yaml演示1234567891011121314151617181920212223242526272829303132333435363738394041version: '3'networks: rustdesk-net: external: falseservices: hbbs: # RustDesk ID/Rendezvous 服务器 container_name: hbbs ports: - 21115:21115 # 用于 NAT 类型测试的 TCP - 21116:21116 # TCP打孔 - 21116:21116/udp # UDP心跳/ID服务器 - 21118:21118 # 如果要运行web客户端,则使用TCP进行web套接字 image: rustdesk/rustdesk-server:latest command: hbbs volumes: - /data/rustde ...
在 Ubuntu 上安装 Docker 的步骤如下:
1. 更新系统包索引确保系统是最新的,运行以下命令:
12sudo apt updatesudo apt upgrade -y
2. 安装必要的依赖安装 Docker 所需的依赖包:
1sudo apt install -y apt-transport-https ca-certificates curl software-properties-common
3. 添加 Docker 官方 GPG 密钥下载并添加 Docker 的 GPG 密钥以验证安装包:
1curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg
4. 添加 Docker 软件源将 Docker 的官方 APT 源添加到系统中:
1echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/sh ...
虚拟机绑定 CCD0在 Manjaro(或任意 Arch 系 Linux)中,如果你想把 AMD 9950X 的 CCD0(Core Complex Die 0)分配给虚拟机,CCD1 留给物理机,你可以通过内核参数 isolcpus、nohz_full、kvm 的 CPU pinning、QEMU 的 CPU 绑定等方式实现。
🧠 总体目标:
✅ 虚拟机绑定 CCD0(Core 0~7)
✅ 物理机只使用 CCD1(Core 8~15)
1️⃣ 查明 CPU 拓扑(确认哪些核心属于 CCD0 和 CCD1)运行以下命令确认核对应的 CCD:
1lscpu -p=CPU,CORE,SOCKET,NODE
典型输出例子:
12345678910111213141516171819202122232425262728293031323334# CPU,Core,Socket,Node0,0,0,01,1,0,02,2,0,03,3,0,04,4,0,05,5,0,06,6,0,07,7,0,08,8,0,09,9,0,010,10,0,011,11,0,012,12,0,013, ...
在这三种抗锯齿技术中,FXAA(快速近似抗锯齿)的性能消耗最小,最适合追求高帧率的FPS游戏239。
性能消耗对比FXAA 是消耗最低的抗锯齿技术,平均只会造成3-8%的帧率下降11。它是一种后处理技术,通过分析渲染完成的图像并平滑高对比度边缘来工作,对GPU的要求非常低35。
SMAA(子像素形态抗锯齿) 的性能消耗比FXAA稍高一些,但仍然相对较轻4。它提供比FXAA更好的图像质量,但会稍微增加系统负担4。
TAA(时域抗锯齿) 的性能消耗介于FXAA和传统MSAA之间,平均会造成5-15%的帧率下降11。虽然效果比FXAA好很多,但比较消耗硬件2。
高帧率FPS游戏的最佳选择对于像PUBG、堡垒之夜等速度至关重要的FPS游戏,FXAA是最佳选择9。NVIDIA也推荐FXAA作为大多数人的最佳选项,因为它对GPU的要求不高,能在绝大多数机器上良好运行9。
各技术的特点FXAA的优势:
性能影响极小5
适用于任何游戏和图像3
特别推荐用于移动平台和不支持运动矢量的平台1
能够平滑透明纹理5
FXAA的劣势:
会使最终图像变模糊,纹理看起来不够锐利5
实际上是一种粗糙的模糊化处理 ...
安装chocolatey1Set-ExecutionPolicy Bypass -Scope Process -Force; [System.Net.ServicePointManager]::SecurityProtocol = [System.Net.ServicePointManager]::SecurityProtocol -bor 3072; iex ((New-Object System.Net.WebClient).DownloadString('https://community.chocolatey.org/install.ps1'))
安装EarTrumpet1choco install eartrumpet
一般情况下,ONNX模型建议导出为全精度(FP32),然后在生成TensorRT engine时再选择使用半精度(FP16)进行推理加速,原因如下:
1. ONNX导出全精度的优势
PyTorch默认导出ONNX模型时是FP32格式,保证模型权重和计算的数值精度完整,避免导出阶段因半精度带来的数值精度损失或算子不支持问题1。
全精度ONNX模型兼容性更好,支持更多算子和复杂模型结构,减少导出时算子不支持或导出失败的风险14。
导出的FP32 ONNX模型可通过后续工具转换为FP16,灵活度更高2。
2. 在TensorRT生成engine时使用半精度的优势
TensorRT支持在生成engine时开启FP16模式,将FP32模型权重转换为FP16进行加速推理,显著提升推理速度并降低显存占用17。
通过TensorRT的混合精度策略,可以自动选择对精度敏感的层使用FP32,其他层使用FP16,兼顾性能和推理精度5。
这种方式避免了直接导出FP16 ONNX模型时可能出现的数值溢出、NaN等问题,提高模型稳定性3。
3. 直接导出FP16 ONNX模型的风险
虽然PyTorch支持通过 ...
yay -S 1panel
取消安全入口1pctl reset entrance
设置用户名密码1pctl update username 1pctl update password
修复网页docker问题
12345678910111213141516171819202122232425262728293031323334services: openresty: build: args: - PANEL_OPENRESTY_VERSION=1.27.1.2-0-1-focal - RESTY_CONFIG_OPTIONS_MORE=${RESTY_CONFIG_OPTIONS_MORE} - RESTY_ADD_PACKAGE_BUILDDEPS=${RESTY_ADD_PACKAGE_BUILDDEPS} - CONTAINER_PACKAGE_URL=${CONTAI ...
硬盘QEMU HARDDISK 在/hw/ide/core.c /hw/scsi/scsi-disk.c 中
WDC WD10SPZX-22Z10T1
USB鼠标hw/usb/dev-hid.c
1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071727374757677787980818283848586878889909192939495969798991001011021031041051061071081091101111121131141151161171181191201211221231241251261271281291301311321331341351361371381391401411421431441451461471481491501511521531541551561571581591601611621631641651661 ...
要使你的 BackCalPID 控制器能够平稳地跟踪快速移动的目标,并且在目标突然停止时晃动(超调)最小,需要综合考虑 PID 参数(kp, ki, kd, kc)、死区(dead_zone)、卡尔曼滤波参数(Q, R)以及输出限幅(out_up, out_low)的调节。以下是一个系统性的调参指南,结合你的代码逻辑和实际控制需求:
1. 理解控制器的工作原理你的控制器是一个结合了 PID 控制和卡尔曼滤波的系统,具有以下特点:
PID 控制:通过比例(kp)、积分(ki)、微分(kd)和反算积分限幅(kc)来计算控制输出。
卡尔曼滤波:用于平滑控制输出,减少噪声影响(Q 为过程噪声,R 为测量噪声)。
死区(dead_zone):避免小误差引起的不必要控制动作,减少抖动。
输出限幅:限制控制输出的范围,防止过大的控制动作。
动态积分限幅:通过 kc 和 steady_state_error 动态调整积分项,防止积分饱和。
目标是:
快速跟踪:快速响应的目标需要较大的 kp 和适中的 kd。
最小晃动:目标突然停止时,需要通过 kd 和 kc 抑制超调,同时优化卡尔曼滤波参数以 ...
12345678910111213141516171819[Unit]Description=Ollama ServiceAfter=network-online.target[Service]ExecStart=/usr/local/bin/ollama serveUser=ollamaGroup=ollamaRestart=alwaysRestartSec=3Environment="OLLAMA_HOST=0.0.0.0"Environment="OLLAMA_ORIGINS=*"Environment="OLLAMA_KEEP_ALIVE=1h"Environment="CUDA_VISIBLE_DEVICES=GPU-44ac878c-c35b-b019-2288-040242c2696d"Environment="PATH=/home/boqi/miniconda3/bin:/home/boqi/miniconda3/condabin:/home/boqi/.local/bin:/us ...