第 4 页

在 Windows 上安装 Anaconda、CUDA 与 PyTorch，创建可运行 YOLO 的 GPU 开发环境。

在 A100 上使用 TensorRT-LLM 对 QwQ-32B 进行 INT4 量化，转换检查点、构建引擎并运行吞吐基准测试。

在 Ubuntu 24.04 中安装多个 CUDA Toolkit 版本，配置环境变量与命令别名以便快速切换和验证。

在 Ubuntu 中安装并运行 Stable Diffusion WebUI 秋叶整合包，涵盖下载、虚拟环境、依赖安装和路径修复。

记录单卡 A100 上使用 TensorRT-LLM 对 Qwen3-8B 进行量化推理，涵盖容器环境、检查点转换、引擎构建和运行验证。

在 PVE 中为 Ubuntu 虚拟机直通 A100，安装 NVIDIA 驱动、CUDA Toolkit 与 TensorRT 并验证环境。

在 UNRAID 上部署 Immich-Mediakit，调用 CUDA 加速相似照片向量分析与去重。

在 UNRAID 上通过 Docker Compose 部署 Immich，配置 NVIDIA GPU 并验证 CUDA 机器学习加速。