1、服务端登录退出
登录服务器 ssh kayan.sjc@xx.xx.xx.67
退出登录：logout 192.168.0.10
2、目录管理
显示目录 pwd
创建目录 mkdir resource
显示目录内的文件 ll
切换目录 cd d: cd Desktop/
删除目录 rm dir1 , 加上参数rf，即 rm -rf dir1， 强制递归删除目录
-f：强制删除文件或目录；
-r：递归处理，将指定目录下的所有文件与子目录一并处理；
3、文件管理
3.1、创建文件：vi filename 打开或新建文件，并将光标置于第一行首
3.2、编辑文件 https://blog.csdn.net/linjpg/article/details/77854671 https://www.cnblogs.com/crazylqy/p/5649860.html
a) 打开编辑器 vi filename 打开或新建文件，会将光标置于第一行首，进入编辑器后，先按"I”，即切换到“插入”状态。就可以通过上下左右移动光标，或空格、退格及回车等进行编辑内容了，和WINDOWS是一样的了。
b) 退出vim编辑器的方法，退出编辑器又分为4种情况：保存退出、正常退出、不保存退出及强制退出
保存退出：先按"esc"，然后在输入":"，这时会出现等待输入命令的窗口，这时再输入wq（w代表写入write，q代表quit，退出），然后回车就能保存退出了。
正常退出：先按"esc"，然后在输入":"，然后直接输入q就可以了，正常退出有个前提条件就是打开的文件没有被修改过。
不保存退出：先按"esc"，然后在输入":"，然后直接输入 q! 就可以了
强制退出：先按"esc"，然后在输入":"，然后直接输入 ! 就可以了，慎用此命令
c）其它文件操作
删除文件： rm file
文件移动：将test1中的文件file1移动到test2目录中,并命名为file2： mv test1/file1 test3/file2
#mv ./requirements.txt ./aligraph-tutorial/requirements.txt 将当前目录下的文件移到当前目录下的aligraph-tutorial文件夹 # mv ./data ./aligraph-tutorial/ 将当前目录下的文件夹data移到当前目录下的aligraph-tutorial文件夹
文件复制：cp [选项] 源文件或目录 目标文件或目录
上传文件,将本地当前目录中的文件上传到服务器特定目录: scp lowrance_roy.pdf kayan.sjc@xx.xx.xx.67:/home/kayan.sjc/resource/
下载文件, 从服务器特定目录中将文件下载到本地的当前目录:
scp kayan.sjc@xx.xx.xx.67:/home/kayan.sjc/resource/lowrance_roy.tar lowrance_roy.tar
解压文件 tar -xvf text-classification-cnn-rnn.tar
打包文件，在服务器当前目录将文件夹data打包成data.tar: tar -cvf data.tar data
查看文件内容 tail -f nohup.out
查看当前任务 tops ，然后可以ctrl+m按照使用内存排序，找到pid，然后可以使用 kill -9 pid 杀死任务
退出当前进程 kill -9 pid , ctrl + c
自动补全，一般输入几个字母(通常3个及以上)后，按tab键，会自动补全，如果按一下没效果，按两下会列出所有项，然后再输入一点自己再Tab就行.
************************python及tensorflow环境安装****************************
1. 安装Anaconda2-5.2.0-Linux-x86_64.sh
sh Anaconda2-5.2.0-Linux-x86_64.sh /home/kayan.sjc/resource
2. 建立一个tensorflow的运行环境
# 创建一个名为tensorflow的python3.5的环境
$ conda create -n tensorflow python=3.5
[可能会出现: command not found: conda, 解决方案 https://blog.csdn.net/xxzhangx/article/details/53292398 ]
# 创建一个名为tensorflow27的python2.7的环境
$ conda create -n tensorflow27 python=2.7
3. 在conda的tensorflow环境中安装tensorflow
3.1 首先需要激活环境
$ source activate tensorflow
3.2 安装tensorflow
$ pip install --ignore-installed https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/cpu/tensorflow-1.4.0rc1-cp35-cp35m-linux_x86_64.whl
[ tensorflowl安装链接中的1.4.0指tensorflow版本, cp35指python版本, linux_x86_64指linux的64位x86平台 ]
3.3 关闭环境
source deactivate
3.4 删除环境(慎重操作):
$ conda remove -n tensorflow --all ]
4、运行python命令
首先进入文件目录，然后执行运行命令:
$ nohup python -u pair_cnn_train.py &
该命令可以实现实时刷新输出nohup至文件. ,可以使用命令 tail -f nohup.out 查看日志内容. 注意运行python或tensorflow时需要先激活相应环境.
5、文件查看、编辑
vim 查看文件内容，退出查看模式快捷键(不需要进入命令编辑模式)：
在命令编辑模式下：
:q 不保存退出
:q! 不保存强制退出
:wq 保存退出，w表示写入，不论是否修改，都会更改时间戳
:x 保存退出，如果内容未改，不会更改时间戳
非命令行模式: 按住shift，
zz 保存退出
zq 不保存退出，q表示放弃
6、查看进程
ps a 显示现行终端机下的所有程序，包括其他用户的程序
ps u 以用户为主的格式来显示程序状况。
ps x 显示所有程序，不以终端机来区分。
最常用的方法是ps aux,然后再通过管道使用grep命令过滤查找特定的进程,然后再对特定的进程进行操作。
ps aux | grep program_filter_word,ps -ef |grep tomcat
杀进程
使用kill命令结束进程：kill xxx
常用：kill －9 324