Git恢复修改：快速回退到原始状态的简明指南
Git恢复修改：快速回退到原始状态的简明指南
当你修改了 Git 仓库的代码，但想快速恢复到原始状态时，可以使用以下命令。
1. 查看修改
bash展开代码git status # 查看哪些文件被修改
1. JuiceFS 和 boto3 的本质区别
| 名称 | 类型 | 主要用途 | 典型场景 |
|---|---|---|---|
| boto3 | Python SDK | 直接操作 S3/OSS 对象存储 | 代码里直接读写 s3:// 文件 |
| JuiceFS | 文件系统/存储方案 | 把 S3/OSS 挂载成本地目录 | K8s/服务器挂载云存储 |
下载：
bash展开代码wget http://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh
安装：
bash展开代码bash Miniconda3-latest-Linux-x86_64.sh
初始化：
bash展开代码/root/miniconda3/bin/conda init
重启终端即可。
下载：
https://repo.continuum.io/miniconda/Miniconda3-latest-Windows-x86_64.exe
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
下载这个旧版本：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py310_25.7.0-2-Windows-x86_64.exe
安装填写路径：
bash展开代码D:\ProgramData\miniconda3
环境变量给入：
bash展开代码D:\ProgramData\miniconda3\condabin D:\ProgramData\miniconda3\Scripts
Python环境举例：
bash展开代码conda create -n py310 python=3.10 -y conda install scipy -y
| 显卡型号 | 架构 | 显存/类型 | 显存带宽 | CUDA核心/张量核心/RT核心 | 单精度算力（FP32） | 张量算力（FP16/FP8） | 功耗（TDP） | 主要用途/备注 |
|---|---|---|---|---|---|---|---|---|
| H200 | Hopper | 141GB HBM3e | 4,800 GB/s | 16,896 / 528 / 24 | 67 TFLOPS（SXM） | 3,958 TFLOPS（FP8） | 700W（SXM） | H100升级，超大模型训练 |
| H100 | Hopper | 80GB HBM3 | 2,000 GB/s | 14,592 / 456 / 24 | 51 TFLOPS（PCIe） | 3,026 TFLOPS（FP8） | 350W（PCIe） | 旗舰AI训练/推理 |
| H800 | Hopper | 80GB HBM3 | 2,000 GB/s | 14,592 / 456 / 24 | 51 TFLOPS（PCIe） | 3,026 TFLOPS（FP8） | 350W | H100中国特供 |
| L40S | Ada Lovelace | 48GB GDDR6 ECC | 864 GB/s | 18,176 / 568 / 142 | 91.6 TFLOPS | 1,466 TFLOPS（FP8） | 350W | 数据中心AI/渲染 |
| H20 | Hopper | 96GB HBM3 | 2,000 GB/s | 14,592 / 456 / 24 | 47 TFLOPS | 1,400+ TFLOPS | 300W | H100/H800进一步阉割版 |
| RTX 4090 24GB/48GB* | Ada Lovelace | 24GB GDDR6X （部分云定制48GB） | 1,008 GB/s | 16,384 / 512 / 128 | 82.6 TFLOPS | 660.6 TFLOPS（FP16） | 450W | 消费级旗舰，AI推理/渲染 |
| L4 | Ada Lovelace | 24GB GDDR6 | 300 GB/s | 7,424 / 232 / 58 | 30.3 TFLOPS | 485 TFLOPS（FP8） | 72W | 云推理/视频AI |
| A800 | Ampere | 80GB HBM2e | 2,039 GB/s | 6,912 / 432 / 108 | 19.5 TFLOPS | 312 TFLOPS（FP16） | 300W | 中国特供，AI训练/推理 |
| BI-V150（国产） | 国产AI芯片 | 32GB/64GB HBM2* | * | * | * | * | * | 国产AI推理/训练 |
进行2个设置，才能让硬件在Win11发挥最大性能。
1. 设置1
搜索电源和睡眠设置 ，在电源模式（根据电源使用情况和性能来优化你的设备）选择最佳性能。
2. 设置2
右键此电脑，打开“属性”。
打开其中的“高级系统设置”。
进入“高级”，点击性能下的“设置”。
勾选开启“调整为最佳性能”。
进入“高级”，勾选“程序”最后“确定”保存即可调整为最佳性能。
由 conda-forge 社区维护，默认使用 conda-forge 源，避免 Anaconda 的商业许可风险，且预装 Mamba 加速依赖解析。
前置知识
什么是Docker？
Docker是一个容器化平台，它允许你将应用程序及其依赖项打包到轻量级、可移植的容器中。容器类似于虚拟机，但更加高效。
核心概念：
- 镜像（Image）：应用程序的只读模板
- 容器（Container）：镜像的运行实例
- 仓库（Registry）：存储镜像的地方，如Docker Hub
