老潘的笔记本环境配置
source link: https://oldpan.me/archives/oldpan-book-ubuntu-win11-wsl
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
还是爱折腾…
前一阵子买了个新的笔记本电脑，幻13-3050TI-1T版本，全能本，CPU是8核心16线程的标压版AMD锐龙9-5900HS，显卡是NVIDIA-3050TI，重量和macbook差不多，都是1.4kg，便携、可以改变形态。
大概长这样：
可以变换3种形态（莫名有种兴奋感），可能也有人问我为啥不买macbook，没买的原因有两点：
- macbook不支持nvidia显卡，这个无解，没办法本地跑AI代码，只能远程服务器
- macbook用腻了，有一点审美疲劳，新版的macbook pro也太厚了，感觉不方便携带，主要也贵…
于是有了一台和macbook接近大小、差不多重量的带独显的全能笔记本，日常简单开发、调试调试足够用了。CPU是R9-5900HS、显卡是3050TI-4G，CPU的编译速度也还可以，GPU的话除了显存有点小，30系列的特性都有了，可以尽情尝试。
毕竟搞AI的，当然对GPU比较敏感，这个3050TI是基于GA107核心，有2560个CUDA Core，80个Tensor Core，基本是够玩了。计算能力8.6，目前（这句话写的时候还是最新，但是立马老黄3月份推出了H100）最新的特性该有的都有了：
- FP32、FP16、BF16和INT8精度的支持
- 第三代Tensor Core等等
附一个GA102的白皮书，感兴趣的可以翻翻。
有了笔记本，接下来就是配置开发环境了。
之前不想用Windows本主要是习惯了Linux的操作环境，而Mac和Linux操作起来相差不大，而用windows就会种种不习惯。
所以一开始的方案就是win10+ubuntu双系统：
Ubuntu + win10/win11 双系统方案
这也是大部分程序员的配置，开发当然必须是ubuntu了，windows娱乐，ubuntu工作。
这里我先是在win10下安装了ubuntu，之后在win10+ubuntu双系统的前提下，将win10升级成了win11。整个升级过程很顺滑，升级后没有任何改动（引导没有被破坏、ubuntu系统未被破坏）升级完重启后，可以正常使用ubuntu，此时双系统升级为win11+ubuntu。
而装Ubuntu也是老生常谈的话题了，基本都是：
- 下载好Ubuntu镜像，拿个U盘制作U盘镜像
- Win10系统内划分出一部分磁盘给Ubuntu使用
- 重启bios设置启动方式为U盘然后安装
我安装的是20.04版本的Ubuntu。
大概就是这么个流程，网上的资料很多很多，随便一搜就有了，有一点和之前安装16.04不一样，NVIDIA的驱动安装比想象中要顺利很多，四年前那会也在一个笔记本上装Ubuntu吃了不少苦头：ubuntu16.04下安装NVIDIA（cuda）-gtx965m相关步骤以及问题，这次的NVIDIA驱动没有很多坑，安装正常逻辑安装就行，也不需要禁用什么什么的。
进入新的Ubuntu系统，基本步骤大体也都一样：
先切换源，注意源的版本一定和你的ubuntu版本一致（不一致会导致你的各种软件不兼容，也就是unmet会很多，这个我一开始没有注意，折腾了很久），去找清华或者阿里源：
然后把/etc/apt中的source.list替换成国内源之后：
sudo apt-get update sudo apt-get upgrade sudo apt-get install build-essential
安装Ubuntu的必要组件之后，接下来就是要升级内核（Ubuntu-20.04默认是5.10的内核）。至于为啥要升级内核，是因为我这个是幻13是比较新的笔记本，有些功能旧版的内核不支持（比如翻转屏幕、比如键盘灯、指纹解锁啥的），于是乎先升级内核。
升级内核有一些坑，我参照了ROG幻13安装ubuntu20.04，解决各种驱动问题这篇文章，也确实帮了我大忙，大概就是，如果你从官方kernel中去下载更新，可能会因为官方kernel中的libc6版本不兼容导致sudo apt-get update有时候会出错，会报各种问题，需要下载合适版本的kernel才行。
对内核有疑问的可以看看这篇文章，总之升级内核需要谨慎一些，另外使用最新版本的Ubuntu系统，会自带最新的内核。
接下来说说WSL2。
win11+wsl2+docker
WSL（Windows Subsystem for Linux）是我在调研win11相关资料时候看到的新名词，之前只是听说过，但没有实际使用过，现在有windows跑Ubuntu的需求，突然想到可以试试看。
wsl的功能就是可以让你在windows上使用linux系统。可以让我这种习惯命令行的人在windows下开发也不难受。毕竟如果直接在ubuntu下开发，摸鱼和聊天确实比较折腾，我还是想实现类似于macos上开发的效果，娱乐工作两不误，开发体验也不割裂。
因为mac和nvidia水火不容，对于我这种搞深度学习极度依赖nvidia显卡的人来说用mac只能远程连接服务器来开发，在网络不好的情况下就比较难受了。
貌似WSL2也比VMware虚拟机性能强一些（懂得小伙伴可以说下），也可以直接在windows中运行Ubuntu镜像，然后vscode连接开发，效率直接翻倍，这点直接抓住了我的心。
目前wsl的最新版是wsl2，wsl和wsl2的区别挺大，男人的第六感让我用新不用旧，于是选择使用wsl2，其实还有一个原因是wsl2下的linux内核可以调用cuda。
首先升级win11，再装一个WSL专用驱动510.06_gameready_win11_win10-dch_64bit_international，然后直接在win终端输入：
wsl --set-default-version 2
此时就默认使用WSl2了。
如果着急看WSL2能不能用可以直接在WIN跑下这个：
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
输出正常的话，就证明WSL-NVIDIA驱动和你的显卡都能正确检测到。
安装Ubuntu
接下来安装Ubuntu试试，一般网上都是建议在Microsoft Store中搜索安装，不过如果直接在WIN11的商店中搜索Ubuntu，会给你直接安装到C盘，这点很烦，我也是一不小心就将Ubuntu镜像搞到了C盘，无奈只能先删掉，然后将WSL2中的docker绑定解绑，然后移到其他盘中（这里我移动到了D盘）：
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镜像地址移到其他盘后，就可以放开手搞镜像了！
基于wsl2的docker镜像
既然都是镜像，为啥不直接找一个带有cuda环境的镜像呢，直接在docker官网或者NVIDIA-docker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中注销掉了之前的Ubuntu镜像，wsl --unregister Ubuntu，并且删除之前的镜像。然后docker pull nvidia/cuda:11.4.3-cudnn8-devel-ubuntu20.04拉取新的镜像。
运行一下试试，执行docker run -it --gpus all 42a32a65aa9d /usr/bin/bash，注意要把--gpus all加上，不然会检测不到显卡。
进入容器内部执行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，没毛病。
测试CUDA
编译https://github.com/NVIDIA/cuda-samples中的代码，然后跑个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
可以正常检测出卡，也可以正常运行。
再跑一个简单的矩阵乘法：
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，也没毛病。
编译tvm测试
简单在WSL2下和在双系统Ubuntu下进行编译TVM测试，tvm版本用GITHUB上779dc51e1332f417fa4c304b595ce76891dfc33a这个commit进行测试，win端调整到rog的性能模式，Ubuntu系统没有额外设置，cmake的设置相同，都使用ninja j8命令进行编译。
WSL2和Ubuntu编译TVM差30s，将近2%吧，相差不是很大。其实这个对比不是很标准哈，两个系统的CPU最高频率没有统一，只是简单测测吧~
搭配VSCODE
使用VSCODE开发已经是很稀松平常的事儿了，VSCODE有个remote-SSH插件可以让我们很方便地连接远程服务器进行开发，就和本地服务一样。
同样的，VSCODE中也有一个插件直接可以连接WSL2下的docker，在windows下docekr run之后，就可以在win下的vscode中找到这个docker容器：
执行Attach Vscode之后就可以进入VSCODE的docker环境：
开发就和在Ubuntu下的VSCODE一模一样，有root权限，可以装插件，可以调试代码，想干啥就干啥。
到目前为止WSL2在WIN11上的开发一切顺利~
WIN11到底好不好用
刚拿到这个笔记本时是WIN10，也没有升级WIN11的想法，不过因为在win10中使用WSL2比较麻烦，而WIN11自带wsl2。于是乎就升级了一波WIN11。
整个升级过程比想象中顺滑，在设置里头点点点就可以直接升级，下载更新、重启一气呵成，重启后就是新系统了，之前的所有软件都能用。
据说WIN11相比WIN10在CPU调度会差一点，打游戏会比较影响。不过我感觉不出来，使用上比WIN10界面好看些，其他核心操作和WIN10相差不大，对于触屏用户更友好些。
令我比较惊喜的是WIN11自带了类似MAC端付费应用Paste的核心功能，Win+V可以直接展示最近的剪切板随便选择粘贴，图片也是可以的。
遇到的问题
有一个比较坑的问题，本来win11+Ubuntu20.04双系统用的好好的，突然有一天华硕让升级bios（从407->408），当时没有什么想法就直接升级了。升级完直接傻眼，发现进不去ubuntu系统了，而win11系统没啥问题。
以为是引导的问题，修改了半天grub引导，通过u盘ubuntu安装器fix-boot后也不行，试了种种方式都进不去，差点就要重装了。
最后偶然在reddit上查了下貌似是408版本不兼容ubuntu-20.04，直接降级bios就好了。
相关问题链接：
华硕bios下载官网：
使用lldb
用clang编译后的文件想要在VSCODE中debug，需要下一个codeLLDB，然后json中配置：
{
"type": "lldb",
"request": "launch",
"name": "lldb launch",
"program": "/path/to/a.out",
},
就可以了~
3080拓展坞
因为幻13可以通过专用的PCIE拓展口连接自己的拓展坞显卡，传输速率比雷电4要快不少，外接显卡几乎可以无损。于是在日亚上淘了个3080的显卡坞，7300+800的税，等了一个月终于到了。
首先这不是真正的桌面版RTX3080。这是rtx3070桌面版ga104核心的满血版。多了一些cuda核心而已。因为功耗限制，实际上比桌面版3070还要慢，也就是略弱于桌面端3070。不过我买这个主要是看重其16G的显存，真的很适合炼丹啊~
看大石头的评测，这个3080显卡坞在和幻13极限双烤开增强模式，GPU可以跑到150w温度82度，CPU可以跑到45W温度95度，说实话这温度有点高，如果自己平时使用的话还是建议调低点，毕竟这玩意儿比较娇贵。
有一点肯定要清楚，这显卡的性能和功耗是成正比的，不管是桌面级、笔记本还是嵌入式的显卡，都是功耗越强性能越强。
另外，在WIN11端切换3080显卡之后，重启成Ubuntu直接就识别为3080了，爽。
借着这次唠叨，顺便说下咱们不常见的屏幕挂灯，一开始想到用挂灯的场景是墨水屏，因为墨水屏不会发光，在白天还好，但是晚上就没法用了，虽然可以使用台灯照着，但是光不均匀或者说照不全，比如这样：
上面就是仅使用台灯的样子，上面的屏幕挂灯还没有开，这样办公太难受了。
如果开了屏幕挂灯的话：
可以看到墨水屏被照亮了很多…另外桌面也照亮了，台灯关了也无所谓，只有挂灯，看书没有任何问题。
这个灯是明基的Screenbar Halo，话说都配这么贵的墨水屏显示器了，不差一个挂灯了，之前用的小米的，感觉亮度有点不够，索性就配了个比较好的挂灯了。相比小米肯定高级很多哈，亮度提升了不少，最高亮度需要大电流的输出才行（1A有点勉强，1.5A-2A差不多），之前的小米就不用（因为没有那么亮），我挂了个充电宝就没任何问题了。
不过说实话貌似屏幕挂灯不是这么用的，人家是为了给你个环境光，照亮桌面，可以看书又不占地方，关键的是这个灯是非对称的（咱也不懂），就是不会照到普通的屏幕上给你反光（普通的屏幕是会发光的，和我这个墨水屏还不一样），但其实我是想让这个挂灯照到我的屏幕上的（因为墨水屏不发光嘛），但是我正常使用挂灯（明基这个）就照不到屏幕，这个确实不错，毕竟屏幕挂灯本应该不照屏幕以防反光。然后我只能强行调整一下挂灯的方向，让它尽量照我的屏幕，感觉有点为难人家。
我也拿普通屏幕试了试：
无论是上面的还是下面的屏幕都不反光，看的很清楚，简直太棒了~看代码打游戏啥的没有任何问题，感觉普通屏幕，使用挂灯，让周围环境光充足起来，这样眼睛就不会太容易疲劳了。
毕竟算是生产力了，屏幕挂灯用了就不会回去了。
这篇就讲这么多吧，下一篇就还是大家熟悉的技术文了~
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK