月度归档：2023年10月

测试网卡并禁用virbr0网卡

利用vmware动态修改网卡，实现系统内IP地址的修改。

sudo systemctl start libvirtd.service 如果系统没有启动，

sudo systemctl stop libvirtd.service 仍然后获取该网卡的状态。

sudo systemctl disable libvirtd.service 禁用随系统启动，操作此项后，重启系统生效。

systemctl mask libvirtd.service 慎用，真的会删除，且无法恢复。

FBX被Qt调用库

https://www.autodesk.com/developer-network/platform-technologies/fbx-sdk-archives

———————–

https://www.autodesk.com/developer-network/platform-technologies/fbx-sdk-2020-3-4

https://www.autodesk.com/content/dam/autodesk/www/adn/fbx/2020-3-4/fbx202034_fbxsdk_vs2017_win.exe

https://www.autodesk.com/content/dam/autodesk/www/adn/fbx/2020-3-4/fbx202034_fbxsdk_linux.tar.gz

————————————————–

https://www.autodesk.com/developer-network/platform-technologies/fbx-sdk-2019-5

https://www.autodesk.com/content/dam/autodesk/www/adn/fbx/20195/fbx20195_fbxsdk_vs2017_win.exe

https://www.autodesk.com/content/dam/autodesk/www/adn/fbx/20195/fbx20195_fbxsdk_linux.tar.gz

VIM操作时自动缩进的解决方案

https://blog.51cto.com/u_16097040/6244160

VIM在粘贴时，会根据当前文件类型而采用不同地缩进方案，如编辑yaml文件，从而导致以下混乱，如下图示：

解决此问题方法如下：

:set paste    #这方式是表示进行粘贴模式，则可以实现正常的粘贴效果了。
              #启用模式时，在下方明确显示(paste)字样。
:set nopaste   #取消粘贴模式，恢复之前的缩进效果。

AI显卡

支持ITX主板的3050显卡，1700元
GeForce RTX 3050显卡的单精度浮点性能为9T FLOPS，大概18个Tops

https://item.jd.com/10077097937039.html#crumb-wrap

—-====================

大模型（Large Model）是指具有数百万或数十亿个参数的深度神经网络模型，这种模型经过专门的训练过程，能够对大规模数据进行复杂的处理和任务处理。

大模型需要占用大量的计算资源、存储空间、时间和电力等资源来保证它的训练和部署。相比之下，小模型（Small Model）是指具有较少参数的深度神经网络模型。小模型常常运行速度更快，也更加轻便，适用于一些计算资源和存储空间较少的设备或场景，例如移动设备或嵌入式设备。

===========================

AI应学习应用阶段，一般需要八代酷睿I5或三代锐龙R5以上处理器、16G以上内存、GTX1060以上独立显卡。

GTX 1060的理论浮点运算性能为4.4 TFLOPS

=============================

RTX 3080 Ti的算力确实比GTX 1060更高。根据Nvidia官方数据，RTX 3080 Ti的理论浮点运算性能（FP32）为34.1 TFLOPS

===============================

2016年的信息

https://baike.baidu.com/item/GTX1060/19888890?fr=ge_ala

FLOPS和TOPS的区别 以及 算力的计算方法

TFLOPs和 TOPs都是描述深度学习设备计算能力的单位，1TFLOPS与1TOPS，前者代表是每秒执行1万亿次 浮点 运算次数，后者代表每秒执行1万亿次运算次数，区别FL即float浮点，大多数NPU都是定点运算，故通TOPS来标称算力。它们之间的转换通常可以用(1太拉)1TFLOPS=2*1TOPS来计算，但是需要注意TFLOPS中有单精度FP32 和半精度FP16的区别，默认是FP16。

理论峰值 ＝ GPU芯片数量GPU Boost主频核心数量*单个时钟周期内能处理的浮点计算次数

只不过在GPU里单精度和双精度的浮点计算能力需要分开计算，以最新的Tesla P100为例：

双精度理论峰值 ＝ FP64 Cores ＊ GPU Boost Clock ＊ 2 ＝ 1792 ＊1.48GHz＊2 = 5.3 TFlops

单精度理论峰值 ＝ FP32 cores ＊ GPU Boost Clock ＊ 2 ＝ 3584 ＊ 1.58GHz ＊ 2 ＝ 10.6 TFlop
单精度计算能力的峰值 = 单核单周期计算次数 × 处理核个数 × 主频

算力单位

TOPS（Tera Operations Per Second：）1TOPS处理器每秒钟可进行一万亿次（10^12）操作。

GOPS（Giga Operations Per Second）：1GOPS处理器每秒钟可进行一亿次（10^9）操作。

MOPS（Million Operation Per Second）：1MOPS处理器每秒钟可进行一百万次（10^6）操作。

如下表示FLOPS，分别以M，G，T，P四种级别来表示，当然你也可以用到TOPS上面

一个MFLOPS（megaFLOPS）等于每秒一百万（=10^6）次的浮点运算，

一个GFLOPS（gigaFLOPS）等于每秒十亿（=10^9）次的浮点运算，

一个TFLOPS（teraFLOPS）等于每秒一万亿（=10^12）次的浮点运算，(1太拉)

一个PFLOPS（petaFLOPS）等于每秒一千万亿（=10^15）次的浮点运算，