维护课题组服务器的时候要用到很多常用命令，每次都去百度搜索太浪费时间了，这里做一个总结归纳。
创建用户
1 | useradd newuser -g dgroup -b /home/ext_8t -m --shell /bin/zsh |
如果需要添加sudo权限，修改/etc/group文件
1 | sudo:x:27:newuser,user1 |
在后面追加用户名
删除用户
1 | userdel user -r |
-r删除所有附属文件
时间维护
网络同步时间
使用http时间戳戳同步，NTP协议校内用不了
1 | sudo date --rfc-2822 -s "`curl -s -i -X HEAD --header "Connection: close" http://www.baidu.com | grep -E '^Date: ' | awk -F ': ' '{print $2}'`" |
修改为中国标准时间CST
1 | sudo timedatectl set-timezone Asia/Shanghai |
开启公钥登录
需要编辑/etc/ssh/sshd_config文件，默认情况是开启密码登录的，如果要开启公钥登录，则需要添加配置
1 | PubkeyAuthentication yes |
显卡驱动升级
首先检查当前的驱动版本，可以直接使用nvidia-smi命令查看，或者使用如下命令查看。
1 | cat /proc/driver/nvidia/version |
默认的驱动套件是安装在/usr/bin下面的，主要有以下可执行文件，其中最常用的就是nvidia-smi。
1 | (base) ➜ ~ ls /usr/bin|grep nvidia |
在实践中，为了防止驱动套件版本冲突，一般是先卸载掉原有驱动，再安装新驱动。如果是直接使用nvidia官方提供的脚本安装，则上述目录中会有一个nvidia-uninstall脚本，执行此脚本即可卸载驱动；如果是用apt安装的，则使用apt卸载。
如果使用apt进行安装，则需要先添加源，再安装对应的驱动包。
1 | add-apt-repository ppa:graphics-drivers/ppa |
安装完成后，重新启动服务器即可。
安装cuda-toolkit
安装配置cuda-toolkit，在深度学习实践中一般指系统能运行nvcc编译命令，即具备编译cuda代码的能力。使用conda和pip安装torch时，只是安装了对应的依赖项使得torch可以调用显卡中的cuda计算单元，但是并不具备编译能力。有些框架（例如flash-attention）需要在安装时本地编译cuda代码，因此需要配置安装cuda-toolkit。
具体过程如下，需要先添加NVIDIA的密钥链
1 | wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-keyring_1.1-1_all.deb |
然后安装cuda-toolkit，这里安装的是cuda-12.2，如果要安装其他版本的cuda，则需要修改版本号。显卡驱动支持的最高cuda-toolkit版本请参考nvidia-smi的输出。
1 | sudo apt-get -y install cuda-toolkit-12-2 |
安装完成后，cuda工具链存放在/usr/local/cuda-12.2目录下，需要将此目录添加到环境变量中。通过nvcc -V命令的输出，可以查看cuda版本。
1 | nvcc: NVIDIA (R) Cuda compiler driver |
本文作者：MyTech::Author