博文纲领：
GPU服务器与CPU服务器的区别,如何选择GPU服务器
1、GPU架构以大量小而快的逻辑单元，以并行方式处理任务，特别适合重复计算。CPU则擅长处理复杂逻辑和控制任务。GPU在高强度并行计算中性能优于CPU。GPU服务器应用场景 GPU服务器适用于视频编解码、深度学习、科学计算等场景。提供高计算性能，有效提高计算效率与竞争力。
2、GPU与CPU的区别 从架构对比图可见，CPU的逻辑运算单元较少，控制器占比较大，而GPU的逻辑运算单元数量庞大，控制器功能相对简单，缓存容量较小。GPU的众多逻辑运算单元以矩阵形式排列，能够并行处理大量简单的计算任务，如图像运算，效率远超CPU。
3、GPU服务器与CPU服务器在计算方式、适用场景和性能方面有所不同。GPU服务器采用并行计算方式，适用于深度学习、科学计算、图形渲染等领域；CPU服务器则采用串行计算方式，适用于数据库处理、Web服务、事务处理等场景。GPU服务器在大规模并行计算任务上可能表现更好，但功耗和散热通常较高。
4、GPU服务器与CPU服务器的主要区别在于其处理任务的方式和适用场景。GPU，作为图形处理器，专为并行处理大量计算任务而设计，如深度学习、数据挖掘和科学计算，其并行计算能力使其在这些领域表现出色。它能高效处理大规模的矩阵运算和图像处理，适合图形渲染、网络游戏和科学可视化。
docker+jupyter配置实验室共用GPU服务器(超详细教程)
1、启动jupyter分配容器，使用--it进入交互式模式，- -p 7777：8888映射主机与容器端口，- -ipc=host共享内存，- -name 定义个性化容器名，- -v 挂载主机文件到容器，最后使用容器ID启动jupyter，指定启动参数以避免通过浏览器启动、指定容器IP、允许root模型运行以及指定jupyter的根目录。
2、首先，以root权限启动一个Docker容器，确保GPU资源可用，同时以交互模式运行，并在任务完成后自动删除容器。
3、首先，搭建Docker环境。选择一个合适镜像，如基于Python的官方镜像，然后创建并进入Docker容器。接下来，安装Jupyter。由于容器内的环境已经默认支持Python和相关库，这里只需确保Jupyter能够正常运行。配置Jupyter以适应Docker环境。设置一个密码确保安全性，并在局域网内任何设备上通过Web访问Jupyter。
4、VS Code作为轻量级代码编辑器，配合插件可实现Python代码编译、远程连接等功能，适合项目开发和日常脚本编写。Jupyter Notebook则支持交互式数据探索和机器学习实验。第四章 配置Windows11和Linux双系统 使用WSL2在Windows上运行Linux环境，便于配置开发环境、执行命令行工具，提供一致的开发体验。
远程io模块
1、CC-Link是一种用于远程控制的协议，通过通讯电缆传输信号。通常情况下，CC-Link模块扮演着主站角色，而远程I/O模块则作为从站连接至主站。拨码开关用于设定远程I/O模块的地址，以便在硬件组态阶段可以定位到特定模块。
2、Profinet远程IO模块是新一代工业以太网技术在自动化通信领域的应用，为远程输入输出设备提供网络连接，支持实时数据传输和远程配置。使用Profinet远程IO模块，可以解决某些工业应用中环境恶劣导致无法现场安装带有本地I/O模块的PLC的问题。
3、Profinet远程IO模块是基于工业以太网技术的自动化总线标准，为远程输入输出（IO）设备提供网络解决方案。使用Profinet远程IO模块的原因包括，它能够在恶劣环境中连接远程设备，减少不必要的布线，支持实时数据传输和远程配置。其通讯方式包括Profinet IO和Profinet CBA。
4、远程IO模块的主要作用是实现主控制器与远程现场设备之间的信号传输和控制。它在工业自动化领域中具有广泛应用，可以有效解决长距离传输和控制的问题。详细来说，远程IO模块通过各种通信接口（如以太网、RS485等）与主控制器进行连接，接收主控制器的指令并将指令传输到远程现场设备。
5、IO模块，是工业级远程采集与控制模块，该模块提供了无源节点的开关量输入采集，继电器输出，高频计数器等功能。I/O模块可用于数据收集和各种控制的应用。分布式I/O模块具有可靠度高、价格优惠、设置容易、网络布线方便等特性，适用于分散地区的应用，可节省系统整合的时间和费用。
6、IO卡是一个工业级的远程Bai采集控制模块，提供开关量采集、跟踪智电器输出、高频计数器等无源节点功能。该系列多个模块可用于总线组网，使IO点可灵活扩展。该模块可以通过远程命令进行控制。模块采用工业组件，10-30vdc宽电压输入，能在-30℃~60℃范围内正常工作，采用RS23RS485通讯方式与上位机交互。