还是爱折腾...
前一阵子买了个新的笔记本电脑，幻13-3050TI-1T版本，全能本，CPU是8核心16线程的标压版AMD锐龙9-5900HS，显卡是NVIDIA-3050TI，重量和macbook差不多，都是1.4kg，便携、可以改变形态。
大概长这样：
可以变换3种形态（莫名有种兴奋感），可能也有人问我为啥不买macbook，没买的原因有两点：
- macbook不支持nvidia显卡，这个无解，没办法本地跑AI代码，只能远程服务器
- macbook用腻了，有一点审美疲劳，新版的macbook pro也太厚了，感觉不方便携带，主要也贵...
于是有了一台和macbook接近大小、差不多重量的带独显的全能笔记本，日常简单开发、调试调试足够用了。CPU是R9-5900HS、显卡是3050TI-4G，CPU的编译速度也还可以，GPU的话除了显存有点小，30系列的特性都有了，可以尽情尝试。
毕竟搞AI的，当然对GPU比较敏感，这个3050TI是基于GA107核心，有2560个CUDA Core，80个Tensor Core，基本是够玩了。计算能力8.6，目前（这句话写的时候还是最新，但是立马老黄3月份推出了H100）最新的特性该有的都有了：
- FP32、FP16、BF16和INT8精度的支持
- 第三代Tensor Core等等
附一个GA102的白皮书，感兴趣的可以翻翻。
有了笔记本，接下来就是配置开发环境了。
之前不想用Windows本主要是习惯了Linux的操作环境，而Mac和Linux操作起来相差不大，而用windows就会种种不习惯。
所以一开始的方案就是win10+ubuntu双系统：
Ubuntu + win10/win11 双系统方案
这也是大部分程序员的配置，开发当然必须是ubuntu了，windows娱乐，ubuntu工作。
这里我先是在win10下安装了ubuntu，之后在win10+ubuntu双系统的前提下，将win10升级成了win11。整个升级过程很顺滑，升级后没有任何改动（引导没有被破坏、ubuntu系统未被破坏）升级完重启后，可以正常使用ubuntu，此时双系统升级为win11+ubuntu。
而装Ubuntu也是老生常谈的话题了，基本都是：
- 下载好Ubuntu镜像，拿个U盘制作U盘镜像
- Win10系统内划分出一部分磁盘给Ubuntu使用
- 重启bios设置启动方式为U盘然后安装
我安装的是20.04版本的Ubuntu。
大概就是这么个流程，网上的资料很多很多，随便一搜就有了，有一点和之前安装16.04不一样，NVIDIA的驱动安装比想象中要顺利很多，四年前那会也在一个笔记本上装Ubuntu吃了不少苦头：ubuntu16.04下安装NVIDIA（cuda）-gtx965m相关步骤以及问题，这次的NVIDIA驱动没有很多坑，安装正常逻辑安装就行，也不需要禁用什么什么的。
进入新的Ubuntu系统，基本步骤大体也都一样：
先切换源，注意源的版本一定和你的ubuntu版本一致（不一致会导致你的各种软件不兼容，也就是unmet会很多，这个我一开始没有注意，折腾了很久），去找清华或者阿里源：
然后把/etc/apt中的source.list替换成国内源之后：
sudo apt-get update
sudo apt-get upgrade
sudo apt-get install build-essential安装Ubuntu的必要组件之后，接下来就是要升级内核（Ubuntu-20.04默认是5.10的内核）。至于为啥要升级内核，是因为我这个是幻13是比较新的笔记本，有些功能旧版的内核不支持（比如翻转屏幕、比如键盘灯、指纹解锁啥的），于是乎先升级内核。
升级内核有一些坑，我参照了ROG幻13安装ubuntu20.04，解决各种驱动问题这篇文章，也确实帮了我大忙，大概就是，如果你从官方kernel中去下载更新，可能会因为官方kernel中的libc6版本不兼容导致sudo apt-get update有时候会出错，会报各种问题，需要下载合适版本的kernel才行。
对内核有疑问的可以看看这篇文章，总之升级内核需要谨慎一些，另外使用最新版本的Ubuntu系统，会自带最新的内核。
接下来说说WSL2。
win11+wsl2+docker
WSL（Windows Subsystem for Linux）是我在调研win11相关资料时候看到的新名词，之前只是听说过，但没有实际使用过，现在有windows跑Ubuntu的需求，突然想到可以试试看。
wsl的功能就是可以让你在windows上使用linux系统。可以让我这种习惯命令行的人在windows下开发也不难受。毕竟如果直接在ubuntu下开发，摸鱼和聊天确实比较折腾，我还是想实现类似于macos上开发的效果，娱乐工作两不误，开发体验也不割裂。
因为mac和nvidia水火不容，对于我这种搞深度学习极度依赖nvidia显卡的人来说用mac只能远程连接服务器来开发，在网络不好的情况下就比较难受了。
貌似WSL2也比VMware虚拟机性能强一些（懂得小伙伴可以说下），也可以直接在windows中运行Ubuntu镜像，然后vscode连接开发，效率直接翻倍，这点直接抓住了我的心。
目前wsl的最新版是wsl2，wsl和wsl2的区别挺大，男人的第六感让我用新不用旧，于是选择使用wsl2，其实还有一个原因是wsl2下的linux内核可以调用cuda。
首先升级win11，再装一个WSL专用驱动510.06_gameready_win11_win10-dch_64bit_international，然后直接在win终端输入：
wsl --set-default-version 2此时就默认使用WSl2了。
如果着急看WSL2能不能用可以直接在WIN跑下这个：
docker run --gpus all nvcr.io/nvidia/k8s/cuda-sample:nbody nbody -gpu -benchmark
---
result:
---
GPU Device 0: "Ampere" with compute capability 8.6
> Compute 8.6 CUDA device: [NVIDIA GeForce RTX 3050 Ti Laptop GPU]
20480 bodies, total time for 10 iterations: 40.139 ms
= 104.495 billion interactions per second
= 2089.903 single-precision GFLOP/s at 20 flops per interaction输出正常的话，就证明WSL-NVIDIA驱动和你的显卡都能正确检测到。
安装Ubuntu
接下来安装Ubuntu试试，一般网上都是建议在Microsoft Store中搜索安装，不过如果直接在WIN11的商店中搜索Ubuntu，会给你直接安装到C盘，这点很烦，我也是一不小心就将Ubuntu镜像搞到了C盘，无奈只能先删掉，然后将WSL2中的docker绑定解绑，然后移到其他盘中（这里我移动到了D盘）：
wsl --export docker-desktop-data D:\Docker\wsl\docker-desktop-data\docker-desktop-data.tar
wsl --unregister docker-desktop-data
wsl --import docker-desktop-data D:\Docker\wsl\docker-desktop-data\ D:\Docker\wsl\docker-desktop-data\docker-desktop-data.tar --version 2docker镜像地址移到其他盘后，就可以放开手搞镜像了！
基于wsl2的docker镜像
既然都是镜像，为啥不直接找一个带有cuda环境的镜像呢，直接在docker官网或者NVIDIA-docker就可以搜到：nvidia/cuda:11.4.3-cudnn8-devel-ubuntu20.04，然后docker拉一下就行
于是，我在wsl2中注销掉了之前的Ubuntu镜像，wsl --unregister Ubuntu，并且删除之前的镜像。然后docker pull nvidia/cuda:11.4.3-cudnn8-devel-ubuntu20.04拉取新的镜像。
运行一下试试，执行docker run -it --gpus all 42a32a65aa9d /usr/bin/bash，注意要把--gpus all加上，不然会检测不到显卡。
进入容器内部执行nvidia-smi：
root@304af4811a38:/# nvidia-smi
Sun Jan 30 10:37:28 2022
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 510.39.01 Driver Version: 511.23 CUDA Version: 11.6 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA GeForce ... On | 00000000:01:00.0 Off | N/A |
| N/A 51C P8 8W / N/A | 0MiB / 4096MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+嗯，没毛病。
测试CUDA
编译https://github.com/NVIDIA/cuda-samples中的代码，然后跑个deviceQuery:
root@0b09ee5e9284:~/code/cuda-samples/bin/x86_64/linux/release# ./deviceQuery
./deviceQuery Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "NVIDIA GeForce RTX 3050 Ti Laptop GPU"
CUDA Driver Version / Runtime Version 11.6 / 11.4
CUDA Capability Major/Minor version number: 8.6
Total amount of global memory: 4096 MBytes (4294443008 bytes)
(020) Multiprocessors, (128) CUDA Cores/MP: 2560 CUDA Cores
GPU Max Clock rate: 1035 MHz (1.03 GHz)
Memory Clock rate: 5501 Mhz
Memory Bus Width: 128-bit
L2 Cache Size: 2097152 bytes
Maximum Texture Dimension Size (x,y,z) 1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)
Maximum Layered 1D Texture Size, (num) layers 1D=(32768), 2048 layers
Maximum Layered 2D Texture Size, (num) layers 2D=(32768, 32768), 2048 layers
Total amount of constant memory: 65536 bytes
Total amount of shared memory per block: 49152 bytes
Total shared memory per multiprocessor: 102400 bytes
Total number of registers available per block: 65536
Warp size: 32
Maximum number of threads per multiprocessor: 1536
Maximum number of threads per block: 1024
Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)
Maximum memory pitch: 2147483647 bytes
Texture alignment: 512 bytes
Concurrent copy and kernel execution: Yes with 1 copy engine(s)
Run time limit on kernels: Yes
Integrated GPU sharing Host Memory: No
Support host page-locked memory mapping: Yes
Alignment requirement for Surfaces: Yes
Device has ECC support: Disabled
Device supports Unified Addressing (UVA): Yes
Device supports Managed Memory: Yes
Device supports Compute Preemption: Yes
Supports Cooperative Kernel Launch: Yes
Supports MultiDevice Co-op Kernel Launch: No
Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 11.6, CUDA Runtime Version = 11.4, NumDevs = 1
Result = PASS可以正常检测出卡，也可以正常运行。
再跑一个简单的矩阵乘法：
root@0b09ee5e9284:~/code/cuda-samples/bin/x86_64/linux/release# ./matrixMul
[Matrix Multiply Using CUDA] - Starting...
GPU Device 0: "Ampere" with compute capability 8.6
MatrixA(320,320), MatrixB(640,320)
Computing result using CUDA Kernel...
done
Performance= 294.72 GFlop/s, Time= 0.445 msec, Size= 131072000 Ops, WorkgroupSize= 1024 threads/block
Checking computed result for correctness: Result = PASS
NOTE: The CUDA Samples are not meant for performance measurements. Results may vary when GPU Boost is enabled.嗯，也没毛病。
编译tvm测试
简单在WSL2下和在双系统Ubuntu下进行编译TVM测试，tvm版本用GITHUB上779dc51e1332f417fa4c304b595ce76891dfc33a这个commit进行测试，win端调整到rog的性能模式，Ubuntu系统没有额外设置，cmake的设置相同，都使用ninja j8命令进行编译。
WSL2和Ubuntu编译TVM差30s，将近2%吧，相差不是很大。其实这个对比不是很标准哈，两个系统的CPU最高频率没有统一，只是简单测测吧~
搭配VSCODE
使用VSCODE开发已经是很稀松平常的事儿了，VSCODE有个remote-SSH插件可以让我们很方便地连接远程服务器进行开发，就和本地服务一样。
同样的，VSCODE中也有一个插件直接可以连接WSL2下的docker，在windows下docekr run之后，就可以在win下的vscode中找到这个docker容器：
执行Attach Vscode之后就可以进入VSCODE的docker环境：
开发就和在Ubuntu下的VSCODE一模一样，有root权限，可以装插件，可以调试代码，想干啥就干啥。
到目前为止WSL2在WIN11上的开发一切顺利~
WIN11到底好不好用
刚拿到这个笔记本时是WIN10，也没有升级WIN11的想法，不过因为在win10中使用WSL2比较麻烦，而WIN11自带wsl2。于是乎就升级了一波WIN11。
整个升级过程比想象中顺滑，在设置里头点点点就可以直接升级，下载更新、重启一气呵成，重启后就是新系统了，之前的所有软件都能用。
据说WIN11相比WIN10在CPU调度会差一点，打游戏会比较影响。不过我感觉不出来，使用上比WIN10界面好看些，其他核心操作和WIN10相差不大，对于触屏用户更友好些。
令我比较惊喜的是WIN11自带了类似MAC端付费应用Paste的核心功能，Win+V可以直接展示最近的剪切板随便选择粘贴，图片也是可以的。
遇到的问题
有一个比较坑的问题，本来win11+Ubuntu20.04双系统用的好好的，突然有一天华硕让升级bios（从407->408），当时没有什么想法就直接升级了。升级完直接傻眼，发现进不去ubuntu系统了，而win11系统没啥问题。
以为是引导的问题，修改了半天grub引导，通过u盘ubuntu安装器fix-boot后也不行，试了种种方式都进不去，差点就要重装了。
最后偶然在reddit上查了下貌似是408版本不兼容ubuntu-20.04，直接降级bios就好了。
相关问题链接：
华硕bios下载官网：
使用lldb
用clang编译后的文件想要在VSCODE中debug，需要下一个codeLLDB，然后json中配置：
{
"type": "lldb",
"request": "launch",
"name": "lldb launch",
"program": "/path/to/a.out",
},就可以了~
3080拓展坞
因为幻13可以通过专用的PCIE拓展口连接自己的拓展坞显卡，传输速率比雷电4要快不少，外接显卡几乎可以无损。于是在日亚上淘了个3080的显卡坞，7300+800的税，等了一个月终于到了。
首先这不是真正的桌面版RTX3080。这是rtx3070桌面版ga104核心的满血版。多了一些cuda核心而已。因为功耗限制，实际上比桌面版3070还要慢，也就是略弱于桌面端3070。不过我买这个主要是看重其16G的显存，真的很适合炼丹啊~
看大石头的评测，这个3080显卡坞在和幻13极限双烤开增强模式，GPU可以跑到150w温度82度，CPU可以跑到45W温度95度，说实话这温度有点高，如果自己平时使用的话还是建议调低点，毕竟这玩意儿比较娇贵。
有一点肯定要清楚，这显卡的性能和功耗是成正比的，不管是桌面级、笔记本还是嵌入式的显卡，都是功耗越强性能越强。
另外，在WIN11端切换3080显卡之后，重启成Ubuntu直接就识别为3080了，爽。
桌面配置
借着这次唠叨，顺便说下咱们不常见的屏幕挂灯，一开始想到用挂灯的场景是墨水屏，因为墨水屏不会发光，在白天还好，但是晚上就没法用了，虽然可以使用台灯照着，但是光不均匀或者说照不全，比如这样：
上面就是仅使用台灯的样子，上面的屏幕挂灯还没有开，这样办公太难受了。
如果开了屏幕挂灯的话：
可以看到墨水屏被照亮了很多...另外桌面也照亮了，台灯关了也无所谓，只有挂灯，看书没有任何问题。
这个灯是明基的Screenbar Halo，话说都配这么贵的墨水屏显示器了，不差一个挂灯了，之前用的小米的，感觉亮度有点不够，索性就配了个比较好的挂灯了。相比小米肯定高级很多哈，亮度提升了不少，最高亮度需要大电流的输出才行（1A有点勉强，1.5A-2A差不多），之前的小米就不用（因为没有那么亮），我挂了个充电宝就没任何问题了。
不过说实话貌似屏幕挂灯不是这么用的，人家是为了给你个环境光，照亮桌面，可以看书又不占地方，关键的是这个灯是非对称的（咱也不懂），就是不会照到普通的屏幕上给你反光（普通的屏幕是会发光的，和我这个墨水屏还不一样），但其实我是想让这个挂灯照到我的屏幕上的（因为墨水屏不发光嘛），但是我正常使用挂灯（明基这个）就照不到屏幕，这个确实不错，毕竟屏幕挂灯本应该不照屏幕以防反光。然后我只能强行调整一下挂灯的方向，让它尽量照我的屏幕，感觉有点为难人家。
我也拿普通屏幕试了试：
无论是上面的还是下面的屏幕都不反光，看的很清楚，简直太棒了~看代码打游戏啥的没有任何问题，感觉普通屏幕，使用挂灯，让周围环境光充足起来，这样眼睛就不会太容易疲劳了。
毕竟算是生产力了，屏幕挂灯用了就不会回去了。
这篇就讲这么多吧，下一篇就还是大家熟悉的技术文了~
参考资料
- https://docs.nvidia.com/cuda/...
- https://zhuanlan.zhihu.com/p/...
- https://www.codetd.com/fr/art...
- https://developer.nvidia.com/...
- https://l-zb.com/?id=49#
撩我吧
- 如果你与我志同道合于此，老潘很愿意与你交流！
- 如果你喜欢老潘的内容，欢迎关注和支持~
- 如果有问题想要联系我，可加公众号直接私信，点这里！
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。