背景

sudo下python默认是python2.7，而在自己的用户下python默认是3.6，如何将sudo下python也变成python3.6呢？

解决方法-基于update-alternatives

注：以下内容转载自https://blog.csdn.net/White_Idiot/article/details/78240298

可以使用update-alternatives来为整个系统更改Python版本。

第1步首先列出所有可用的python替代版本信息：

$ update-alternatives --list python

update-alternatives: 错误: 无 python 的候选项

如果出现以上所示的错误信息，表示update-alternatives没有添加Python的替代版本。

第2步将Python的替代版本添加进去：

$ sudo update-alternatives --install /usr/bin/python python /usr/bin/python2.7 1

update-alternatives: 使用 /usr/bin/python2.7 来在自动模式中提供 /usr/bin/python (python) 

$ sudo update-alternatives --install /usr/bin/python python /usr/bin/python3.5 2

update-alternatives: 使用 /usr/bin/python3.5 来在自动模式中提供 /usr/bin/python (python)

install选项使用了多个参数用于创建符号链接。最后一个参数指定了此选项的优先级，如果我们没有手动来设置替代选项，那么具有最高优先级的选项就会被选中。

这个例子中，我们为/usr/bin/python3.5设置的优先级为2，所以update-alternatives命令会自动将它设置为默认Python版本：

$ python --version

Python 3.5.2

再列出可用的Python替代版本：

$ update-alternatives --list python

/usr/bin/python2.7
/usr/bin/python3.5

现在就可以在列出的Python替代版本中任意切换：

$ update-alternatives --config python

有 2 个候选项可用于替换 python (提供 /usr/bin/python)。

  选择       路径              优先级  状态
------------------------------------------------------------
* 0            /usr/bin/python3.5   2         自动模式
  1            /usr/bin/python2.7   1         手动模式
  2            /usr/bin/python3.5   2         手动模式


要维持当前值[*]请按<回车键>，或者键入选择的编号：1

然后查看版本号：

$ python --version

Python 2.7.12
第3步当系统不再存在某个Python替代版本时，我们可以将其从update-alternatives列表中删除掉。

例如，可以将列表中的python2.7版本移除：

$ sudo update-alternatives --remove python /usr/bin/python2.7 

$ update-alternatives --list python
/usr/bin/python3.5

背景

最近在跑程序的时候，遇到一个问题就是需要先下载数据包，但是这个数据包非常大，而且网速较慢，需要很长时间。而一旦中断与服务器的连接，所有的进程就都被kill掉了。所以需要在后台运行，且不能在断开shh连接后被kill掉。

操作步骤

1、执行自己的程序。例如 python hello.py
2、按下ctrl+z暂停进程并且返回shell。
3、输入bg命令，使暂停的进程在后台运行。
4、输入jobs，记录这个进程的编号。输出内容最前面有个中括号[]，里面的就是编号。
5、输入disown -h %上一步查到的编号，例如disown -h %1。
此时，断开ssh连接后，进程不会被kill掉。

一、题目

请设计一个函数，用来判断在一个矩阵中是否存在一条包含某字符串所有字符的路径。路径可以从矩阵中的任意一格开始，每一步可以在矩阵中向左、右、上、下移动一格。如果一条路径经过了矩阵的某一格，那么该路径不能再次进入该格子。例如，在下面的3×4的矩阵中包含一条字符串“bfce”的路径（路径中的字母用加粗标出）。

[["a","b","c","e"], ["s","f","c","s"], ["a","d","e","e"]]

但矩阵中不包含字符串“abfb”的路径，因为字符串的第一个字符b占据了矩阵中的第一行第二个格子之后，路径不能再次进入这个格子。

 

示例 1：
输入：board = [["A","B","C","E"],["S","F","C","S"],["A","D","E","E"]],
word = "ABCCED"
输出：true

示例 2：
输入：board = [["a","b"],["c","d"]], word = "abcd"  
输出：false
提示：

1 <= board.length <= 200
1 <= board[i].length <= 200

二、代码

class Solution {

    private int rowl, coll;
    private boolean[][] visited;
    private int[][] direction;

    public boolean exist(char[][] board, String word) {
        if(board == null || word == null || board.length == 0 || board[0].length == 0){
            return false;
        }
        rowl = board.length;
        coll = board[0].length;
        visited = new boolean[rowl][coll];
        direction = new int[][]{{1, 0}, {-1, 0}, {0, 1}, {0, -1}};
        char[] mywords = word.toCharArray();
        for(int i = 0; i < rowl; i++){
            for(int j = 0; j < coll; j++){
                visited[i][j] = false;
            }
        }
        for(int row = 0; row < rowl; row++){
            for(int col = 0; col < coll; col++){
                boolean res = dfs(board, mywords, row, col, 0);
                if(res){
                    return true;
                }
            }
        }
        return false;
    }

    public boolean dfs(char[][] board, char[] mywords, int row, int col, int index){
        if(visited[row][col] || board[row][col] != mywords[index]){
            return false;
        }
        if(index == mywords.length - 1){
            return true;
        }
        visited[row][col] = true;
        boolean result = false;
        for(int[] dir : direction){
            int newr = row + dir[0];
            int newc = col + dir[1];
            if(newr >= 0 && newr < rowl && newc >= 0 && newc <coll && !visited[newr][newc]){
                boolean res2 = dfs(board, mywords, newr, newc, index+1);
                if(res2){
                    return true;
                }
            }
        }
        visited[row][col] = false;
        return false;
    }
}

1 背景

最近想复习一下本科学过的8086汇编，发现需要装dosbox和masm。在查阅网上资料的时候发现，网上资料非常老旧、排版乱七八糟，全是蒙着头搞配置也不说为什么，可读性奇差。所以根据自己配置的经验重新写了一个教程。

2 详细操作步骤

1、下载dosbox。
访问链接https://www.dosbox.com/download.php?main=1，下载dosbox并安装，记录下安装的地址。
2、下载masm。
我没有找到官网链接，找到了一个别人提供的链接——https://blog.csdn.net/yuzuruhanyu/article/details/80287419中提供的masm，看了下可以用。
3、新建一个文件夹命名为masm，把第2步中下载的四个文件粘贴进去。如图所示。

4、配置代码。请在这一步根据指导将代码按照你的实际情况改写，然后再进入第5步，否则无法完成配置！

mount c: D:\Softwares\DOSBox-0.74-3\masm
c:

第一行用于将目录挂载到dosbox的虚拟驱动器上。c:是dosbox的虚拟驱动器，D:\Softwares\DOSBox-0.74-3\masm是你想挂载的目录，请根据实际情况调整，我这里为了方便直接把第3步的文件夹放到了dosbox的安装目录。我们将D:\Softwares\DOSBox-0.74-3\masm挂载到c:上，是因为这样进入dosbox的c盘后就可以直接用masm里的东西了。这个c你也可以随意调整成其他盘，D:\Softwares\DOSBox-0.74-3\masm建议是第3步四个文件所在的目录。需要注意的是，这样纯粹是为了方便，你只需要保证将masm所在的盘挂载上，用的时候切换到masm所在的目录就好了。
第二行用于一启动就进入dosbox的c盘，可根据第一行进行调整。
5、返回dosbox安装目录，双击如图所示的bat文件。

此时会弹出一个配置文件。将配置文件拖到底，将第4步的代码（注意：该代码需要根据实际情况修改，请先根据第4步指导修改代码后再操作！否则将会配置失败！）添加到如图所示的位置。

6、配置完成。如果你完全按照本教程操作，打开dosbox输入dir，即会显示出四个文件如图所示。

背景

最近想给笔记本安装tensorflow-gpu，然而网上的教程都非常老旧，很多2018、2019年的文章都打着最新的旗号，描述十分混乱。本教程力求给出最新可用的tensorflow-gpu安装教程，本文基于Windows 10和tensorflow2.3。

本文可解决的问题

win10如何安装tensorflow-gpu版本？
tensorflow-gpu版本如何安装？
tensorflow2.3.0如何安装？
MX450显卡如何安装tensorflow-gpu?

目标

安装anaconda
安装cudatoolkit
安装cudnn
安装tensorflow2.3.0，提供GPU支持。
可根据需要选择性阅读。

0 准备工作

1、要想成功安装tensorflow并提供GPU支持，必须保证tensorflow、cudatoolkit、cudnn版本对应。本文描述的版本可以保证对应，建议按照本文建议安装！
2、检查硬件支持。
点击如图所示的图标打开nvidia控制面板。

然后点击系统信息，查看支持的cuda版本，如果高于10.1，则可继续阅读本文。如果小于10.1，则本文不适合您的机器，请参考其他资料。

3、检查软件支持。由于我们想要安装tensorflow2.3，从官网得知，tensorflow2.3需要cuda 10.1，cudnn7.6，所以我们需要提前下载下这些版本的软件。官网给出的软件要求如图。接下来，我们将一一解决软件问题。

一、安装anaconda

请点击阅读本文章——anaconda安装指导（使用国内源加速）

二、安装cudatoolkit 10.1

1、访问https://developer.nvidia.com/cuda-toolkit-archive，下载cudatoolkit 10.1。请点击图片所示的位置进行下载。

2、双击下载好的文件，会提示选择目录释放临时文件，直接点击下一步即可。
3、然后进行兼容性检查，进行兼容性检查完成后，会让你选择安装方式，我们此处选择自定义。

4、然后会让我们选择想要安装的内容。按图片所示展开后两项，这里新版本指将要安装的版本，当前版本是指机器上已经有的版本。如果新版本比当前版本新，就安装，否则就把对勾给去掉，保留当前版本。这里我的当前版本比新版本更新，所以我们把对勾去掉。

5、一直下一步，等待安装完成。

三、安装cudnn 7.6.5

1、下载cudnn 7.6.5。按图片所示操作即可。注意，可能会要求需要注册账号。




2、将下载下来的包解压，然后将下表中的文件放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1相应目录下。对应关系如下表所示。注意，是把文件放到相应目录下，不是直接替换目录！不是直接替换目录！不是直接替换目录！请严格按下表操作！

四、安装tensorflow 2.3

1、切换opentuna的pip镜像源。（为了加速）

pip config set global.index-url https://opentuna.cn/pypi/web/simple

2、创建虚拟环境。输入以下命令。

conda create -n tensorflow2 python=3.7

3、激活虚拟环境。

conda activate tensorflow2

4、安装tensorflow2.3。我们使用pip来安装，pip安装后自带gpu支持，不需要额外安装gpu版本。我们此处使用pip而不采用conda，是因为conda中版本可能较旧而且作者使用conda后安装失败。如此处自行使用conda后安装失败并不表示本教程有问题！特此提前说明！强烈建议您在此处根据作者建议使用pip！

pip install tensorflow==2.3

5、验证安装是否成功。输入以下语句，如果如图所示输出了自己的GPU，则表示安装成功！否则安装失败，请检查步骤后重试或向作者提问。

python
import tensorflow as tf
tf.config.list_physical_devices('GPU')

支持作者和疑问解答

本文首发于我的学习之路（liguang.wang），欢迎访问！
写文章不易，如果这篇文章有帮到你，希望你能给予一定赞赏。您可以通过当前网站或App的赞赏渠道支持，或者点击此处支持作者！
如果对于本文内容有疑问，可以点击此处联系作者！