前一陣子買了個新的筆記本電腦，幻13-3050TI-1T版本，全能本，CPU是8核心16線程的標(biāo)壓版AMD銳龍9-5900HS，顯卡是NVIDIA-3050TI，重量和macbook差不多，都是1.4kg，便攜、可以改變形態(tài)。

大概長這樣：

可以變換3種形態(tài)（莫名有種興奮感），可能也有人問我為啥不買macbook，沒買的原因有兩點：

• macbook不支持nvidia顯卡，這個無解，沒辦法本地跑AI代碼，只能遠程服務(wù)器
• macbook用膩了，有一點審美疲勞，新版的macbook pro也太厚了，感覺不方便攜帶，主要也貴...

于是有了一臺和macbook接近大小、差不多重量的帶獨顯的全能筆記本，日常簡單開發(fā)、調(diào)試調(diào)試足夠用了。CPU是R9-5900HS、顯卡是3050TI-4G，CPU的編譯速度也還可以，GPU的話除了顯存有點小，30系列的特性都有了，可以盡情嘗試。

畢竟搞AI的，當(dāng)然對GPU比較敏感，這個3050TI是基于GA107核心，有2560個CUDA Core，80個Tensor Core，基本是夠玩了。計算能力8.6，目前（這句話寫的時候還是最新，但是立馬老黃3月份推出了H100）最新的特性該有的都有：

• FP32、FP16、BF16和INT8精度的支持
• 第三代Tensor Core等等

附一個GA102的白皮書^[1]，感興趣的可以翻翻。

有了筆記本，接下來就是配置開發(fā)環(huán)境了。

之前不想用Windows本主要是習(xí)慣了Linux的操作環(huán)境，而Mac和Linux操作起來相差不大，而用windows就會種種不習(xí)慣。

所以一開始的方案就是win10+ubuntu雙系統(tǒng)：

Ubuntu + win10/win11 雙系統(tǒng)方案

這也是大部分程序員的配置，開發(fā)當(dāng)然必須是ubuntu了，windows娛樂，ubuntu工作。

這里我先是在win10下安裝了ubuntu，之后在win10+ubuntu雙系統(tǒng)的前提下，將win10升級成了win11。整個升級過程很順滑，升級后沒有任何改動（引導(dǎo)沒有被破壞、ubuntu系統(tǒng)未被破壞）升級完重啟后，可以正常使用ubuntu，此時雙系統(tǒng)升級為win11+ubuntu。

而裝Ubuntu也是老生常談的話題了，基本都是：

• 下載好Ubuntu鏡像，拿個U盤制作U盤鏡像
• Win10系統(tǒng)內(nèi)劃分出一部分磁盤給Ubuntu使用
• 重啟bios設(shè)置啟動方式為U盤然后安裝

我安裝的是20.04版本的Ubuntu。

大概就是這么個流程，網(wǎng)上的資料很多很多，隨便一搜就有了，有一點和之前安裝16.04不一樣，NVIDIA的驅(qū)動安裝比想象中要順利很多，四年前那會也在一個筆記本上裝Ubuntu吃了不少苦頭：ubuntu16.04下安裝NVIDIA（cuda）-gtx965m相關(guān)步驟以及問題^[2]，這次的NVIDIA驅(qū)動沒有很多坑，安裝正常邏輯安裝就行，也不需要禁用什么什么的。

進入新的Ubuntu系統(tǒng)，基本步驟大體也都一樣：

先切換源，注意源的版本一定和你的ubuntu版本一致（不一致會導(dǎo)致你的各種軟件不兼容，也就是unmet會很多，這個我一開始沒有注意，折騰了很久），去找清華或者阿里源：

• https://mirrors.tuna.tsinghua.edu.cn/help/ubuntu/
• https://developer.aliyun.com/mirror/ubuntu?spm=a2c6h.13651102.0.0.3d151b117MRP65

然后把/etc/apt中的source.list替換成國內(nèi)源之后：

sudo apt-get update
sudo apt-get upgrade
sudo apt-get install build-essential

安裝Ubuntu的必要組件之后，接下來就是要升級內(nèi)核（Ubuntu-20.04默認(rèn)是5.10的內(nèi)核）。至于為啥要升級內(nèi)核，是因為我這個是幻13是比較新的筆記本，有些功能舊版的內(nèi)核不支持（比如翻轉(zhuǎn)屏幕、比如鍵盤燈、指紋解鎖啥的），于是乎先升級內(nèi)核。

升級內(nèi)核有一些坑，我參照了ROG幻13安裝ubuntu20.04，解決各種驅(qū)動問題^[3]這篇文章，也確實幫了我大忙，大概就是，如果你從官方kernel^[4]中去下載更新，可能會因為官方kernel中的libc6版本不兼容導(dǎo)致sudo apt-get update有時候會出錯，會報各種問題，需要下載合適版本的kernel才行。

對內(nèi)核有疑問的可以看看這篇文章，總之升級內(nèi)核需要謹(jǐn)慎一些，另外使用最新版本的Ubuntu系統(tǒng)，會自帶最新的內(nèi)核。

接下來說說WSL2。

win11+wsl2+docker

WSL（Windows Subsystem for Linux）是我在調(diào)研win11相關(guān)資料時候看到的新名詞，之前只是聽說過，但沒有實際使用過，現(xiàn)在有windows跑Ubuntu的需求，突然想到可以試試看。

wsl的功能就是可以讓你在windows上使用linux系統(tǒng)。可以讓我這種習(xí)慣命令行的人在windows下開發(fā)也不難受。畢竟如果直接在ubuntu下開發(fā)，摸魚和聊天確實比較折騰，我還是想實現(xiàn)類似于macos上開發(fā)的效果，娛樂工作兩不誤，開發(fā)體驗也不割裂。

因為mac和nvidia水火不容，對于我這種搞深度學(xué)習(xí)極度依賴nvidia顯卡的人來說用mac只能遠程連接服務(wù)器來開發(fā)，在網(wǎng)絡(luò)不好的情況下就比較難受了。

貌似WSL2也比VMware虛擬機性能強一些（懂得小伙伴可以說下），也可以直接在windows中運行Ubuntu鏡像，然后vscode連接開發(fā)，效率直接翻倍，這點直接抓住了我的心。

目前wsl的最新版是wsl2，wsl和wsl2的區(qū)別挺大，男人的第六感讓我用新不用舊，于是選擇使用wsl2，其實還有一個原因是wsl2下的linux內(nèi)核可以調(diào)用cuda。

首先升級win11，再裝一個WSL專用驅(qū)動510.06_gameready_win11_win10-dch_64bit_international，然后直接在win終端輸入：

wsl --set-default-version 2

此時就默認(rèn)使用WSl2了。

如果著急看WSL2能不能用可以直接在WIN跑下這個：

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

輸出正常的話，就證明WSL-NVIDIA驅(qū)動和你的顯卡都能正確檢測到。

安裝Ubuntu

接下來安裝Ubuntu試試，一般網(wǎng)上都是建議在Microsoft Store中搜索安裝，不過如果直接在WIN11的商店中搜索Ubuntu，會給你直接安裝到C盤，這點很煩，我也是一不小心就將Ubuntu鏡像搞到了C盤，無奈只能先刪掉，然后將WSL2中的docker綁定解綁，然后移到其他盤中（這里我移動到了D盤）：

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 2

docker鏡像地址移到其他盤后，就可以放開手搞鏡像了！

基于wsl2的docker鏡像

既然都是鏡像，為啥不直接找一個帶有cuda環(huán)境的鏡像呢，直接在docker官網(wǎng)或者NVIDIA-docker^[5]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中注銷掉了之前的Ubuntu鏡像，wsl --unregister Ubuntu，并且刪除之前的鏡像。然后docker pull nvidia/cuda:11.4.3-cudnn8-devel-ubuntu20.04拉取新的鏡像。

運行一下試試，執(zhí)行docker run -it --gpus all 42a32a65aa9d /usr/bin/bash，注意要把--gpus all加上，不然會檢測不到顯卡。

進入容器內(nèi)部執(zhí)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，沒毛病。

測試CUDA

編譯https://github.com/NVIDIA/cuda-samples中的代碼，然后跑個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

可以正常檢測出卡，也可以正常運行。

再跑一個簡單的矩陣乘法：

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，也沒毛病。

編譯tvm測試

簡單在WSL2下和在雙系統(tǒng)Ubuntu下進行編譯TVM測試，tvm版本用GITHUB上779dc51e1332f417fa4c304b595ce76891dfc33a這個commit進行測試，win端調(diào)整到rog的性能模式，Ubuntu系統(tǒng)沒有額外設(shè)置，cmake的設(shè)置相同，都使用ninja j8命令進行編譯。

WSL2和Ubuntu編譯TVM差30s，將近2%吧，相差不是很大。其實這個對比不是很標(biāo)準(zhǔn)哈，兩個系統(tǒng)的CPU最高頻率沒有統(tǒng)一，只是簡單測測吧~

搭配VSCODE

使用VSCODE開發(fā)已經(jīng)是很稀松平常的事兒了，VSCODE有個remote-SSH插件可以讓我們很方便地連接遠程服務(wù)器進行開發(fā)，就和本地服務(wù)一樣。

同樣的，VSCODE中也有一個插件直接可以連接WSL2下的docker，在windows下docekr run之后，就可以在win下的vscode中找到這個docker容器：

執(zhí)行Attach Vscode之后就可以進入VSCODE的docker環(huán)境：

開發(fā)就和在Ubuntu下的VSCODE一模一樣，有root權(quán)限，可以裝插件，可以調(diào)試代碼，想干啥就干啥。

到目前為止WSL2在WIN11上的開發(fā)一切順利~

WIN11到底好不好用

剛拿到這個筆記本時是WIN10，也沒有升級WIN11的想法，不過因為在win10中使用WSL2比較麻煩，而WIN11自帶wsl2。于是乎就升級了一波WIN11。

整個升級過程比想象中順滑，在設(shè)置里頭點點點就可以直接升級，下載更新、重啟一氣呵成，重啟后就是新系統(tǒng)了，之前的所有軟件都能用。

據(jù)說WIN11相比WIN10在CPU調(diào)度會差一點，打游戲會比較影響。不過我感覺不出來，使用上比WIN10界面好看些，其他核心操作和WIN10相差不大，對于觸屏用戶更友好些。

令我比較驚喜的是WIN11自帶了類似MAC端付費應(yīng)用Paste的核心功能，Win+V可以直接展示最近的剪切板隨便選擇粘貼，圖片也是可以的。

遇到的問題

有一個比較坑的問題，本來win11+Ubuntu20.04雙系統(tǒng)用的好好的，突然有一天華碩讓升級bios（從407->408），當(dāng)時沒有什么想法就直接升級了。升級完直接傻眼，發(fā)現(xiàn)進不去ubuntu系統(tǒng)了，而win11系統(tǒng)沒啥問題。

以為是引導(dǎo)的問題，修改了半天grub引導(dǎo)，通過u盤ubuntu安裝器fix-boot后也不行，試了種種方式都進不去，差點就要重裝了。

最后偶然在reddit上查了下貌似是408版本不兼容ubuntu-20.04，直接降級bios就好了。

相關(guān)問題鏈接：

• https://www.reddit.com/r/FlowX13/comments/sskb3q/updating_bios_seems_to_have_broken_my_ubuntu/

華碩bios下載官網(wǎng)：

• https://www.asus.com/supportonly/ROG%20Flow%20X13%20GV301/HelpDesk_BIOS/!

使用lldb

用clang編譯后的文件想要在VSCODE中debug，需要下一個codeLLDB，然后json中配置：

{
    "type": "lldb",
    "request": "launch",
    "name": "lldb launch",
    "program": "/path/to/a.out",
},

就可以了~

3080拓展塢

因為幻13可以通過專用的PCIE拓展口連接自己的拓展塢顯卡，傳輸速率比雷電4要快不少，外接顯卡幾乎可以無損。于是在日亞上淘了個3080的顯卡塢，7300+800的稅，等了一個月終于到了。

首先這不是真正的桌面版RTX3080。這是rtx3070桌面版ga104核心的滿血版。多了一些cuda核心而已。因為功耗限制，實際上比桌面版3070還要慢，也就是略弱于桌面端3070。不過我買這個主要是看重其16G的顯存，真的很適合煉丹啊~

看大石頭的評測，這個3080顯卡塢在和幻13極限雙烤開增強模式，GPU可以跑到150w溫度82度，CPU可以跑到45W溫度95度，說實話這溫度有點高，如果自己平時使用的話還是建議調(diào)低點，畢竟這玩意兒比較嬌貴。

有一點肯定要清楚，這顯卡的性能和功耗是成正比的，不管是桌面級、筆記本還是嵌入式的顯卡，都是功耗越強性能越強。

另外，在WIN11端切換3080顯卡之后，重啟成Ubuntu直接就識別為3080了，爽。

桌面配置

借著這次嘮叨，順便說下咱們不常見的屏幕掛燈，一開始想到用掛燈的場景是墨水屏，因為墨水屏不會發(fā)光，在白天還好，但是晚上就沒法用了，雖然可以使用臺燈照著，但是光不均勻或者說照不全，比如這樣：

上面就是僅使用臺燈的樣子，上面的屏幕掛燈還沒有開，這樣辦公太難受了。

如果開了屏幕掛燈的話：

可以看到墨水屏被照亮了很多...另外桌面也照亮了，臺燈關(guān)了也無所謂，只有掛燈，看書沒有任何問題。

這個燈是明基的Screenbar Halo，話說都配這么貴的墨水屏顯示器了，不差一個掛燈了，之前用的小米的，感覺亮度有點不夠，索性就配了個比較好的掛燈了。相比小米肯定高級很多哈，亮度提升了不少，最高亮度需要大電流的輸出才行（1A有點勉強，1.5A-2A差不多），之前的小米就不用（因為沒有那么亮），我掛了個充電寶就沒任何問題了。

不過說實話貌似屏幕掛燈不是這么用的，人家是為了給你個環(huán)境光，照亮桌面，可以看書又不占地方，關(guān)鍵的是這個燈是非對稱的（咱也不懂），就是不會照到普通的屏幕上給你反光（普通的屏幕是會發(fā)光的，和我這個墨水屏還不一樣），但其實我是想讓這個掛燈照到我的屏幕上的（因為墨水屏不發(fā)光嘛），但是我正常使用掛燈（明基這個）就照不到屏幕，這個確實不錯，畢竟屏幕掛燈本應(yīng)該不照屏幕以防反光。然后我只能強行調(diào)整一下掛燈的方向，讓它盡量照我的屏幕，感覺有點為難人家。

我也拿普通屏幕試了試：

無論是上面的還是下面的屏幕都不反光，看的很清楚，簡直太棒了~看代碼打游戲啥的沒有任何問題，感覺普通屏幕，使用掛燈，讓周圍環(huán)境光充足起來，這樣眼睛就不會太容易疲勞了。

畢竟算是生產(chǎn)力了，屏幕掛燈用了就不會回去了。

這篇就講這么多吧，下一篇就還是大家熟悉的技術(shù)文了~

參考資料

• https://docs.nvidia.com/cuda/wsl-user-guide/index.html
• https://zhuanlan.zhihu.com/p/455979556
• https://www.codetd.com/fr/article/13628610
• https://developer.nvidia.com/blog/leveling-up-cuda-performance-on-wsl2-with-new-enhancements/
• https://l-zb.com/?id=49#

參考資料