nvidia

大华海光GPU服务器安装PVE和统信系统虚拟机我使用的是大华的GPU专用服务器，型号为DH-GS2288S-G03，2颗Hygon C86 7360，128G内存，3块4T SAS硬盘，2个RTX 3060 12G显卡。打算1块硬盘安装PVE，2块硬盘做RAID0直通给虚拟机，GPU直通给虚拟机。

04月23日AI每日参考：Google推出AI芯片挑战Nvidia，Workspace升级AI助手今天AI圈有两件值得关注的事。其一，Google Cloud推出新一代AI芯片与Nvidia竞争，标志着AI芯片市场竞争加剧；其二，Google Workspace升级AI功能，让AI成为办公室"实习生"，AI应用进入企业办公核心。10条精选资讯，带你快速掌握今日AI动态。

安装NVIDIA Container Toolkit，让gpu容器环境跑通在AI模型训练、深度学习推理或图形渲染等场景中，我们常常希望将应用打包在Docker容器中运行，以获得环境一致性和部署便利性。但默认情况下，Docker容器是无法“看见”宿主机的GPU资源的。

青Cheng序员石头

龙虾运行时安全部署 | NVIDIA NemoClaw 深度研究报告2026年3月16日，NVIDIA GTC大会的圣何塞会场人声鼎沸。Jensen Huang穿着他标志性的皮夹克站在讲台上，说出了这样一句话："Claude Code与OpenClaw已经点燃了代理拐点——将AI从生成与推理延伸到了行动。"

（十七）32天GPU测试从入门到精通-vLLM 部署与性能测试day15vLLM 是目前最流行、最易用的 LLM 推理引擎，以其出色的性能和简洁的 API 赢得了广泛采用。自 2023 年发布以来，vLLM 迅速成为开源社区的首选，GitHub 星标数快速增长，被众多企业和研究机构采用。

明月醉窗台

[jetson] AGX Xavier 安装Ubuntu18.04及jetpack4.5以下是详细的操作步骤：主机 (Host PC)：一台安装了 Ubuntu 18.04 或 20.04 的台式机或虚拟机（建议实体机，更稳定)，

全程 Python：无需离开 Python 即可实现光速级 CUDA 加速，无需c++支持目录一、当前痛点二、思维导图三、详细总结1. 演讲背景与目标2. 核心性能挑战：SAXPY基准测试3. 现有Python GPU库的局限

【DGX Spark v3.0：基于多智能体交互网络与 Alpaca 实盘集成的企业级量化交易系统】团队名称： [无限token队] 项目演示地址： http://106.13.186.155:8081 关键词：多智能体协同、Alpaca 券商 API、SQLite 持久化、NVIDIA 加速、模拟实盘切换

单卡 48GB 实测：Gemma 4 26B A4B、Gemma 4 31B、gpt-oss-20b 三模型部署与并发对比关键词： Gemma 4、gpt-oss-20b、MoE、Dense、llama.cpp、vLLM、GGUF、单卡部署、长上下文、并发测试、L20 48GB

NCCL 测试完全指南：从概念到性能调优📅 版本：2026-03-30 🎯 目标：全面掌握 NCCL 测试方法，从入门到精通 📚 NCCL 版本：基于 NCCL 2.29.7 ⏱️ 预计阅读时间：3-5 小时 💻 适用对象：AI 工程师、HPC 开发者、系统管理员

GTC 2026重磅：NVIDIA开源Isaac Teleop，Manus数据手套成官方标配，机器人数据采集迎来标准化时代在刚刚结束的GTC 2026上，NVIDIA宣布开源Isaac Teleop——一个统一的高保真自我中心与机器人数据采集框架。这一消息在机器人研究圈内引发震动，因为这可能是解决机器人学习“数据荒”问题的关键突破。

Triton - 官方文档介绍https://triton-lang.org/main/getting-started/tutorials/index.html

jetson设备上自己手动编译适配版本的pytorch全过程，及报错的解决方法在jetson设备上不可以直接用pip install torch来安装pytorch，必须要去nvidia官网下载编译好的whl文件进行pip install，这有更直接一点的地址来安装jetpack对应的whl，很可惜最高只支持jetpack6.1，这意味着超过6.1版本的必须自己从pytorch官网进行来下载源码编译，那么就开始正题。首先获取源码：

个人游戏笔记本免费“养龙虾”（二）用显卡GPU运行OpenClaw，CUDA的安装与配置系列文章： 1. 个人游戏笔记本免费“养龙虾”（Win10+WSL2+OpenClaw 部署与配置指南）

GPU 编号错乱踩坑指南：PyTorch cuda 编号与 nvidia-smi 不一致本文记录一次多 GPU 服务器上，PyTorch 的 cuda 设备编号与 nvidia-smi 显示编号不一致导致的性能问题，以及排查和解决的完整过程。本篇是系列第一篇，聚焦问题的发现、根因分析、解决方案与常见错误汇总。

GTC 2026现场手教UR机器人！——优傲发布AI训练器，打造工业级物理智能训练平台各位具身智能研发者、自动化工程师们，你是否也曾深陷这些困境：●数据失效：实验室里的“玩具级”数据，一进真实工厂就“哑火” 。

jetson设备上自己手动编译适配版本的onnxruntime全过程，及报错的解决方法原来我的jetpack版本较低，可以直接从jetson zoo中找到对应本版编译好的ort：————————————————————————————————————————————————————————