btrfs 分区不需要配合 LVM.

/home, /, /boot, swap.
做 snapshots 不包含/home. 回滚也不回滚/home.重装系统也不会覆盖/home.

是不是开的套件太多了？ NAS 开着 SMB 就算完成本职任务，你要是当服务器用就要提配置了。

然而百度网盘提取的 aria 链接在 linux 下用 aria2c 下载也是转向到 http 的。。。

fail2ban 规则设置连续 5 次错误尝试就永 ban 就完事了。

早切换了，忘了什么原因。neovim 其实也兼容 vimrc 格式的配置，不想折腾 copy 到 init.vim 里就行了。我现在是 nvim+tmux ，多开两个 tmux 窗口显示输出模拟 IDE 。

看了下官网。简单来说最初的核心开发是 AI 计算，对 CUDA 等有较好的封装，为了方便客户就采用了 Python 的语法。到了这一步就要确定是做 CPython 的 DSL ， 还是另外一个 Interpeter 。
最初的设计应该和 Cython 类似，但后续受 CPython 架构的限制太大，免不了和 PyObject 和 GIL 打交道，估计内心是看不上 CPython 的实现的，确实时间太久远了，历史负担很大。
看起来对自己 AI 计算的框架比较有信心，所以就选择走 PyPy 的路线。但是 PyPy 的教训就是没有广大的第三方库支持。它本身对 Python 基本类型的支持还不完整，属于 DSL 的状态。现在宣传就是希望多圈用户来移植第三方库。
有第三方来倒逼一下 CPython 总是好的，到达 neovim 之于 vim 就最好了。一个 nogil 讨论了那么多年还是连个响都没有。性能需求倒逼总归是要逼出 Python4 的，官方不想做就看第三方能不能搞出来了。

挺好的，现在的 Python 版本都是顶层 Python 调用加底层 C 实现。这个整个原型可以用 Python 写，底层优化同样的语法整合度肯定方便很多。
Marketing 也很不错，切入机器学习的热点领域，加入 CUDA 的支持。用户群体简单适应就可以很快迁移了吧。
Python 的优化方案太杂了(Cython/mypyc/taichi/numba ），也不差这一个了。

楼上说的应该是 subinterpreter 。
https://www.infoworld.com/article/3694512/python-312-faster-leaner-more-future-proof.html
nogil 反对声音不小。就算技术上可行，其他人同意了，要是实现也是不知道什么时候了。
这些开发者现在都很保守了，感觉很多人个人意愿只是小修小补混混了。

主流操作系统现在都支持安装不同版本的 Python 了，你用不同版本的 pyenv 就可以创建不同版本号的环境了。

不要用 conda 了，以前 pip 编译麻烦的时候 conda 的编译包很方便。但现在 pip 支持 wheel 很久了，用 pip 安装的 numpy/scipy/pytorch 都是编译好的，想想 pytorch 用的是 CUDA 的接口，pip 也可以一行命令安装了。conda 占内存大，安装包检查时间长，channel 里面一些小众包也没有，最后都是 conda/pip 混用。pyenv 也是可以创建多个环境的。

remmina 也不错

@ch2 增量备份是对文件进行增量备份，不是对文件内容进行增量备份..

备份数据呗

都是 JIT 加速，性能好像比 numba 好不少。
file:///dev/shm/performance-comparisons-for-python-libraries-in-parallel-computing-and-physical-simulation-1.pdf
https://docs.taichi-lang.org/blog/taichi-compared-to-cub-cupy-numba

卡预算内存建议买条小的对付一下，以后一次性补齐。后续升级 128GB 换下来 4 条 16GB 就很尴尬。

建议看看扩展性强的如 thinkpad P 系列。搞 3 维建模的后续自己加内存美滋滋。千万别买那种内存焊在主板上的玩意。

都集显了，高刷屏的意义是？

网络浏览器只要开着就一直往硬盘上写东西。可能是缓存，像这种写入了不读也是有可能的。文件系统日志也是要一直写入。我开了 ramdisk ，所有下载，缓存文件夹都在 ramdisk 里，读取比 写入大不少。