关于我们更多关于云原生的案例和知识，可关注同名【腾讯云原生】公众号~福利：①公众号后台回复【手册】，可获得《腾讯云原生路线图手册》&《腾讯云原生最佳实践》~②公众号后台回复【系列】，可获得《15个系列100+篇超实用云原生原创干货合集》，包含Kubernetes降本增效、K8s性能优化实践、最佳实践等系列。③公众号后台回复【白皮书】，可获得《腾讯云容器安全白皮书》&《降本之源-云原生成本管理白皮书v1.0》④公众号后台回复【光速入门】，可获得腾讯云专家5万字精华教程，光速入门Prometheus和Grafana。作者徐蓓，腾讯云容器技术专家，腾讯云异构计算容器负责人，多年云计算一线架构设计与研

关于我们更多关于云原生的案例和知识，可关注同名【腾讯云原生】公众号~福利：①公众号后台回复【手册】，可获得《腾讯云原生路线图手册》&《腾讯云原生最佳实践》~②公众号后台回复【系列】，可获得《15个系列100+篇超实用云原生原创干货合集》，包含Kubernetes降本增效、K8s性能优化实践、最佳实践等系列。③公众号后台回复【白皮书】，可获得《腾讯云容器安全白皮书》&《降本之源-云原生成本管理白皮书v1.0》④公众号后台回复【光速入门】，可获得腾讯云专家5万字精华教程，光速入门Prometheus和Grafana。作者徐蓓，腾讯云容器技术专家，腾讯云异构计算容器负责人，多年云计算一线架构设计与研

Meltdown漏洞，是一个处理器硬件级别的漏洞，谷歌的ZeroProject团队、密歇根大学的Kocher在2018年的一篇顶会论文中介绍了这个漏洞。该漏洞被命名为“熔断”，有种高温岩浆熔断围墙的感觉，突破用户空间和内核空间的边界限制。它和Spectre系列漏洞有一定关系，也可以被称为SpectreV3，不过目前的学术界将两者清晰的划分为不同种类：乱序执行类、预测执行类。本文将从论文内容、漏洞利用过程两个方面进行介绍。论文内容介绍论文的标题为：《Meltdown:ReadingKernelMemoryfromUserSpace》，获取链接，因为是会议论文，所以作者在youtube上发布了一个

Meltdown漏洞，是一个处理器硬件级别的漏洞，谷歌的ZeroProject团队、密歇根大学的Kocher在2018年的一篇顶会论文中介绍了这个漏洞。该漏洞被命名为“熔断”，有种高温岩浆熔断围墙的感觉，突破用户空间和内核空间的边界限制。它和Spectre系列漏洞有一定关系，也可以被称为SpectreV3，不过目前的学术界将两者清晰的划分为不同种类：乱序执行类、预测执行类。本文将从论文内容、漏洞利用过程两个方面进行介绍。论文内容介绍论文的标题为：《Meltdown:ReadingKernelMemoryfromUserSpace》，获取链接，因为是会议论文，所以作者在youtube上发布了一个

这里给大家分享我在网上总结出来的一些知识，希望对大家有所帮助很多前端都喜欢用console.log调试，先不谈调试效率怎么样，首先 console.log有个致命的问题：会导致内存泄漏。为什么这么说呢？用Performance和Memory工具分析下就知道了。我们准备这样一段代码：一个按钮，点击之后创建一个数组，执行一些计算。很常见的逻辑。我们最后加了一个console.log打印了下这个数组。起个静态服务：浏览器访问：  点击performance下的垃圾回收按钮，手动触发一次GC：  勾选Memory，然后开始录制，点击3次按钮，再执行一次GC：你会发现内存是这样的：内存占用有三次增长，因

这里给大家分享我在网上总结出来的一些知识，希望对大家有所帮助很多前端都喜欢用console.log调试，先不谈调试效率怎么样，首先 console.log有个致命的问题：会导致内存泄漏。为什么这么说呢？用Performance和Memory工具分析下就知道了。我们准备这样一段代码：一个按钮，点击之后创建一个数组，执行一些计算。很常见的逻辑。我们最后加了一个console.log打印了下这个数组。起个静态服务：浏览器访问：  点击performance下的垃圾回收按钮，手动触发一次GC：  勾选Memory，然后开始录制，点击3次按钮，再执行一次GC：你会发现内存是这样的：内存占用有三次增长，因

目录背景使用DockerClient调用GPU依赖安装安装Docker安装NVIDIAContainerToolkit¶--gpus用法使用DockerGoSDK为容器分配GPU使用NVIDIA/go-nvml获取GPU信息使用DockerGoSDK为容器分配GPU扩展阅读：NVIDIAMulti-InstanceGPU背景深度学习的环境配置通常是一项比较麻烦的工作，尤其是在多个用户共享的服务器上。虽然conda集成了virtualenv这样的工具用来隔离不同的依赖环境，但这种解决方案仍然没办法统一地分配计算资源。现在，我们可以通过容器技术为每个用户创建一个属于他们自己的容器，并为容器分配相应

目录背景使用DockerClient调用GPU依赖安装安装Docker安装NVIDIAContainerToolkit¶--gpus用法使用DockerGoSDK为容器分配GPU使用NVIDIA/go-nvml获取GPU信息使用DockerGoSDK为容器分配GPU扩展阅读：NVIDIAMulti-InstanceGPU背景深度学习的环境配置通常是一项比较麻烦的工作，尤其是在多个用户共享的服务器上。虽然conda集成了virtualenv这样的工具用来隔离不同的依赖环境，但这种解决方案仍然没办法统一地分配计算资源。现在，我们可以通过容器技术为每个用户创建一个属于他们自己的容器，并为容器分配相应

   抽空理了理国内目前已知显卡厂商的各类产品（来源与各个公司产品网站），可能不全，后续会实时更新。   目前来看，显卡市场还是国外两巨头+intel占据了绝大数的市场，intel在igpu上深耕了很多年，现在终于进军dgpu市场了，去年发布的DG1（ARC系列的上一代试水产品），算是内部第一代独显，正式的ARC（dg2）应该是撬开dgpu的正式的敲门砖。   国内公司目前搜集到的信息不多，如果有其它比较优秀的国内显卡公司，后续也会持续加进去的。

   抽空理了理国内目前已知显卡厂商的各类产品（来源与各个公司产品网站），可能不全，后续会实时更新。   目前来看，显卡市场还是国外两巨头+intel占据了绝大数的市场，intel在igpu上深耕了很多年，现在终于进军dgpu市场了，去年发布的DG1（ARC系列的上一代试水产品），算是内部第一代独显，正式的ARC（dg2）应该是撬开dgpu的正式的敲门砖。   国内公司目前搜集到的信息不多，如果有其它比较优秀的国内显卡公司，后续也会持续加进去的。