AI

在 Jetson Orin 上自编译带 CUDA 支持的 llama.cpp，为 OpenClaw Memory Search 部署本地向量模型服务并验证 GPU 推理。

在 Jetson Orin aarch64 环境中从源码构建 PyTorch whl，记录依赖、编译参数和安装验证。

在 Jetson Orin aarch64 环境中编译 TorchAudio whl，配置 libsox 与 CUDA 依赖并验证音频处理功能。

在 Jetson Orin 上从源码构建 TorchVision whl，记录版本对应、环境变量、依赖安装和功能验证。

通过 Jetson 部署 Obico 视觉检测服务，并结合 Home Assistant 实现拓竹 3D 打印异常监控、暂停和消息通知。

在 Jetson Orin Nano 上从源码构建支持 CUDA 的 ONNX Runtime，并用于运行 Immich 深度学习模块。

将 YOLOv8 模型量化为 RDK X5 可用格式，并在开发板上部署摄像头视频流实时推理。

在 Linux 上编译 llama.cpp，部署 gpt-oss-20b-Q8_0 GGUF 模型，并通过 Cherry Studio 接入本地推理服务。

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 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 Windows 上使用 Anaconda 配置 OpenCV 深度学习环境，涵盖 PyTorch、CUDA、C++ 编译工具和 Jupyter 安装。