分类： IT天地

最近从淘宝网看到新增一批矿卡，号称全新，是从未使用的矿机上拆下来的。看型号是p106-90，显存只有3G，但价格便宜，只要228元，于是下单买了一款。
和上次买挖矿主机星际蜗牛时的内疚心情不同，这次买的很坦然。因为这种传统矿卡挖矿如同赌场或股市，入场愿赌服输，而星际蜗牛那种“挖矿”则是赤裸裸的骗局。
显卡很快到了，心情如猜宝般打开包装，先看风扇，干净无尘，翻过来看显卡背面，全新无变色。看罢，用鼻子闻了闻，吆西，凭借这20多年断断续续的DIY经验，确认是新卡。
本来下单算好时间回来就能用，但买的主机反而出了点意外，导致昨天晚上才上机测试。
买矿卡无意魔改玩游戏，只是为了用来学习用的，而测试显卡性能最好最实用的方式，就是跑围棋狗狗了。首先安装cuda和cuddn，然后下载编译了leelazero和katago，运行烤机。
一番运行后，发现这款显卡的cuda核心数只有640个，是6g显存版gtx1060的一半，不是原先nvdia官网所称3g显存版的1152。用leelazero的benchmark测试一下，得分在139n/s，恰好也是网测6g显存版gtx1060的一半。
看来老黄的阉割刀法确实精湛。
但看在价格份上还是能接受的，而且核心减少还有个好处就是功耗大大降低，用功能表测了一下，平时整机运行30W左右，全速运行katago的时候，整机功耗最多提升到120W，这样散热就不用太费心，普通电源和小机箱就可以拼组成一台性能足够用的机器了。

原先在Lubuntu下使用的是tightvnc，也可以安装使用原生方案，兼容性是最好的

sudo apt-get install xrdp

查看etc/xrdp/startwm.sh文件，确认最后一行类似. /etc/X11/Xsession

返回用户当前目录，新建.xsession文件，添加lxsession -e LXDE -s Lubuntu

重启xrdp：sudo service xrdp restart

Ubuntu18.04下默认安装的Cmake版本为3.10版本，安装katago等程序时提示版本过低，需要下载编译更高版本的Cmake。

到Cmake的官网，下载最新的Cmake3.15版本，下载后解压，进入文件夹

执行./bootstrap && make && sudo make install

今天雨下的不小，却并没有凉爽多少，一天下来也颇不顺畅。
本来今天刚开始的时候，信心颇足，因为此工作多年前安装调试过很多次，每次都顺山顺水，水到渠成。但今天安装起来，发现随着时间变化，功能没强多少，但系统却越来越繁琐。
几乎是陌生情况下把系统安装好，发现根本没有运转，还没有什么提示，也就是说没有大错，只是小问题。
但这样是最烦人的。只好逐条逐项核对，结果发现原来是一个数值录入错了，多打了一个0……
解决完小问题，结果大问题又出现，原来这么多年来系统之所以变繁琐，是为了适应技术的发展，只好补丁摞补丁。
终于完工，感觉甚是不值。而这也是该系统打补丁而无创新的原因吧。

昨天将前期的学习工作成果进行了整理，在重新运行核实的基础上归档，避免出现狗熊掰棒子的情况。
白天忙活一天，晚上想早点休息，但关机前又突然心血来潮，想让前几天安装的leelazero和katago对弈上一局。
于是打开笔记本，使用sabaki分别调用leelazero和katago进行默认安装配置的对弈。leela执黑，因为贴目开局后默认自己胜率不足百分之五十，但三十手后，胜率便超过对手。
狗狗对战，我也看不懂，于是前去洗漱。等回来看的时候，已经进入小官子阶段，而leela此时胜率已经超过95%，katago还在顽抗，在等到有目数官子收完后自动认输。选择lizzie调用棋谱，由leela分析，其实10余手后，leela已经处于优势。
其实这局棋结果本就没有悬念。因为默认安装的时候，leela使用权重文件best-network大小是88M，而katago的权重文件不到5M。且不看算法，仅看这接近16倍的大小差距，也已经体现了两者水平的差距。
刚上大学的时候，在电视上曾看到作家王蒙的一次访谈，老先生接触计算机早，感叹一张小小的软盘，就能存储他所有的作品。
在那个还是wordstar和wps主流的年代，老先生说的软盘，应该是指的当时的高密盘。与现在动辄32G起的存储优盘，真是不可同日而语。
现在看来，大数据时代，比存储更重要的还是数据的应用了。

昨晚学习测试比较晚，而且强度也比较大，躺下直接睡着。想想儿子上学几乎每天都这样，真是辛苦。
学习的起因是在收尾Leelazero的时候，看到一篇评论，说当今开源的一款围棋AI KataGo甚是厉害，大有赶超leelazero之势。
自阿法狗后，围棋AI层出不穷，但基本都是站在狗身上不见头而已。引起兴趣的是这款AI的贴目、让子设定更为灵活，而且后续版本将支持中国古谱中的还棋头，这样可以对古谱提供支持分析。更关键的是只支持N卡的gpu计算，这样就必须安装CUDA和CUDNN，而这正好是最近需要学习和测试的。
于是开始安装。但上来就挨了当头一棒，老笔记本显卡太旧，CUDA和CUDNN居然直接拒绝安装。马上换上宏碁笔记本，开始了漫长的安装调试。
根据以往的经验，网上的教程不可靠。果然，网上写的容易，安装起来诸多意外。一个一个解决，顺带倒是学习了不少相关知识。
安装完CUDA和CUDNN，KataGo编译倒是简单了，没有费多大功夫。使用sabaki可以调用引擎进行对弈，甚至可以让KataGo和leelazero进行对弈。但网上最流行的lizzie却无法调用。但好在主要问题已经解决，足矣，立马倒头就睡。
今天早晨起来，又把剩余的问题解决。在lizzie的配置文件中的engine-command后面加engine-command-list，将各种引擎伸至权重写入数组，这样就可以通过ctl+数字进行引擎切换。
虽然费时费脑，算是完美的解决吧。

去年国庆节期间在宏碁笔记本上折腾安装了leela zero，同时又安装了lizzie和sabaki两个图形界面程序。昨天把许久不用的笔记本拿出来升级的时候，发现原先安装过程已经忘得差不多了。

今天在另一台旧笔记本上重新安装了一下leelazero，结合之前的残存记忆，还是非常顺利。上次安装sabaki并不顺利，因为sabaki本来就不是专门针对leela的，所以结合最新的LeelaSabaki重新安装了一遍。

安装过程有点问题，问题依然是出在nmp上，上次更改了源之后速度有了飞速提升但依然提示权限不足，无法建立目录，手工更改无效，后来根据网上的帖子安装electron后问题解决。

sudo npm install -g electron –unsafe-perm=true –allow-root

安装完成，sabaki可以启动，但设置Engines时又遇到问题，怎么也提示无法连接，检查了半天最后发现原来光忙着小心核对路径了，居然把命令行给漏下了。

解决完这个低级失误，sabaki开始对弈，流行的二连星后点三三……

关机前用leela的–benchmark测试了一下机器性能，老机器的gt540m只得到了可怜的8n/s。而宏碁的940mx则有23n/s，虽然性能孱弱，但至少能和当红的r7-2700x相当了。

这几天折腾摄像头，总难满意，正琢磨是不是需要购买一个树莓派3来测试一下，今天发现第四代已经正式发布了。
从新一代树莓派的配置来看，开发者也算是“从善如流”，前三代产品中集中被吐槽的内存、USB都得到升级。但付出的代价就是价格如功耗一般大幅上涨。
文章中提到可以替代笨重的计算机时，开玩笑地说可以把AMD的机器扔了，只是不知道扔的是哪个年代的产品，也不知为何不扔Intel的，也许比的只是功耗而不是性能。
自从测试了树莓派zero后，我感觉那才是树莓派的发展方向，比性能是以短击长。而现在像手机一样开始堆料，更是自乱阵脚。

【第四代树莓派正式发布：首次4G内存、支持USB 3.0和双屏4K输出】 https://m.mydrivers.com/newsview/632954.html?fr=kkj&from=timeline

傍晚时分，收到了今天购买的运动相机。

机器很小巧，说明书同样单薄。啰里啰嗦半天，还是让扫二维码安装app进行管理。

于是扫码关注公众号，下载app，再按照app的要求一步步配置，但到了网络那部分怎么也进行不下去了。

连一个小小的运动相机都搞不定，挫败感油然而生。反复折腾，晚饭一拖再拖，最后因疲惫而饥饿，因饥饿而厌倦，决定先吃饭再说。

吃饭时想，再搞不定，就交给外甥了。但转念想，不会这么难吧。

吃罢饭回去，再翻开说明书，NND，运动相机app给的是云视频摄像头的二维码…

重新到官网下载，安装，测试，我这番折腾真是不值。

face_recognition是基于Python的开源人脸识别库，该库使用 dlib 顶尖的深度学习人脸识别技术构建，据称离线识别率高达99.38%。

在ubuntu18.04上进行安装，原先python3及pip3已经安装。

首先安装安装libopencv-dev依赖包及opencv-python库：

sudo apt install libopencv-dev

sudo pip3 install opencv-python

安装后查看opencv的版本，当前默认版本已经是4.1.0

这时候开始安装face_recognition库：

pip3 install face_recognition

网上教程说此处在编译 dlib 依赖时很可能会遇到一些问题，需要安装dlib。但这应该是没有安装CMake问题，使用apt安装后，没有遇到问题。

安装完毕后，进行了一下简单的测试，发现人脸识别率的确很高，下一步再测试一下人脸辨别匹配率怎么样。