只用来玩游戏，我用过的模拟器里 mumu 性能最好
如果是开着 Hyper-V 的话，那么选 Bluestacks

@Cyshall 大多数真吃性能的专业软件还真能最大限度地利用每一个核心……
日常生活中碰到的无法充分利用多核的场景反而是游戏。

上面的有个链接里的帖子其实还给了一组数据，同一台电脑，不同系统：
Asus G15 | 6900HS | Ubuntu 22.04: 1m 20s
Asus G15 | 6900HS | Windows Native: 1m 08s
Asus G15 | 6900HS | WSL-Ubuntu 22.04: 2m 08s

造成 Windows 和 Linux 下的差距的原因，是两个平台下编译的代码内容其实也不相同。有些代码分支或者依赖只用于某个平台。

如果算上编译输出 x86 和 ARM 指令集的差异，不相同的地方更多了。

除此以外还有编译器实现的差异。

这种对比，其实只能说明特定软件用某个编译器，在特定平台编译到特定目标所需要的时间，无法得出一个适用于其他场景的通用结论。

@libasten x100 低亮度高频 pwm ；高亮度低频 pwm
所以，大多数时候瞎眼，晚上关灯了才不瞎眼……

小米的情况：低亮度高频 PWM ，可开类 DC ；高亮度类 DC

@Chad0000 这得综合考虑 OP 的需求，里面还包括反编译难度。如果用 Qt Widgets 的话，界面也可以拖，只是交互方式和 VS 不太一样。

@JustinL 网上很多人看到 C++三个字就说难了……
我从 0 学会 Qt 只花了 7 天

@Goooooos 可以免费商用，用 LGPL 协议的版本

选 3 ，这玩意非常简单，整体难度大概是 Java Swing 的程度

@YsHaNg 当然有关系，实际上是 NTFS 上的 VHDX 文件里的 EXT4 文件系统。
大多数虚拟机的运算性能其实都不错，不过虚拟机的 IO 性能就没那么好了。

WSL2 还有另一种情况，把整个物理硬盘挂在到 WSL 里面。这样会好不少。

@vToExer 不止这么点，还有位置编码和自注意力矩阵。
很长的上下文占用的内存（显存）会非常夸张，有个开源模型 Yi-34B-200K ，在满 200K 上下文的情况下显存使用量达到了 400GB 。

@vToExer 那玩意巨大，存储成本太高了

@drymonfidelia 样本太小，而且很难找出让模型记住这句话所需要调整的关键权重。

训练阶段会输入各种各样的数据，权重的调整方向是根据这些多样的数据算出的平均值。
如果只有小样本训练的话，会过拟合，而且会破坏原有知识的关键权重，导致灾难性遗忘。

@print 今天上午有个老哥像你一样回答，然后被站长封号了：
https://www.v2ex.com/t/1000198

我用 Joplin ，除了配置一下同步和改一下字体，剩下的啥都不用折腾了。
有笔记加密功能，可以放心同步到云上。

换电脑可以把整个数据目录复制过去用，和 obsidian 一样。

docker desktop 不能用，但可以用 wsl2 里的 docker

https://huggingface.co/spaces/01-ai/Yi-34B-Chat

写文档用这玩意好使

有一个变量没控制好，就是编译输出的目标平台
编译到 x86 和编译到 arm ，它们不是相同的任务

这就是为什么现在丐版这么便宜……

买 1TB 只是为了忘记有存储容量限制这回事……

我有个 8gen2 的机器，淘宝也卡……
感觉进入淘宝 app 之后做其他操作都有延迟了