分类： 专业方面

编译的nginx程序没有在systemctl工具注册，直接sudo systemctl找不到

可以手动添加一个服务单元文件来进行管理

如果您通过编译源代码的方式安装了 nginx，而且 systemctl 无法找到 nginx 的服务单元文件，您可以手动创建一个服务单元文件来管理 nginx 的启动和停止。

以下是一个示例的 nginx.service 服务单元文件：

[Unit]
Description=nginx - high performance web server
After=network.target

[Service]
Type=forking
PIDFile=/path/to/nginx.pid
ExecStartPre=/path/to/nginx -t -c /path/to/nginx.conf
ExecStart=/path/to/nginx -c /path/to/nginx.conf
ExecReload=/path/to/nginx -s reload
ExecStop=/path/to/nginx -s stop
PrivateTmp=true

[Install]
WantedBy=multi-user.target

您需要将文件中的 /path/to/ 替换为您实际的 nginx 路径。然后，将此文件保存为 /etc/systemd/system/nginx.service。

完成后，您可以使用以下命令来管理 nginx 服务：

• 启动 nginx：sudo systemctl start nginx
• 停止 nginx：sudo systemctl stop nginx
• 重新加载 nginx 配置：sudo systemctl reload nginx
• 查看 nginx 状态：sudo systemctl status nginx

请注意，这只是一个示例，具体的路径和命令可能因您的实际安装方式而有所不同。请根据您的实际情况进行调整。

此外，如果您的 nginx 是通过包管理器安装的，您可以尝试使用包管理器提供的方式启动和管理 nginx。例如，对于基于 Debian/Ubuntu 的系统，可以使用以下命令：

• 启动 nginx：sudo service nginx start
• 停止 nginx：sudo service nginx stop
• 重新加载 nginx 配置：sudo service nginx reload
• 查看 nginx 状态：sudo service nginx status

请根据您的操作系统和安装方式选择适合的方法来管理您的 nginx 服务。

Telsa 系列
C870 GPU计算模块，2007/5/2，600
D870桌边电脑，2007/5/2，600
S870 GPU计算服务器，2007/5/2，600
S1070 GPU计算服务器“400配置”，2008/6/1，602
S1075 GPU计算服务器，2008/6/1，602
C1060 GPU计算模块，2009/4/9，602
C2050 GPU计算模块，2011/7/25，575
M2050 GPU计算模块，2011/7/25，575
C2070 GPU计算模块，2011/7/25，575
C2075 GPU计算模块，2011/7/25，575
M2070/M2070Q GPU计算模块，2011/7/25，575
M2090 GPU计算模块，2011/7/25，650
S2050 GPU计算服务器，2011/7/25，575
K10 GPU加速器，2012/5/1
K20 GPU加速器，2012/11/12
K20X GPU加速器，2012/11/12
K40 GPU加速器，2013/10/8
K80 GPU加速器，2014/11/17
M6 GPU加速器，2015/8/30
M60 GPU加速器，2015/8/30
M4 GPU加速器，2015/11/10
M40 GPU加速器，2015/11/10
P100 GPU加速器（夹层），2016/4/5
P100 GPU加速器（16GB卡），2016/6/20
P100 GPU加速器（12GB卡），2016/6/20
P4 GPU加速器，2016/9/13
P40 GPU加速器，2016/9/13
P6 GPU加速器，2017/3/24
V100 GPU加速器（PCIe卡），2017/6/21
V100 GPU加速器（PCIe FHHL卡），2018/3/27
T4 GPU加速器（PCIe卡），2018/9/12
A100 GPU加速器（PCIe卡），2020/5/14
A40 GPU加速器（PCIe卡），2020/10/5
A10 GPU加速器（PCIe卡），2021/4/12
A16 GPU加速器（PCIe卡），2021/4/12
A30 GPU加速器（PCIe卡），2021/4/12
A2 GPU加速器（PCIe卡），2021/11/10
H100 GPU加速器（PCIe卡），2022/3/22
H100 GPU加速器（SXM卡），2022/3/22

记录一下，后面买专业卡时候看清楚

singularity是跟docker相似的容器系统，通常用在HPC或者超算上，跑代码之前要先把环境打包，自己制作镜像。

.镜像可以用docker或者singularity hub或者singularity library上pull下来，但好比如说跑python代码，很多时候需要自己增删改包，就必须对镜像进行个性化修改.

因为原来独占服务器到期，这次任务只能用学校的HPC，必须学这个singularity，学了十天，后面都不想搞了，但是想到花了七八天代码一直跑不通就相当于没有成果，时间就纯浪费了。

就多琢磨几天，终于搞好了

学校服务器真的强，又便宜。内存存储无限用，GPU A100按需使用也3块钱一个小时，比腾讯云，阿里云便宜一百倍。

官方文档链接：https://docs.sylabs.io/guides/3.5/user-guide/introduction.html

1，首先从容器平台下基础镜像，

singularity pull docker://deepcortex/ubuntu-conda
#从docker下载镜像并转换成sif格式

2，sif格式是个只读模式，如果修改需要创建sandbox

singularity build --sandbox ubuntu18 ubuntu-conda_latest.sif

3，创建sandbox目录后，使用shell –w命令对sandbox进行修改

sudo singularity shell --writable ubuntu18/

4，修改完镜像后重新build成sif格式

singularity build test.sif ubuntu18

---

说下经验，直接拉ubuntu镜像从0搭建python环境比较复杂，而且会导致sif镜像包非常大，大几G。而且从0配置CUDA是真麻烦

这次调通是直接拉的pytorch带cuda的官方镜像，然后用pip安装几个包，直接打包，方便又快。

常用的docker镜像有ubuntu官方的，nvidia官方的，pytorch官方的

再说下经验，每次为服务器换源太折腾了，又是conda的，又是ubuntu的，又是pip的。干脆直接不换源，如果是虚拟机的话用宿主机开局域网代理，再给虚拟机linux配置临时代理。又方便又快捷

zhuziyang

抽象冲浪学院 15000 理塘大学电子烟系

A B S T R A C T

互联网生活丰富多彩，容纳万千。网上冲浪已经成了众多打发时间的方式之一。但互联网又具有圈层复杂，去中心化，去权威化，娱乐化的特点。

网络像一层面纱，隐去了用户的真实身份，提供了不用考虑后果(指通常情况下：玩大了还是容易被“开盒——查出现实身份”，影响现实生活)，宣泄情绪的渠道。

人们热衷在抖音、贴吧、b站、直播平台、知乎上与网友进行讨论。

有的用户通常只浏览、不回复、不评论、不参与其中，明哲保身。

有的用户则热衷于评论回复，评论回复若不恰当、或单纯让一部分人看不惯、或单纯与一部分人观点不同、或单纯遇到过的不如意的网友都容易被喷 （网上被喷有时候是没理由的），要么被人抓着辩经，要么被群嘲，要么被人追着喷不得不装死、删号，深陷泥沼、好不体面。

事实上在现如今极化的网络环境中，观点被认可或被喷一定程度上并不取决于正确性。换而言之，观点客观正确但不符合旁观者立场依然可能被喷，观点胡扯但立场与旁观者一致更可能获赞或被支持。

因此什么情况下能回复评论、什么情况场合下不能回复评论、网上讨论前需要做什么准备、什么内容容易打顺风局、如何识别反串，假友军、等问题就成了一个值得学习的重要课题。

本文提出了一种基于用户、场景成分分析的方法，对互联网讨论这一复杂多用户行为进行建模，抽象出互联网讨论的特点，并给出立于不败之地——永远站在制高点顺风输出的办法。

Introduction

下次写