“研究生+要解决实际问题” 看到这两个条件，我感觉可以了解下 MatLab ？学校没买授权也不想掏钱买学生版的话，可以用开源的 Octave 平替。

MatLab 的文档很全，学过 Python 的话上手也应该很快，而且有问题也可以问 AI 。比如如果需要数据支撑或者论证观点的时候，就可以问 AI 需要什么数学工具或方法，然后用 MatLab 实现，以及可以输出合理的图可以放进论文里之类的。感觉可能对 op 的主业会比较有帮助。

我在用 N100 的小主机跑 q4km 量化的 14b 的 qwen ，机器装了根 32G 的内存，效果还可以，就是速度大概只有 2-3 tokens/s ，而且跑的时候风扇狂转

以前听同学说厦门应该中秋去，中秋比较热闹，那边过节能过上一个月

我记得是命令 nvidia-smi -pl 10 就能设定限制功耗在 10W ，可以按自己的卡调一调，但是这只是软件限制，实际跑起来还是有可能超过设定值。以前测试是可以略微降低一点点待机功耗，但是台式机的话好像意义不大，笔记本可以在独显闲置的时候挤出来点电池续航时间。

4060ti 16G 已经能跑不少东西了

预算再往下还有条 Tesla P100 16G 的野路子

本来下单以后还觉得挺便宜的，然后发现阿里云的 IPv6 还要额外开通，1Mbps 是 0.96 元/天。国外 VPS 基本上 IPv6 都直接送的，到阿里云这要额外收费了…

@allmightbe #18 修一个上一个回复（#19 ）的 bug ，看到你这张图我想起来了，BL=8 的时候列地址的低 3 位也是不用的，保持为 0 。列地址一般是 10 bits ，上面这个例子其实应该是{row[15:0], column[9:3], bank_addr[2:0], 6'h0}，或者也可以说是{row[15:0], column[9:3], bank_addr[2:0], column[2:0], 3'h0}。

@allmightbe #17 一个 column 对应的是多个 bits ，比如 x16 的颗粒是 16 bits ，如果一个控制器连的所有颗粒总计 DQ 是 64 位（比如一个 dimm ），就需要 4 个 x16 的颗粒，那这种情况下每个 column 地址其实是 8 bytes 。对应到按 1 byte 的字节的地址空间，其实是低 3 位不用。

举个例子，假如说地址空间是 32 位，那 Row-Column-Bank 编址可能是{row[15:0], column[9:0], bank_addr[2:0], 3'h0}，这样连续读写可以用到所有 Bank 。

未对齐的访问一般在 Cache 端的控制器做，或者用 CPU 的异常中断做，Cache 到 DDR 一般只让对齐访问。

@allmightbe

关于缓存，我印象里每个 bank 是有一个 row buffer 的。

一次性取 8 个字节，大概是因为 DIMM 的位宽是 64 bits 的吧（带 ECC 是 72 bits ，不过有效数据还是 64 bits ），但是实际上 burst length 对于 DDR4 的情况是常用 8 （因为好像从 DDR3 开始 prefetch 一般都是做的 8n ），也就是说一次连续的读写会涉及到 64 bytes 。如果要在一次读写中只让部分数据有效，一个是会用到 Data Mask 引脚，把部分数据位掩码掉；另一个是 burst chop ，让 burst length 变为 4 。但是如果都是短字节的随机读写，就会让 DDR 接口上一次读写操作中有大部分数据是浪费的。所以 CPU 里要做 Cache ，在需要的时候按 Page 为单位和 RAM 做数据交换，从而把内部比较随机的 RAM 读写变成相对连续的 DDR 读写。

不过关于一次读写的数据长度这一点上，我理解这个还是要和具体的 DDR 控制器设计相关的，我见过的一个用到 DDR 的设计是一个 Memory Channel 只带 2 个颗粒，DQ 位宽 16 bits ，burst length 固定为 8 ，这样的话发出一个地址请求，就会读写 16 bytes 的数据，内存控制器的地址是按 0x10 对齐的，也就是地址的低 4 位只用于配合读写长度进行字节的提取，但是 DDR 控制器到内存颗粒上总是一次读写就是连续的 16 bytes 。

DDR 控制器发出列地址以后，需要等待一段时间才能读写数据，在此期间可以多发几个地址，延迟时间到了以后连续读写。这样性能比较高。
DDR 跨行访问要先把当前行关掉，再打开新的行，这个步骤会引入额外的延迟。（或者考虑用自动预充电）
每个 Bank 是相对独立的，可以同时打开多个 Bank 的行。多个 Bank 只是共享了一个 DDR 的接口。
实际设计为了提高随机读写性能，我见过的比较多的设计是按 Row-Column-Bank 去编址的。
可以看一下 micron 的内存颗粒文档的时序图，我记得是比较全的。

@icySoda 给 lxc 开了 fuse 的话直接内部挂载也是 ok 的。主机挂载 NFS 的话也可以支持多个 lxc 共用一个下载路径，不过多个 lxc 内部分别挂载同一个 NFS 也是可以做到的共用的。反正看自己怎么管理方便吧。

@icySoda 不是大佬，交流一下折腾经验吧。

我是所有数据在单独的 NAS 上的，在局域网开了 NFS 服务。然后下载机上用的是 vm ，实际上 lxc 也是可以的。我感觉 vm 的好处就是磁盘可以用 fstrim 从而只占用实际数据的空间，而 lxc 的好处就是节省 RAM ，但是 lxc 分配的 lvm 里的硬盘空间是独占的。

虚拟机和容器系统我是一直用的 Debian 。

数据盘通过 NFS 挂载（虚拟机直接挂载 NFS ，lxc 容器在主机挂载 NFS 后映射到容器内），下载的文件直接进 NAS 。下载软件方面的话，我是用的 aria2 下载一般文件，通过 AriaNg 进行远程控制，BT 是交给 transmission-daemon ，有自带的 web 界面也有第三方的方案。

另外如果手头还有 VPS ，下载软件放在 vm 或者 lxc 的话，可以用 tinc 、wireguard 等等方案建立一个到 VPS 的网桥，本地虚拟网卡接入到网桥中，然后把 VPS 作为下载机上虚拟网卡的默认网关，并用 iptables 配置好 ipv4 的 NAT 和端口映射，有 ipv6 网段的话配置好 ipv6 的路由，这样本地就相当于有公网了，而且所有数据直接经由 VPS 下载到本地而不用存放在 VPS 。这个方法主要是为了在下载一些冷门资源的时候，用线路比较好的 VPS 更容易连上 peer 。

我之前用过 VMware 的 Thinapp ，不过 Thinapp 的原理是先把当前系统扫一遍，然后你进行安装软件、完成软件配置，然后 Thinapp 再把系统扫一遍，把所有的改动收集起来。这一步完成的时候已经可以看到这个软件安装后进行的所有改动了。然后 Thinapp 还可以把这个改动打成一个包，分发到其他系统上就可以免安装直接使用了。

Debian 两年发布一个稳定版，我几个服务器都是 Debian ，跟着两年更新一次内核版本就 ok 了，问题不大

@linuxgo #4 我之前用 Ubuntu 的时候遇到过 snap 安装的 remmina 闪退，原因好像是权限没给全，可以检查一下，或者不用 snap 的版本

你检查 pc 上加速器是不是创建或者桥接了一个虚拟网卡，ip 是 172 开头的。一个内网可以跑多个网段的，主机通过 172 这个网段连接 pc 加速器虚拟网卡，然后再通过加速器的软件出去。

正在用 N100 的 EQ12 当主路由、下载机和转码机，系统是 ProxmoxVE ，之前连续跑了几个月没问题，上个月更新到 PVE8 的时候重启了一下，到现在连续运行 36 天了，个人感觉很稳定

@Num6 多谢推荐。我大概看了下，好像这几个都是前端设计用的库？我没写过前端，要用起来可能还得学一下。