想在树莓派上跑Julia?没问题。

Julia是一款开源通用编程语言,专为科学计算而设计。它结合了 Python 和 Ruby 等高级语言的易用性,以及 C 的速度。Julia 是大学开发研究的理想选择,从本科到博士都可以考虑它。

其实在2017年,该语言的创造者之一Viral Shah就跟 Raspberry Pi 基金会取得了联系,并将 Julia 移植到了 ARM 平台,特别是针对 Raspberry Pi。从那时起,他们出色的完成了对 ARM 平台以及树莓派的支持。

而树莓派基金会也将Julia正式的纳入了Raspberry Pi OS的软件库,大家可以直接用APT安装了。

现在Julia 团队不仅将语言本身移植到 Pi,而且还增加了对GPIOSense HATMinecraft的支持。

Julia 开发人员之一 Simon 首先将 Julia 徽标加载到Jupyter 笔记本中的矩阵,然后将其显示在 Sense HAT LED 矩阵上。然后他做了一些矩阵变换,Sense HAT 显示了这些操作的效果。

可以使用以下命令在 Raspberry Pi 上安装 Julia:

sudo apt update
sudo apt install julia

为 Julia 安装 Jupyter notebook:

sudo apt install julia libzmq3-dev python3-zmq
sudo pip3 install jupyter
julia -e 'Pkg.add("IJulia");'

也可以从 Julia 控制台轻松安装额外的软件包:

Pkg.add("SenseHat")

Julia 团队还创建了一个资源网站,用于在 Pi 上开始使用 Julia:juliaberry.github.io

好了,Julia开发者们。在树莓派上用起来吧。

英特尔推出新款矿机芯片Bonanza Mine,25%产能已被预订

虚拟货币价格这几年猛涨,搞得显卡价格也一路飙升,为了赚更多钱,英伟达就推出了专业矿卡,价格比普通显卡更贵,但是没有视频输出接口。随后英伟达还把普通显卡进行限制,无法全速挖矿。AMD虽然没有推出专业矿卡,但所有显卡均未限制挖矿。

看这这两家企业赚得盆满钵满,英特尔自然就坐不住了。英特尔早前已确认,不会限制锐炬显卡的挖矿能力,同时还在开发专用于挖矿的芯片,代号“ Bonanza Mine”,也叫“Bonanza Lake”。

根据最新挖掘到的细节,Intel BZM2 ASIC其实已经是其第二代产品,但第一代我们从未听说过。

它采用Intel 7nm工艺制造(也就是现在所谓的Intel 4),面积仅为14.16平方毫米(一块300mm晶圆可切割最多4000颗),核心频率1.67GHz,挖矿算力137GH/s(也就是137000MH/s),而功耗仅为2.5W,1TH/s的算力也只需要18W。

25颗这样的芯片可以配置成一套系统,总算力高达3.425TH/s,功耗不过62.5W,而总的供电电压也只需8.875V,平均到每一颗芯片只有区区0.335V。

这就是Intel所说的“超低电压”、“超高能效”。

英特尔专业矿卡的算力和功耗远超英伟达显卡,而且和那些专业矿卡定位不同。比特币有数量限制,现在开采的难度很高,买显卡挖比特币几乎不可能回本,所以一般是显卡用于挖以太坊,矿机用来挖比特币。和专业矿机相比,英特尔专业矿卡的表现就不算很优秀了。

当然,对于GRIID这种挖矿企业来说,只要设备挖矿能够盈利就够了,不必过度在意盈利多少,它们缺的就是设备。依靠挖矿,GRIID已经在纽交所上市,市值高达33亿美元。

GRIID 透露,已经与比特大陆和比特微签订挖矿ASIC 合约,但也跟英特尔签订明确的供应合约,“英特尔预计今年开始出货ASIC,在2023 年5 月前所有订单提供BZM2 ASIC 固定价格。

此外,在某些条件下,GRIID 有权向英特尔购买至少25%合格ASIC,直到约2025 年5 月”。事实上,主要比特币ASIC 制造商,例如比特大陆和比特微,都面临交货周期过长、芯片定价过高的问题,因为他们必须仰赖第三方的晶圆代工厂来制造晶片。

在目前晶圆制造产能紧缺的当下,在加上加密货币价格波动剧烈,需求不确定、也相对零散,因此台积电这样的代工厂不会将这些公司的订单置于优先地位。

另一方面,英特尔拥有供应链和生产力,Bonanza Mine 芯片有望打进利润丰厚的加密货币矿机芯片市场。ISSCC 预定2 月20 日登场,英特尔有机会在2 月23 日在ISSCC 上分享相关新讯息,目前还没有透露是否将Bonanza Mine芯片视为产品发布,或是做为一个研究项目。

Wireshark的抓包和分析,看这篇就够了!

网络故障排查,基本上对于网络工程师、运维及技术开发,都是日常见面但又颇具挑战的工作,也几乎是大家的基本能力。

尤其是对服务端工程师来说,一个功能上线后出了问题,能快速定位、排查、解决十分必要,这也是为什么经常面试时会考 HTTP、TCP 协议相关的内容,你总要弄清楚网络传输的底层逻辑。

程序本身还好排查,主要是因为程序在自己这边,只要花时间总有希望搞定。网络的难度,一方面是领域不同,很多专门写程序(特别是偏上层的应用)的工程师,对网络很不了解;一方面网络是双方的事,也就是客户端和服务端,还包括中间路径上的设备等,“变量”更多….

当然也有一波优秀的 “SRE”(Server Restart Engineer),遇到问题先上“重启大法”,也许也能搞定不少问题。但是,根因依然是未知,即使问题暂时消失了,不知道什么时候,它又会再次到来,然后再次重启……

所以,能否快速解决网络问题、将损失降到最小,就体现真正的技术实力了。

网络排查能力如何提升?

无他,刻意练习和经验积累。就我自己来说,一般是习惯防患于未然,将一切网络问题扼杀在摇篮里,所以经常关注一些网络故障排查的案例和解决办法。也整理了一些学习方法:

提升网络排查能力,不单单需要扎实掌握网络各层知识、提高排查视野,还要精进排查技术、完善知识体系,才能灵活运用排查工具和解决实际问题。

上面这个学习方法,来自我几年前关注的一个博主「杨胜辉」,他长期在博客上分享自己的排查经验,通过他对网络故障实际案例的解析,我学习了很多排查思路以及排查工具使用技巧。

在他的经历分享中,说他有一个小习惯:每处理一个问题就开一个文件夹,里面放上相关的日志、抓包文件等,当时记录有 500 个文件夹之多,逐步形成了对于“网络排查”这个宏大主题的一些自己的实操经验和方法论。 

(图虽小,但懂的自然懂…..膜拜大佬)

杨胜辉目前是 eBay 中国卓越技术中心基础架构部门的运维经理,主要负责 eBay 全球的流量管理业务,推动 Kubernetes 在 eBay 流量管理场景中的落地。

而网络和应用的关系是十分错综复杂的,所以他在这方面积累了很多鲜活的案例、接地气的排查经验,不是单讲理论或工具,而是围绕「案例」这个核心分析排查思路 → 聚焦工具使用 → 深入关键技术点,最终把网络知识带你系统地串下来,还有 Wireshark、tcpdump 等工具的使用技巧,可以说是案例、策略到技巧,全面提升我们的网络排查能力

最近他在极客时间出了个专栏《网络故障排查案例课》,我立马就入手了,不愧是跟网络打了 18 年交道的老兵,果然没让我失望。

👆扫上图二维码,免费试读👆

早鸟 + 口令「paicha999」,立减 ¥45

仅需 ¥84,40 个网络故障案例学到手

最有意思的是,很多案例“看起来是 A,查的时候是 B,最后定位出来是 C”,可以说十分真实了。这是个值得所有运维、开发、测试都读一读的专栏,或者当个实战案例库,其中一些思路和方法,基本上能在工作中“拿来即用”,真是详尽又硬核的一个专栏。

专栏有哪些特色呢?


特色一:夯实排查基础

首先会从网络分层模型出发,通过对分层模型和每层工具的理解,以及对抓包分析技术的认识,让你掌握并提升用 tcpdump 和 Wireshark 做网络分析的能力,打下网络排查的底层基础,为后续的学习铺平道路。

特色二:40+ 实战案例教学

接下来会根据 40+ 真实问题排查案例,在具体剖析、解读、排查的过程中,让你牢牢掌握与网络排查相关的核心知识和技术,包括抓包分析的应用,以及与 TCP、应用层与网络等相关问题的排查思路,完善网络排查技能树,形成技术体系。

特色三:接地气趣味教学

除此之外,让我更惊喜的是专栏打破常规图文+音频的学习方式,而是根据不同的知识点或讲解内容,通过视频讲演操作步骤、工具使用技巧、排查思路等,案例也大多是工作中常见的场景,讲解风格清晰又接地气,看得很轻松,“学得不累”。

专栏干货满满,学完你将获得:

  • 40+ 真实网络排查案例解析
  • 20 个网络故障疑难点的排查思路
  • Wireshark、tcpdump工具使用技巧
  • 18 年架构老兵的网络排障心法

目录分享给大家,很全,有实战,有心得。听极客的同学说,专栏的每一篇老师都要录上 3、4 遍才会分享出来。作为极客时间老用户,真的说句靠谱,课程质量真的闭眼可入。

最后要我说,网络问题的排查过程,就像读一本侦探小说,充满了神秘感和吸引力。当你掌握了网络排查技术之后,就不会再像过去那样想要逃避,反而会像猎人遇到猎物一样兴奋,很想一试身手,最终把案件调查彻底,水落石出。

一顿饭钱搞定网络排查,值了!

折扣价报名地址:https://time.geekbang.org/column/intro/100104301?code=aaxEpM6PP6bLw57vcw73wUIvfTFWB0UuczMsMg9cxV4%3D

Jetson Nano开发AI应用的认证课程

NVIDIA的深度学习学院(DLI)为边缘计算开发人员,教育者,学生和终身学习者提供了实用的,动手的AI培训和认证。 

Jetson AI部分,NVIDIA提供了两种认证:

一、任何人都可以完成的”Jetson AI专家认证,即Jetson AI Specialist
二、是针对教育工作者的的Jetson AI大使认证,即Jetson AI Ambassador

课程介绍

如今,世界各地使用 NVIDIA Jetson Nano 开发者套件的创客、自学开发者和嵌入式技术爱好者均已掌握 AI 的强大力量。借助这款简单易用而又功能强大的计算机,您将可在图像分类、物体检测、分割和语音处理等应用中并行运行多个神经网络。在本课程中,您将在自己的 Jetson Nano 上使用 Jupyter iPython notebook 构建基于计算机视觉模型的深度学习分类项目。

您将学习如何:

  • 安装 Jetson Nano 和相机
  • 为分类模型采集图像数据
  • 为回归模型注释图像数据
  • 基于您的数据训练神经网络,以创建模型
  • 使用您创建的模型在 Jetson Nano 上运行推理

完成课程学习后,您将能使用 Jetson Nano 创建深度学习分类和回归模型。

培训证书

成功完成本课程和测试后,您将获得 NVIDIA DLI 证书,以证明您在这一主题领域的技能,助力您的职业发展。

课程模式

个人在线自主学习,课程包含视频和代码示及练习例等

课程详情

预备知识:了解 Python 的基础知识(会有帮助,但非必需)

工具、库和框架:PyTorch、Jetson Nano

课程时长:6 学时(课件有效期 6 个月)

课程语言:中文

课程价格:免费

您需要准备好的硬件

  • NVIDIA Jetson Nano 开发者套件
  • 高性能 microSD 卡:最小 32GB(我们已测试并推荐此产品
  • 5V 4A 电源和 2.1 毫米直流桶式连接器(我们已测试并推荐此产品
  • 2 针跳线:必须添加到 Jetson Nano 开发者套件主板,以使桶式插座电源供电(此处为产品示例
  • Logitech C270 USB 网络摄像头(我们已测试并推荐 此产品) 。
  • USB 线缆:Micro-B 至 Type-A,支持数据传输(我们已测试并推荐此产品
  • 一台能以闪存形式向 microSD 卡写入数据的联网计算机