錄音時，鍵盤會發出微微吵人的聲音，感覺不太理想。找了靜音鍵盤。才發現鍵盤也有大學問。
據YT影片比較 （https://youtu.be/XrCwR_XQy_4?si=UI9uQBPBlGx8d7pk），聲音大小是
(Cherry MX 軸音量排名)
靜音紅軸 < 黑軸 < 紅軸 < 茶軸 < 青軸
還有可以熱插拔，可換任意軸的鍵盤
不需要右邊數字鍵的話，可以選 TLK 鍵盤 (Ten Key Less), 尺寸大小和功能鍵多寡
品牌：Cherry, 艾瑞克 iRock (https://www.i-rocks.com.tw/web/index/index.jsp?lang=tw), DUCKY ONE 2 冷門的Mistel和Vortex
（要靜音，建議麥克風收音可以不要放桌上）
考慮：
有線 Cherry MX Board 3.0S RGB TKL $2,290（） 有線 Cherry MX 1.1 RGB TKL $2,490（）
不低價：
羅技G G913 TKL 無線 80%機械式電競鍵盤 NT$4,490
有發票：
無發票
肥貓鍵客一號店
沒聽過 huggingface.co ?
這是一個很有名的免費AI模型試驗場。可以先試試看某個模型對你有沒有用，再決定下載在本機電腦來使用。
我試過漫畫產生器
產生如下，還滿有趣的。
==設定==
You can create a repository from the CLI (skip if you created a repo from the website)
$pip install huggingface_hub #You already have it if you installed transformers or datasets $huggingface-cli login #Log in using a token from huggingface.co/settings/tokens #Create a model or dataset repo from the CLI if needed $huggingface-cli repo create repo_name --type {model, dataset, space}
Clone your model, dataset or Space locally
#Make sure you have git-lfs installed #(https://git-lfs.github.com) $git lfs install $git clone https://huggingface.co/username/repo_name
Then add, commit and push any file you want, including larges files
# save files via `.save_pretrained()` or move them here $git add . $git commit -m "commit from $USER" $git push
In most cases, if you're using one of the compatible libraries, your repo will then be accessible from code, through its identifier: username/repo_name
For example for a transformers model, anyone can load it with:
tokenizer = AutoTokenizer.from_pretrained("username/repo_name")
model = AutoModel.from_pretrained("username/repo_name")在AI 的開發世界，非 windows 的環境應該是主流了。但不同的OS版本和開發環境套件版本，經常不相容而造成使用上的困難。
很多應用程式套件想出了各種方法 （像我正在使用的 docker，flakpak，snapd...)，讓軟體可以在眾多Linux發行版（ubuntu、redhat、debian、openSUSE、Fedora,..., etc. see: https://distrowatch.com/）上正常執行。這些都不同於傳統的Linux套件管理方法，但可以讓各種有用的軟體，可很方便地在你的非 windows OS 中應用。
當然缺點就是會佔據很大的硬碟空間，若你經常備份整台電腦，這種套件愈多，會讓備分時間備增而不便。
以下先紀錄這些套件在本地電腦 mint OS 的預設儲存位置，以便在備份時排除之。
/var/lib/socker
/var/flatpak
/var/snapd
/usr/ollama
挖礦潮來臨時，顯卡被炒上了天，高昂的顯卡價格讓不少人望洋興嘆。
英偉達推出了為防止挖礦的鎖算力的顯卡。於是問題就來了，鎖算力的顯卡，對平時玩遊戲和機器學習深度學習這類AI應用有影響嗎？
某東購物網站上看了下鎖算力的30系列顯卡。然後點開了在線客服的聊天窗口。首先問：鎖算力的顯卡，對機器學習這類應用有影響不？回答：沒有影響。那麽，是不是只對挖礦有影響，玩遊戲和搞機器學習深度學習都不影響？
回答：只限制了哈希算力。
完成hash碰撞的就是哈希算力，比特幣挖礦的運算則是完成相關算法的過程。比特幣挖礦采用的是SHA-256哈希值運算，這種算法會進行大量的32位整數循環右移運算。AI，深度學習之類的項目運算，大多數的深度學習模型使用的是32位單精度浮點數（FP32）來進行訓練，還有一些是用float16和float64。所以，比特幣挖礦和AI深度學習有點井水不犯河水。鎖算力與否，理論上並沒影響。
不過貌似需要CUDA的版本是11.0以上。至於是否影響玩遊戲，則要看那些實測測評的。機智客看到網上有人在一定的其他硬件配置下，分別用RTX3060原版和鎖算力版做了對比。結果顯示，兩張顯卡在性能表現上幾乎完全一致，大家可以參考。
摘要自 url: https://www.163.com/dy/article/GGG0NC7I0511SIE3.html
Virtualbox 虛擬機可否掛載，甚至從隨身碟/實體硬碟開機?
可以！要利用 virtualbox 下的 vmdk 格式，來連結實體 USB/硬碟
1. 連結實體連結
在 Windows 的命令提示終端機下指令
Ubuntu/Mint 下終端機下指令
在 virtualbox 的虛擬媒體管理員下，建立媒體。之後就可用了
