GaGa's Blog

01/02绑定gpu0|03/04绑定gpu1

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80

services:
  ocrserver01:
    image: zzz
    container_name: ocrserver01
    #runtime: nvidia
    ports:
      - "10001:5001"
    networks:
      - apps
    volumes:
      - /etc/localtime:/etc/localtime
    environment:
      #NVIDIA_VISIBLE_DEVICES: "0" # 部分服务可能不支持
      CUDA_VISIBLE_DEVICES: "0"
    shm_size: 8g
    command: /bin/bash docker/run.sh
    stdin_open: true
    tty: true
    restart: always

  ocrserver02:
    image: zzz
    container_name: ocrserver02
    #runtime: nvidia
    ports:
      - "10002:5001"
    networks:
      - apps
    volumes:
      - /etc/localtime:/etc/localtime
    environment:
      #NVIDIA_VISIBLE_DEVICES: "0"
      CUDA_VISIBLE_DEVICES: "0"
    shm_size: 8g
    command: /bin/bash docker/run.sh
    stdin_open: true
    tty: true
    restart: always

  ocrserver03:
    image: zzz
    container_name: ocrserver03
    #runtime: nvidia
    ports:
      - "10003:5001"
    networks:
      - apps
    volumes:
      - /etc/localtime:/etc/localtime
    environment:
      #NVIDIA_VISIBLE_DEVICES: "1"
      CUDA_VISIBLE_DEVICES: "1"
    shm_size: 8g
    command: /bin/bash docker/run.sh
    stdin_open: true
    tty: true
    restart: always

  ocrserver04:
    image: zzz
    container_name: ocrserver04
    #runtime: nvidia
    ports:
      - "10004:5001"
    networks:
      - apps
    volumes:
      - /etc/localtime:/etc/localtime
    environment:
      #NVIDIA_VISIBLE_DEVICES: "1"
      CUDA_VISIBLE_DEVICES: "1"
    shm_size: 8g
    command: /bin/bash docker/run.sh
    stdin_open: true
    tty: true
    restart: always

networks:
  apps:
    external: true

1.1当前配置是否正确

目的在centos/debina等系统下容器化调用 nvidia gpu。

1. 前提条件

1.1 支持平台

复利（Compound Interest）本质是：利息继续产生利息，收益不断滚入本金，形成指数级增长。

区别于单利只对本金计息,复利是

“AB单”是一个许多卖家在起步期会遇到的灰色操作。虽然它看似能快速获得销量，但背后潜藏着巨大的违规和法律风险，通常得不偿失。

“AB单”的真相：不止一种玩法

“AB单”这个概念在电商语境下，其实指向两种完全不同的操作，背后逻辑和风险也截然不同。很多人把它们混淆了，我们得先区分开：

Loss（损失函数）本质上是： 衡量”模型预测结果”和”真实结果”之间差距的函数。可以理解为：模型犯错程度,Loss 越小模型越准确,Loss 越大模型预测越差。

1.为什么必须有Loss

神经网络训练核心：**不断调整参数(参数权重)**。但问题如何知道参数调得好不好？答案是看 Loss，Loss 就是优化方向。没有 Loss，网络无法知道自己是否预测错误。

阿里云 CDN + OSS 的正确架构

        ┌────────────┐
        │    用户     │
        └─────┬──────┘
              │
              ▼
        ┌────────────┐
        │  阿里云CDN │
        └─────┬──────┘
              │ 回源
              ▼
        ┌────────────┐
        │ OSS公网域名 │
        └────────────┘

特点：

• CDN → OSS 公网
• 但 阿里云内部网络优化
• 实际流量很多是 骨干网传输

Kubernetes v1.35（Timbernetes）是一个偏”基础能力增强 + AI/高性能场景优化 + 安全体系升级”的版本。

官方总计引入约 60 个增强（KEP）：

• 17 个 GA（稳定）
• 19 个 Beta
• 22 个 Alpha

核心方向主要集中在：

macOS 的 xattr 是 Extended Attributes（扩展属性）工具，用于查看、设置、删除文件的元数据,com.apple.quarantine 是 macOS Gatekeeper 使用的隔离属性。

• 当你从浏览器、AirDrop、IM、邮件等下载 App 时，系统会自动打com.apple.quarantine

• 首次运行时会触发：

  • “来自未知开发者”
  • “已损坏，无法打开”
  • Gatekeeper 校验
  • notarization 校验

xattr参数解释

LoadRunner 是一款企业级性能测试工具，用于模拟大量用户并发访问系统，评估系统在不同负载下的表现。

核心能力：

• 并发用户模拟（Vuser）
• 性能瓶颈定位
• 系统容量评估
• SLA验证（响应时间、吞吐量等）

DSM_2in1_UEFI_GPT 通常是黑群晖（Synology DSM）引导镜像中的一种命名方式，常见于：

• TinyCore RedPill
• ARPL
• Jun Loader
• DS918+/DS3622xs+ 等 DSM 引导盘

可拆解为：

utm 是一组用于 流量追踪（Traffic Attribution） 的 URL 查询参数（Query Parameters）。

最早来源于 Google Analytics 的 Urchin Tracking Module。

典型 URL：

1

https://example.com/page?utm_source=chatgpt.com&utm_medium=referral&utm_campaign=ai_share

TokuDB 是 MySQL 的一种高性能存储引擎，最早由 Tokutek 开发，后被 Percona 集成到 MariaDB / Percona Server中。

核心特点

• Fractal Tree Index（分形树索引）
• 大规模写入优化
• 高压缩比
• 降低随机 IO
• 适合写密集型场景

它本质上是 InnoDB 的替代存储引擎。