0. 要是高算平台联网，直接粘贴他给的Installation中代码就行。但是不能联网，就需要在自己电脑上把东西配好的文件传到平台再用。
还涉及到，Installation中代码是Linux脚本，所以windows系统去执行也需要方法。在Linux系统下执行wget或者git下载过慢，需要Linux终端翻墙。
1. 用手册里面source conda一个文件，把conda环境初始化，指令vim .bashrc可在终端编辑器打开编辑。
执行conda init bash ，在最后一个文件（home/19200300131/.bashrc）里写一下conda初始化的代码，会发现用户名前多了一个环境的名称（如base）。
另，conda默认换成清华源了，如果里面用pip装，需要用pip换一下源，手册里有。
2. 新建一个环境，叫old_pic，激活新环境：conda activite old_pic。
依赖里面有dlib，需要cmake和glabelc6.2 6.9 ，而超算默认版本较低，每次需要激活。
安装requirement，还缺cmake，gcc和cmake编译dlib。
执行以下：
module load gcc/12.1.0
module load cmake/3.25.1
最后装requirement.txt ：
pip install -r requirement.txt
3.提交作业时
提交作业前要conda init 部分重新加载一下，不然后面执行conda activitie执行不出来，因为提交代码上去执行的环境不是以个人用户身份执行的，是公共环境，不会自动sourse。
执行以下：
前两句激活conda。第三句为了dlib，而dlib是需要C++的，gcc用于支持C++11
另：脚本里面所有的用户名不可以写~（波浪线就是用户根目录），会到用户根目录。只能到当前运行的用户目录，运行的时候在公用的目录下。写清具体路径。
4.不关闭xshell窗口，不需要很长时间去跑东西，要在在终端调试代码，可以执行：
jsub -q gpu sleep 5000
jjobs（得到任务被提交到某个gpu**）
ssh gpu**
就将运行环境切换到gpu**了（nvidia-smi命令可以查看gpu详情，挑一个低使用率的来用）
另：每ssh一下，环境变回base，根目录从代码目录下也变回了用户根目录（~）：
所以要cd一下回到代码的目录下工作：
总结：如果要实时看结果，用ssh登录过来跑。如果要一晚上训练，用作业提交脚本。
看报错用：cat error.作业号