本教程详细介绍了在Ubuntu 22.04系统下使用Tesla M40显卡进行AI深度学习的环境搭建步骤。主要内容包括禁用Nouveau驱动、安装NVIDIA驱动、校验驱动安装情况以及卸载NVIDIA驱动的完整流程。教程还提供了相关命令和操作步骤，帮助用户解决可能遇到的异常情况，确保驱动安装和卸载的顺利进行。

今天有空尝试了下最近很火来自字节开源的 DeerFlow，这框架在 Linux 下安装会顺利很多，只是公司开发电脑是 Windows 11 版本的，所以本地安装折腾了一番功夫才安装上，中间放弃了 2 次不想装了，做其他事去了，做完后无聊又再次尝试，终于成功，特此记录分享给需要的朋友。

很久以前详细介绍了在 Windows 如何安装 Anaconda，这次来试试体积更小的 Miniconda，本来不打算安装 conda 的，因为本机上期已经安装好了 uv，但由于需要部署 CosyVoice 这个框架，网上查了下资料，说是 CosyVoice 在 Windows 下只能使用 conda 环境来部署，也不知道是否是这样，不管如何，先按照先驱们的经验来。

Windwos 系统里 Ollama 部署运行的大模型接口默认情况下局域网其他电脑无法访问，如果要在另外一台调用使用大模型，该怎么办？研究后发现增加一个配置即可开启访问权限。

之前尝试了 ComfyUI 便携版的安装，本次尝试下桌面版的安装方式，目前 ComfyUI 安装方式有 3 种，具体如下：1.桌面版，适合普通用户，系统支持 Windows 和 MacOS，和普通的所有安装程序一样，通过操作界面傻瓜式的下一步下一步，直到安装完成，但官方为了追求稳定所以版本号会较为落后，安装过程同时还需要先安装 Git、Python、UV 等其他依赖，相对还是没那么简单。2.源码版

相对于之前测试的 RTX 3090 用时 2 分钟左右 和 RTX 4090 用时仅需 1 分钟左右的生成视频速度，虽然它们不是同一级别，这样对比有些残忍，但 AMD MI50 这张卡生成时长确实有点久了，虽然显存够大，不用担心爆显存，能正常生成视频，但是也印证了《ComfyUI/Stable Diffusion 跑图/生图/生视频应该用什么显卡？显卡选购建议》这篇文章中引用 ComfyUI 官方

在大家的认知里是否还停留在要安装 ComfyUI 只能通过命令进行源码编译安装，或者使用秋叶的第三方扩展包才能安装？随着 ComfyUI 的生态越来越好，ComfyUI 官方也推出了基于普通用户也能安装的程序，今天就教你 Windows 系统下一分钟快速安装 ComfyUI 最新的官方程序，没有显卡也能用 CPU 运行 ComfyUI。

近期使用 Tesla V100 在 Windows 10 系统下做各 AI 框架搭建测试，由于之前都是在 Ubuntu 系统下通过源码编译的方式安装 ComfyUI，设置调整启动参数很方便，此次在 Windows 系统下安装了 ComfyUI 桌面版用起来有点懵，之前也没碰到这种报错，但好在通过一番研究找到解决方法。

在使用 ComfyUI 的过程中，经常会碰到大名鼎鼎的 CUDA out memory 显存不够的的报错，如果你有仔细看报错信息中的说明，可以看到其实有解决方法：PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True。