pacman -S virtualgl lib32-virtualgl lib32-primus primus

# 安装双显卡切换程序bumblebee
sudo mhwd -f -i pci video-hybrid-intel-nvidia-bumblebee

# 允许服务
sudo systemctl enable bumblebeed

# 添加用户
sudo gpasswd -a $USER bumblebee

2. 防止启动后无法进入图形界面

1. 打开 /etc/default/grub
2. 找到并且改为：GRUB_CMLINE_LINUX_DEFAULT="quiet acpi_osi=! acpi_osi=Linux acpi_osi=’Windows 2015’ pcie_port_pm=off resume=..."
3. 运行sudo update-grub，重启

3. 测试

# 安装测试软件
sudo pacman -S mesa-demos

# 集成显卡性能
glxgears -info

# 独显性能
optirun glxgears -info
# 或者
primusrun glxgears -info

之后所有需要用独显允许的程序，前面都要加上optirun或者primusrun允许

# 打开nvida面板
optirun -b none nvidia-settings -c :8

# 不依赖Bumblebee来使用CUDA
sudo tee /proc/acpi/bbswitch <<< 'ON'

# 使用完CUDA 停止NVIDIA显卡
sudo rmmod nvidia_uvm nvidia && sudo tee /proc/acpi/bbswitch <<< OFF

inxi -G # 查看显卡情况

optirun nvidia-smi # 查看CPU情况

4. 两种用法

1. 用bumblebee切换：
   
   命令前面加上 optirun 或者primusrun运行
2. 用bbswitch:

# 一直开启独显
sudo tee /proc/acpi/bbswitch <<< 'ON'
# 一直禁用独显
sudo tee /proc/acpi/bbswitch <<< 'OFF'

docker + pyspark + jupyter 安装

参考： http://maxmelnick.com/2016/06/04/spark-docker.html

1. 本地安装docker

1.1 安装docker包

sudo pacman -S docker

1.2 防止权限问题，加入用户权限

sudo usermod -aG docker ray

1.3 重启服务（或者重启计算机）

sudo systemctl restart docker

1.4 查看安装是否成功

sudo docker -info

2 配置spark 镜像(images)和容器(containers)

首先，直接建立容器，如果镜像不存在，则会自动下载：

sudo docker run -d -p 8888:8888 --name spark -v $PWD:/home/jovyan/work jupyter/all-spark-notebook start-notebook.sh --NotebookApp.password='sha1:5b1e121347e8:15266c00b25c2e497714de20a674d5b8935e09dd'

命令解释：

• docker run 载镜像基础上建立容器
• -d 后台运行
• -p 8888:8888 指定端口
• -- name spark 命名容器
• -v $PWD:/home/jovyan/work 挂载 all-spark-notebook的工作目录到当前目录，使得文件可以在docker内外共享（jovyan是该镜像内置的用户名，不要更改！）
• jupyter/all-spark-notebook 镜像名称，来自https://hub.docker.com/r/jupyter/all-spark-notebook/
• start-notebook.sh --NotebookApp.password='sha1:5b1e121347e8:15266c00b25c2e497714de20a674d5b8935e09dd' 指定密码而不是token，密码先得转为hash码（怎么转）

在浏览器中输入'http://localhost:8888'，即可打开容器对应的notebook

其次，查看docker状态

# 显示当前容器
docker ps

# 显示所有容器
docker ps -a

# 显示所有镜像
docker images

# 删除容器
docker rm container_name

# 删除镜像，必须先删除依赖该镜像的容器
docker rmi image_name

最后，直接打开或是关闭

# 关闭容器
docker stop spark

# 打开容器
docker start spark

3 推荐的pyspark docker

• pyspark-notebook
• all-spark-notebook

安装 ZSH

zsh，shell中的极品（为什么）

1. 安装zsh

sudo pacman -S git, zsh

2. 安装 oh-my-zsh

oh-my-zsh是zsh的一个封装，类似spacemacs和emacs的关系

sh -c "$(curl -fsSL https://raw.github.com/robbyrussell/oh-my-zsh/master/tools/install.sh)"

记着将.bashrc中添加的语句复制到.zshrc中

3. 设置为默认shell

chsh -s /bin/zsha

4. 添加powerline

pip install git+git://github.com/powerline/powerline

然后将

powerline-daemon -q
POWERLINE_BASH_CONTINUATION=1
POWERLINE_BASH_SELECT=1
. /usr/local/lib/python2.7/dist-packages/powerline/bindings/zsh/powerline.zsh

添加到.zshrc中，注意powerline的位置不一定是上面的，需要自行更改

最后重启

tensorflow 环境搭建

我们的配置是：

• CUDA-8.0
• cuDNN-6
• tensorflow-gpu 1.4

1. 双显卡切换为独显

独显必须一直保持开着的状态，才可以稳定运行cuda等程序，我们通过bbswitch切换独显

sudo tee /proc/acpi/bbswitch <<< ‘ON’

注意，如果nvidia-smi -pm为1的话上述方法是无效的，必须变为0，即实时切换状态

nvidia-smi -pm 0

2. 安装CUDA

2.1 yaourt 安装

yaourt -S cuda-8.0

如果遇到yaourt报告空间不够，则：

1. 打开/etc/yaourtrc
2. 将 #TMPDIR="/tmp" 改为TMPDIR="/home/$USER/tmp"即可

2.2 加入环境变量

通过安装日志可以发现，yaourt将安装包迁移到了/opt中，因此我们在 .bashrc或.zshrc、以及/etc/profile中加入：

export CUDA_HOME=/opt/cuda
export PATH=/opt/cuda/bin:$PATH
export LD_LIBRARY_PATH=/opt/cuda/lib64:$LD_LIBRARY_PATH

2.3 验证安装

查看CUDA版本

nvcc -V

编译samples，CUDA安装时自带了samples文件夹，进入该文件夹后直接编译（gcc啥的都给你装好了），但是一定记得用sudo，否则报错

cd /opt/cuda/samples

sudo make

查看编译结果：

cd bin/x86_64/linux/release

./deviceQuery    # 最后如果返回pass，则通过

./bandwidthTest    # 最后如果返回pass，则通过

reboot            # 最好重启一下

恭喜你，到了这一步，CUDA已经顺利安装完成啦！！

3. cuDNN安装

cuDNN是nivida提供的深度学习GPU库，在manjaro下非常好安装：

# 先确定独显是开着的
sudo tee /proc/acpi/bbswitch <<< ‘ON’

yaourt -S cudnn6

装好之后，将cudnn文件拷贝到cuda中：

sudo cp /opt/cudnn6/include/cudnn.h /opt/cuda/include
sudo cp cudnn6/lib64/libcudnn* /opt/cuda/lib64

# 增加权限
sudo chmod a+r cuda/include/cudnn.h
sudo chmod a+r cuda/include/cudnn.h

恭喜，至此你已经完成了准备工作啦！

4. 安装tensorflow-gpu版本

为了跟CUDA8兼容，我们安装1.4版本的tensorflow-gpu

pip install tensorflow-gpu==1.4

重启，很关键*

reboot

重启之后，打开ipython，输入命令进行测试：

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()

如果提示中不包含ERROR或FAIL字样，且包含了你的独显名称，那么就是正确安装了。

最后设置CPU按需求使用，在每次导入tf时：

# 设置tendorflow对显存使用按需增长。
import tensorflow as tf
config  = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)

5. 安装keras

pip install keras

keras默认使用tensorflow后端，并且会直接调用其GPU，因此无需做任何改动

linux备份

0. 权限问题

 sudo gedit /etc/rsyncd.conf

将其中的

uid = nobody
gid = nobody

改为

uid = root
gid = root

备份结束之后一定要改回来！！

1. 备份

sudo time rsync -Pa / /run/media/ray/Elements/LinuxBackup/2018_05_10 --exclude="/sys/*" --exclude="/proc/*" --exclude="/mnt/*" --exclude="/tmp/*" --exclude="/run/media/*"

2. 恢复

sudo rsync -Pa /run/media/ray/Elements/LinuxBackup/2018_05_10 /

teamviewer

manjaro的teamviewer有一些问题，pacman装上之后会出现"Not ready,.."的情况，此时应该：

sudo teamviewer --daemon enable

再打开teamviewer即可！

连接鼠标

1. 蓝牙直连

2. 有线连接，安装驱动

ltunify unpair mouse
ltunify pair

开机互换 caps和ctrl

每次打开终端时互换

在 _{/.bashrc或者}/.zshrc中添加

setxkbmap -option ctrl:swapcaps

jupyter notebook 连接远程服务器

服务器端：

生成配置文件

$ jupyter notebook --generate-config

In [1]: from IPython.lib import passwd

In [2]: passwd()
Enter password:
Verify password:
Out[2]: 'sha1:0e422dfccef2:84cfbcbb3ef95872fb8e23be3999c123f862d856'

打开配置文件

$vim ~/.jupyter/jupyter_notebook_config.py

修改：

c.NotebookApp.ip='*'
c.NotebookApp.password = u'sha:ce...刚才复制的那个密文'
c.NotebookApp.open_browser = False
c.NotebookApp.port =8888 #随便指定一个端口
c.NotebookApp.allow_remote_access = True

打开jupyter notebook

本地端

网页输入 http:// ip_address:8888