debian 系统不知为何，开机没有自动加载 nvidia-uvm 设备，需要在主机系统手动启动任意一个cuda程序才能加载，非常坑爹。写了一个脚本，配置了一个自动创建 nvidia-uvm 的 systemd 的服务。stackoverflow 上的问题 正确创建 nvidia-uvm 设备。nvidia cuda官方创建 nvidia-uvm 节点的脚本。Debian11 创建 systemd

环境ubuntu 18.04使用的 LXD/LXC 版本为 3.0.3，尚不清楚LXD/LXC 4.X 是否有该问题症状LXC容器内可以执行nvidia-smi命令，并且可以看到显卡。但是使用 pytorch 使用显卡时，报错 cuda unknow error。无法使用显卡来工作。解决先停止该容器lxc stop xxx然后切换到root权限下，重新启动该容器即可lxc start xxx原因推

报错 The NVIDIA container tools couldn’t be found 原因是 nvidia-container-runtime 包没有安装，需要手动安装。ubuntu 直接安装 lxd 就能直接使用，原因可能是 ubuntu 使用的是snap包，它的snap包里已经包含 nvidia-container-runtime 相关工具。这里可以找到报该错误的 LXD 的 go

当前 debian 的最新 nvidia 驱动在 550，一些新的显卡需要最新的 591 驱动才能使用。如果不想使用 run 文件来更新，那么 apt 更新是比较好的。然后 apt update，就能找到最新的驱动了。如有不懂，请问 deepseek。然后创建 list 文件。

原来使用 staxrip 的 nvidia加速 转码一堆录像到 x265，码率大概为2000，画质很渣，虽然也许很大一部分是我不会调或者调错参数的原因 ORZ。后来发现这个帖子https://tieba.baidu.com/p/5738413374?red_tag=2530212879#120222338969l顿时给了我很大的信心，nvidia 的编码器雄起了！staxrip 已经停止更...

最近多了两张卡，一张P40，一张M40，都是24G显存版本，测试下训练速度。训练StyleGan类对抗生成模型，占用显存15G。核心100%满载。没有使用混合精度加速技巧。平均下来，每训练1000次RTX 3090，耗时约 107 秒Tesla P40，耗时约 245 秒Tesla M40，耗时约 346 秒时间比为RTX 3090 为 1XTesla P40 为 2.3XTesla M40 为

原来的镜像弄坏了，本想重新下一个新镜像，却坑爹的E:the selected extractor cannot be found:ar原因：busybox官网 https://busybox.net/不知为何，我在官网下载的 busybox 没有自带 ar 命令，明明官方网站上写着 有 ar 命令测试 busybox ar发现还真没有 ar 命令，不知去哪了，测试了几个旧版本，也没有

tiffslide 开源仓库：https://github.com/bayer-science-for-a-better-life/tiffslidetifffile 开源仓库：https://github.com/cgohlke/tifffile保存的 ome-tiff 大图可以使用 qupath（新的开源病理标准软件，内存占用较少，并能自动切换金字塔分辨率） 或一般的图像浏览器（内存占用很大，

xtquant 网址：https://dict.thinktrader.net/nativeApi/download_xtquant.html?已测试基本功能都能直接使用，登录，获取k线数据，如果使用不支持的功能会报错 “当前客户端未支持此功能，请更新客户端或升级投研版”国金QMT网址：https://download.gjzq.com.cn/gjty/organ/gjzqqmt.rar。而直接使

搞来搞去，又是一小时，记录一下只需要增加 fmt 参数即可import matplotlib.pyplot as pltplt.rcParams['font.size'] = 100没了，你再show图的时候，发现所有图里面所有的字都变大了完整例子import numpy as npimport seaborn as snsimport matplotlib.pyplot as...