1.NVIDIA Modulus 23.03安装和使用方法
2.泄露《GTA6》黑客被逮捕，英伟背后的达源度网组织到底啥来头？
3.极智开发 | 解读英伟达软件生态 一切的基础CUDA
4.omv 家用 nas 搭建[4]， jellyfin 部署
5.硬核观察 #1112 1/7 的码泄 Linux 内核代码是 AMD GPU 驱动代码
6.黑客帝国2:重装上阵(黑客业务网)

NVIDIA Modulus 23.03安装和使用方法

       如果你对NVIDIA的Modulus .版本感兴趣，以下是露百你需要了解的安装和使用指南。从年开始，盘英Modulus将进行重大更新，伟达凤凰发卡源码建议直接从.版本开始，编码因为它将成为新开发的英伟基础，旧版本将不再维护，达源度网所有功能将迁移至此。码泄

       Modulus .开源，露百可在GitHub获取。盘英新版本主要由两个部分组成：Modulus包和modulus-sym包。伟达sym包整合了大量API接口，编码以下是英伟部分核心模块的导入示例：

       from modulus.sym.hydra import to_absolute_path

       from modulus.sym.solver import Solver

       from modulus.sym.domain import Domain

       ...

       from modulus.sym.utils.io.plotter import ValidatorPlotter

       安装步骤如下：

       首先，从GitHub下载modulus源代码，确保选择正确的版本，然后构建镜像：

       #docker build -t modulus:ci --target ci -f Dockerfile .

       启动镜像，在其中安装modulus-sym：

       #pip install .

       可能需要额外安装一些依赖，如：

       sudo apt-get install libx-6

       sudo apt install libgl1-mesa-glx

       sudo apt-get install libxrender1

       完成以上步骤后，你就可以开始编写并运行Modulus .的代码了。对于进一步的技术交流和疑难解答，我们建议加入以下QQ群：

       群名称：英伟达Modulus仿真技术交流（PINN）

群号：

       这里是一个活跃的社区，可以与同行分享经验和解决问题。祝你在使用Modulus .的过程中顺利！

泄露《GTA6》黑客被逮捕，背后的组织到底啥来头？

       受到很多玩家喜爱的大型游戏《GTA6》惨遭泄露事件引发了全网游戏玩家的关注，事情的起因是在9月日一名自称“茶壶”的黑客在《GTA6》的论坛上上传了压缩包，其中所包含的视频全部是来自于还没有进行播出的《GTA6》中的片段，该黑客十分大胆的表示会继续泄露更多数据，他还拥有《GTA6》的jsbridge 源码源代码以及游戏内容。官方迅速对他进行联络，但是他嚣张的表示需要让游戏公司给他支付一定的费用，这样他就可以将手里所拥有的源代码以及片段都交给公司，对于这名黑客如此嚣张的挑衅该公司选择了报警，这名黑客现在已经被抓捕，但他背后的组织到底是啥来头？小编给大家讲一讲。

       由于这名黑客将《GTA6》的源代码泄露到了各大视频网站，很多玩家已经看到了游戏画面，一开始有些人怀疑这些画面是不是伪造的，但是在经过印证后发现其中画面和今年早期进行过报道的内容大部分都是相同的，如果大家不太理解这件事情的严重性，那换句话来说就是还没有上市的新手机在没有开发布会时便被泄露出了所使用的新技术，甚至制造了假的模型机。

       这名黑客进行曝光后后，很多游戏博主也对这些游戏新内容进行了分析，游戏中多了一名女性，而且对以前所拥有的打劫系统进行了更新，在最新的《GTA6》中，玩家打劫后会遭到警察的抓捕，警察能够记住你所使用的车牌号，这样玩家在逃跑时也会多了很多困难，不再像以前那么轻易。

       在这名黑客被抓捕后更是让人吃惊，原来这名黑客只是一个岁的孩子。很多网友得知这样的结果都怀疑他是不是“背锅人”，但是警方并未对此事进行过回应，所以真相还是需要等待下一步的官方声明。

极智开发 | 解读英伟达软件生态 一切的基础CUDA

       欢迎关注我的公众号 [极智视界]，获取我的更多经验分享

       大家好，我是random 源码极智视界，本文来介绍一下 解读英伟达软件生态 一切的基础CUDA。

       邀您加入我的知识星球「极智视界」，星球内有超多好玩的项目实战源码下载，链接： t.zsxq.com/0aiNxERDq

       CUDA，全称为 Compute Unified Device Architecture，是英伟达于 年推出的一个平行计算平台和应用编程接口 API 模型。CUDA 之于英伟达的重要性主要体现在下面几个方面：

       所以，解读英伟达软件生态，必须要从 CUDA 说起。虽然 CUDA 再往下还有如 PTX 的指令集加速层级，但是PTX 的普及程度其实并不高，甚至可能很多朋友都没听说过 PTX，其实也算正常，因为基本上的 N 卡开发者，根本没必要接触到 PTX，把 CUDA 学好就足够够的了。

       把 CUDA 作为标杆，似乎是很多 AI 芯片厂商 "共同的做法"，比较有代表性的是升腾的 Ascend C、寒武纪的 Bang C，但是其实这几个之间有相似但又有不相似的地方。相似的地方在于不管是升腾还是寒武纪都想提供一套类似 CUDA 的可以充分调用自己 NPU 硬件加速的对外接口，提高客制化的灵活性。不相似的地方一方面在于我们是在学人家，很多接口其实是为了贴近 CUDA 的接口而进行的高级封装，毕竟大部分开发者其实已经形成了 CUDA 的开发习惯，这个时候让大家切换起来更加顺手的做法就是 "模仿"，而要做这种程度的 "模仿" 势必要协调好硬件架构和软件接口的映射；不相似的另外一方面体现在软件生态的层次清晰度，这个拿升腾来专门说，升腾 Ascend C 的黑洞源码发布时间在 年 5 月 6 日，而反观英伟达 CUDA 的发布时间是 年。什么意思呢，很明显可以看到英伟达的软件生态是以 CUDA 为基础然后层层往上叠的，而升腾是先有了 CANN，先有了 MindSpore 这些 "高层建筑"，然后往下才有了 Ascend C，这种软件生态的层次结构就没有那么清晰，当然这种说法也只是基于时间上的，这并不影响它在空间上还是具备不错的软件生态层次结构。

       再回到 CUDA 本身，需要清楚的一点是，CUDA 其实一开始主要是面向优化计算密集型计算 (Compute-Bound)，因为不管是最开始的通用科学计算还是后来的以 CNN 为主流的深度学习计算都是计算密集型，但是后来 Transformer 又逐渐流行，所以 CUDA 也是不断在 "与时俱进" 在做平衡、做兼顾，比如在 A 开始，CUDA 新增了从 L1 Cache 到 HBM Global Memory 数据直接异步拷贝的指令，其实也是在丰富自身对于访存密集型计算 (Memory-Bound) 的优化。

       我之前写过挺多关于 CUDA 的分享，罗列一些，

       CUDA 是一种硬件强相关的编程模型，要掌握好 CUDA，需要先看懂 GPU 硬件架构，从而映射到 CUDA 内存模型、线程模型上，这点跟 C 语言、跟 C++ 这类 "高级" 编程语言就很不一样，所以很多朋友会觉得 CUDA C 比较难写，特别是xfbf源码要写出高性能的 CUDA C，比较难。确实，这是事实，特别是对于写出高性能的 CUDA C，会涉及资源的高效调度，比如 Shared Memory、L1 Cache 等的调度；会涉及适应硬件架构超参的配置，比如 Thread、Block、Grid 等的配置。

       总之，对于 CUDA 的深入学习，是一门 "稳挣不亏" 的 "买卖"，原因不再过多赘述，主要体现在它的重要性上。

       好了，以上分享了 解读英伟达软件生态 一切的基础CUDA，希望我的分享能对你的学习有一点帮助。

       公众号传送

omv 家用 nas 搭建[4]， jellyfin 部署

       目前市面上常见的播放服务软件大致有三种，plex，emby，jellyfin。

       plex 和 emby 在信息的搜刮以及海报墙展示上个人认为性能会比 jellyfin 更好一些，同时系统也更为稳定，但 plex 和 emby 的高级功能，例如硬件解码以及直播等功能，均需要付费才能支持。

       jellyfin 作为播放系统，除了海报墙等基础功能外，还自带免费的硬件解码以及转码功能，对于远程播放且带宽受限的用户来说，是一个比较经济的解决方案。除此之外，jellyfin 源码也在 github 上 开源了，这相比闭源系统来说，使用更加放心。

       部署过程主要参考油管 Techno Dad 相关视频。

       由于国内网络性能的原因，从 docker hub 拉取镜像时可能会出现下载缓慢的现象。因此笔者的建议是先将 docker image 下载缓存在本地后再进行 docker-compose 的部署。

       从 docker hub 网站 复制命令 docker pull linuxserver/jellyfin，使用 ssh 连接终端，复制命令并运行，等待镜像下载完成。下载后执行 docker image list，应该会看到相应镜像。

       打开 portainer，选择侧边栏 stacks ，点击 add stack 按钮即可创建 portainer stack。

       portainer stack 使用的是 docker-compose 格式的部署脚本，需要从 docker hub 中的 jellyfin 文档复制并且加以修改。文档中代码如下：

       需要修改的地方有以下几个：

       根据 linuxserver 文档所述，使用 PUID 和 PGID，可以将容器的内部用户映射到宿主机上的用户，这样能够避免 root 权限配置及容器映射卷内的文件管理问题。

       使用 ssh 连接至 omv 终端后，输入id admin 命令获取当前 PUID 以及 PGID，如下图所示，此时的 PUID = ，PGID = 。

       根据当前时区位置修改为TZ=Asia/Shanghai

       docker 会将宿主机的文件路径映射为容器中的文件路径。在 docker-compose 中，例如/path/to/appdata/config:/config 冒号前的则为宿主机路径，冒号后的为映射的路径。

       首先在 omv 中通过添加共享文件夹来创建宿主机的目的文件夹，如下图所示：

       在添加时，设备指的是共享文件夹存储对应的硬盘，路径则是共享文件夹在硬盘上存储的相对位置。

       创建成功后，在页面上显示的绝对路径即为所要的宿主机路径，如下图所示：

       根据部署脚本代码，需要修改以下几个磁盘映射路径：

       根据文档所述，主要需要调整以下端口：

       实际上主要调整 端口即可。

       当使用 intel 集显时，通常情况下在 debian 系统中会自动安装驱动，只需检查 /dev/dri 路径下是否存在 renderD 即可，只要存在则驱动已被安装，只需要挂载驱动即可

       --device=/dev/dri:/dev/dri

       使用英伟达显卡时，需要先 安装 Nvidia-docker 容器，之后重新启动容器，并在启动项中增加 --runtime=nvidia ，并且增加环境变量 NVIDIA_VISIBLE_DEVICES=all 即可。

       经过上述调整，修改后的 docker-compose 大致如以下所示：

       设置完点击Deploy the stack 按钮，如果部署脚本没有错误，应该会跳回 stacks 页面。同时使用 http 协议访问 jellyfin 之前设置的 web ui 对应端口，应该能够弹出 jellyfin 登陆界面，证明部署成功：

       点击控制台->媒体库->添加媒体库，并将前文挂载的媒体库按照类型进行添加。

       添加后点击扫描所有媒体库，系统会自动进行扫描和索引。

       intel 核显勾选Video Acceleration API(VAAPI) 选项，并且设备选择 /dev/dri/renderD 即可，将硬件解码部分所有都勾选上，系统遇到合适编码时，将会自动使用硬件进行解码。

       至此，jellyfin 基本设置完毕，可以尝试播放媒体库中的视频判断是否成功运行。

       这次主要实现了直接部署 jellyfin 在 portainer 上，并且进行了 jellyfin 的基础设置。

硬核观察 # 1/7 的 Linux 内核代码是 AMD GPU 驱动代码

       Linux 内核代码的硬核观察揭示了一个显著的事实：AMD GPU 驱动代码占据了内核源代码的1/7以上，具体超过了万行。这其中包括AMD为每代新GPU提供的大量自动生成的头文件，它们就像详尽的文档，反映出AMD对驱动开发的投入。相比之下，英伟达开源的Nouveau驱动代码只有约万行，显示出AMD在内核贡献上的巨大影响力。

       尽管AMD在代码贡献上积极主动，但老王对此提出疑问：在内核中不断增加代码是否真的有益？尤其考虑到ReiserFS的命运。曾经流行的ReiserFS日志文件系统因开发者的个人问题而停滞，最终在Linux 5.及后续版本中被标记为废弃。其后，随着主要开发者入狱，ReiserFS项目逐渐消亡，反映出开发者社区对项目污点的敏感和项目延续性的依赖。

       另一个例子是Visual Studio for Mac，微软的Mac版开发工具，从开源到闭源，最终被计划在年废弃。VS Mac曾作为.NET IDE，但与Windows版本的差距明显。微软在发现VS Code更受欢迎后，逐渐淘汰边缘项目，而MonoDevelop的开源替代品DotDevelop仍在持续发展中。

黑客帝国2:重装上阵(黑客业务网)

       在黑客业务网的最新动态中，英伟达——这个科技巨头再次成为了网络安全事件的焦点。让我们深入探讨一下这一事件的细节与影响，黑客组织LAP$的行动似乎并未能撼动英伟达的根基/。

       据彭博、每日电讯报和TheVerge等权威媒体透露，英伟达近期遭受了来自南美LAP$黑客组织的侵袭。他们声称窃取了超过1TB的专有数据，但关键的是，LAP$已提前备份数据，英伟达的反击并未取得预期效果/。

       尽管如此，英伟达在事态曝光后迅速采取了行动。他们在Hardwarexx网站上发布声明，表示已加强网络安全措施，并聘请专家应对，尽管没有证据表明勒索软件的使用或与国际冲突有关/。他们确认威胁者获取了员工凭证和一些专有信息，但强调业务不会受到显著影响。

       值得注意的是，黑客泄露的焦点落在了英伟达的深度学习超级采样（DLSS）源代码上，这一技术对于提升游戏性能至关重要/。尽管英伟达之前已关闭源码以保护知识产权，但这一举措引发了业界和玩家的讨论。

       市场上的竞争技术，如FSR和XeSS，选择开源，尽管它们的原理与DLSS不同，但DLSS的性能仍然受到认可。这次泄露的版本为DLSS 2.2，对于学习人工智能的学生来说，这无疑是一个了解大厂技术的好机会，可以借此拓宽知识视野，增加技术储备/。

       尽管黑客的威胁持续存在，但英伟达的立场坚定，他们强调安全是公司日常运营的核心，对代码和产品的保护投入不遗余力/。此次事件提醒我们，无论在科技领域还是个人层面，保护信息安全都是当务之急。

       总的来说，这次黑客攻击虽然造成了短暂的震动，但英伟达凭借其强大的安全措施和决心，预计不会对业务产生持久影响/。对于科技爱好者和行业观察者而言，这是一个警醒，也是对技术创新者进行安全教育的案例。