问题:使用docker 利用下载的ubuntu镜像启动容器时,使用的源下载更新软件的速度较慢. 解决这个问题的方法是跟新ubuntu容器的源 示例:以ubuntu为基础镜像 启动一个名称为 test02的容器,并且开启shell交互(/bin/bash ) docker run -ti --name test02 ubuntu /bin/bash 用自带vi修改源 root@e330db11c513:/# vi /etc/apt/sources.list 将原有内容删除,并替换为以下的阿里源 d

[原因] 使用国外的源,在更新软件的时候会很慢,换成国内的源会快很多. [命令] 1.备份源文件 sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak 2.添加源到sources.list中 sudo gedit /etc/apt/sources.list # 在打开的文本中,添加阿里源deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multive

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak //备份 sudo vim /etc/apt/sources.list //修改 ##阿里云源 deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restri

命令安装 docker 1.直接从 ubuntu 仓库安装,打开终端,输入: 2.启动 docker 服务  . 设置开机自启动 docker 服务 3.免 sudo 配置:

国内有很多Ubuntu的镜像源,包括阿里的.网易的,还有很多教育网的源,比如:清华源.中科大源. 我们这里以中科大的源为例讲解如何修改Ubuntu 18.04里面默认的源. 可以进入这个链接进行下载:https://mirrors.ustc.edu.cn/repogen/ 编辑/etc/apt/sources.list文件, 在文件最前面添加以下条目(操作前请做好相应备份): deb https://mirrors.ustc.edu.cn/ubuntu/ bionic main restrict

Docker的好处之一,就是在Container里面可以随意瞎搞,不用担心弄崩Host的环境. 而nvidia-docker2的好处是NVidia帮你配好了Host和Container之间的CUDA相关的链接,让你可以直接在Container里面使用GPU. 安装环境 OS:Ubuntu 18.04 64 bit 显卡:NVidia GTX 1080 CUDA:10.0 cnDNN:7.4 任务:安装Docker CE及nvidia-docker2,以便后期开展深度学习 配置Docker源 #

安装Ubuntu 18.04后,使用国外源太慢了,修改为国内源会快很多. 修改阿里源为Ubuntu 18.04默认的源 备份/etc/apt/sources.list #备份 cp /etc/apt/sources.list /etc/apt/sources.list.bak 在/etc/apt/sources.list文件前面添加如下条目 #添加阿里源 deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe m

安装Ubuntu 18.04后,使用国外源太慢了,修改为国内源会快很多. 修改阿里源为Ubuntu 18.04默认的源 备份/etc/apt/sources.list 备份 cp /etc/apt/sources.list /etc/apt/sources.list.bak 在/etc/apt/sources.list文件前面添加如下条目 添加阿里源 deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe mul

之前写的[笔记] Ubuntu 18.04安装Docker CE及nvidia-docker2流程已经out了,以这篇为准. Docker的好处之一,就是在Container里面可以随意瞎搞,不用担心弄崩Host的环境. 为了在docker中支持GPU,NVidia之前是弄了个nvidia-docker2,现在升级为NVIDIA Container Toolkit了.官方说法是"Usage of nvidia-docker2 packages are deprecated since NVIDI

一.Ubuntu 18.04 国内的 apt 源 1. 阿里源 deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ bionic-up

Ubuntu 18.04.4 LTS 更换国内系统源 1.1) 好习惯先做备份在干活: mv /etc/apt/sources.list /etc/apt/sources.list.bak 1.2) 查看ubuntu版本: lsb_release -c | grep -o "\s.*" bionic 1.3) 阿里云的源(将下列内容复制/etc/apt/sources.list) vim /etc/apt/sources.list *** 注意将$SYS_VERSION替换为上一步中获

一台服务器系统为:Ubuntu 18.04 LTS,上面建了git裸仓库,用于开发吧代码push到这里.同时WEB测试环境通过docker也部署在这台.通过git钩子post-receive,当有新代码提交是,就自动将最新的代码checkout到web测试目录,然后在手动重启容器,让java程序生效.由于代码更新频繁,手动重启太麻烦,就在git钩子post-receive脚本里增加了docker-compose restart的代码,然后提交代码是就会出现下面的错误: remote: Could

虽然Ubuntu 18.04可以通过apt安装caffe,但是为了使用最新的代码,还是值得从源码安装一遍的. 安装环境 OS: Ubuntu 18.04 64 bit 显卡: NVidia GTX 1080 CUDA: 10.0 cuDNN: 7.4 Python: 3.6 任务:从源码编译安装caffe 安装OpenCV 参考[笔记] Ubuntu 18.04源码编译安装OpenCV 4.0流程,安装OpenCV. 安装依赖 $ apt install -y libprotobuf-dev l

标准常规安装方法安装的OpenCV版本比较低,想尝鲜使用4.0版本,只好源码安装. 安装环境 OS:Ubuntu 18.04 64 bit 显卡:NVidia GTX 1080 CUDA:10.0 cnDNN:7.4 cmake: 3.10.2 任务:源码编译安装OpenCV 4.0 安装依赖 $ sudo apt install -y build-essential cmake git pkg-config libgtk2.0-dev libopenexr-dev $ sudo apt ins

Docker is an increasingly popular software package that creates a container for application development. Developing in Docker speeds up applications, as it shares the kernel and other resources, instead of requiring dedicated resources. There are two

总结一下我从Ubuntu 18.04下编译成功AOSP的过程,以及遇到的坑 我的电脑配置: OS: Ubuntu 18.04 bionic Kernel: x86_64 Linux 4.18.0-17-generic CPU: Intel Core i5-8250U(4核8线程) RAM: 8G 步骤1: 某些步骤可以先跳过,后面再设置 如果你的电脑也是8G内存(16G可以跳过这个步骤),就需要设置交换空间,否则到后面会出现内存不足的情况,参考:如何在Ubuntu 16.04上增加Swap分区

一.安装环境 本次部署使用阿里云ECS 操作系统: Ubuntu  18.04 64位 实例规格: ecs.c6.large 2U4G 二.kubernetes 版本 k8s.gcr.io/kube-apiserver:v1.16.2 k8s.gcr.io/kube-controller-manager:v1.16.2 k8s.gcr.io/kube-scheduler:v1.16.2 k8s.gcr.io/kube-proxy:v1.16.2 k8s.gcr.io/pause:3.1 k8s.

之前个人笔记本装的是 Linux Mint,用了一段时间但是体验不佳,所以打算换成 Ubuntu .作为一个 Linux 小白,当时配置一些软件环境费了不少时间.这次打算简单记录下,和大家分享一下我的踩坑记录. 安装 Ubuntu 18.04 LTS 截止发文前,Ubuntu 18.04 LTS 是官方目前最新长期支持的版本.其安装非常简单,整个过程只用到如下几项工具,请提前准备好. Ubuntu 18.04 LTS 镜像 镜像刻录工具 Etcher 一个存储容量 4G 以上的 U 盘 简单讲一

狠下心来重新装了系统,探索一下 gpu 版本的安装.比较令人可喜的是,跟着前辈们的经验,还是让我给安装成功了.由于我是新装的系统,就像婴儿般纯净,所以进入系统的第一步就是安装 cuda,只要这个不出错,后面的几乎就不会出错了. 首先,得先确定自己的显卡是否支持(这个一般支持,我这几年前的电脑的显卡都支持安装 cuda).然后确定自己要安装的是什么版本的 TensorFlow,因为不同的版本对 cuda 和 cudnn 的版本要求不一样.具体可以参考此链接:https://tensorflow.g

https://www.linuxidc.com/Linux/2018-06/152993.htm 初次听说过Linux的时候,是大一计算机课时候老师介绍说除了Windows还有Linux.Unix操作系统.但真正接触Linux是为管理虚拟专用服务器(VPS),都说Ubuntu适合新手于是接触了是Ubuntu 10.10(Maverick Meerkat).从此爱上了Linux.虽然之后我使用CentOS的时间长于别的Linux Distribution,但Ubuntu从没有离开过我的电脑.如今

(RTX 2070 同样可以在 ubuntu 16.04 + cuda 9.0中使用.Ubuntu18.04可能只支持cuda10.0,在跑开源代码时可能会报一些奇怪的错误,所以建议大家配置 ubuntu16.04 + cuda 9.0.下文还是以ubuntu18.04 + cuda 10.0为例.ubuntu16.04 + cuda 9.0的配置方法大同小异) 虽然CUDA官网中没有RTX20系列GPU所对应的版本,但是CUDA 10.0 支持Ubuntu18.04 + GPU GEFORCE