CO: work from CS61C, C / assemble translation in CS61C file .md file

learn VM, C / assemble translation, draw helpful tables

single page PPT's information rate is too low, and it is wasteful for brain and workflow.

记忆：通往AGI的最后难题。

AGI若想达到人类智能的广度与深度，同样需要这样的记忆系统。

Learn Docker container techniques.

well, first use my Local system Ubuntu to

Rent GPU in:

AutoDL, GPUHub, Vast.ai, Runpod

T2I model: Z-image-turbo, developed by Tongyi, seen in modelscope

本地部署模型：

小模型几十到几百MB

中型模型2GB-15GB

大型模型40GB-150GB

Linux 是 AI 行业的标准环境。使用 Nvidia RTX GPU 跑模型。

双系统 Ubuntu or Cloud computing

正式训练模型（ Stable Diffusion's Lora, or fine-tune LLM ） using Ubuntu

Nvidia GPU is necessary.

注意软件环境： 不管是 5090 还是 Pro 6000，请务必确保你的镜像版本：

• PyTorch >= 2.8.0
• CUDA >= 12.8
• 只有这样才能充分调用 Blackwell 架构的新特性（如 FP4 精度加速）。

AI paper's code is primarily developed in Ubuntu. Just copy code and run it in Ubuntu.

建议做法：使用 Conda (Miniconda) 这是深度学习圈子的标配。

1. 安装 Miniconda。

2. 创建一个独立的环境：

   codeBash

   conda create -n torch_env python=3.10

3. 激活环境：

   codeBash

   conda activate torch_env

4. 在这个环境里，无论你输入 python 还是 python3，它都会指向这个环境里的 Python，不会和系统混淆。