小伙子还年轻，未来一片广阔的天地。向前看

sudo rm -rf 。我是这么删除掉再进行后续的

mac 的 cmd+某键 远比 win 的 ctrl+某键效率高。原因也就是 op 说的，小拇指去探 ctrl 太远了。如果没有长时间使用过 mac 确实感受不到，但如果 2 个都长时间使用过能感觉出来还是大拇指去按 cmd 更省力更快

@sinnosong1 你是不是没用过 mac

autohotkey 挺好用的。其实也不需要特别复杂的设置，就简单切换一下左侧 ctrl 和左侧 alt 就能很舒服了。

@ShadowPower 有意思，更纠结了哈哈哈😂

@jimrok 我也是这么想

@first2wood 这些卡太高级了，我都不会组😂另外好像还有些兼容性问题，感觉还是更适合真正研究/训练 AI 的人用，我这种业余玩家主流 N 卡最主要的好处是教程多社区大，有问题好解决

@1138743695 其实还有一些工具也都是只有 windows ，我之前做 ai 孙燕姿，要做人声分离，用到的软件就只有 win

@1138743695 对，我看的很多是 b 站 up 的 SD 教程，大多是要图形化工具，而且是打包好的只有 windows

大家讨论好多，很感谢哈哈哈

原题忘了说了，我之前也一直是租 GPU 的，主要是 runpod 和 autodl 两个平台上。性价比上绝对是租划算，主要问题是 1 ）想玩一些大神的整合包，但只能 windows/可视化，租的 gpu 都是只有 linux 这种整合包就跑不了；再来租的每次都要重新搭环境，时间长了有点蛋疼，这才考虑组机器。

不过说实话我动手也没有那么多，看了一圈下来大家分歧还是比较大😂 准备再租 gpu 一段时间，真要入的话目前倾向 4070tis 了。

至于 mac ，我工作电脑是个 M2 pro 芯片，跑 llm 倒是挺好。sd 的话还是慢的过分了，我感觉体验不是很能接受。但更新的 M3 + 统一内存没试过，我理解速度上还是不如显卡？因为它只是显存大，计算还是得 cpu

@1138743695 我之前也都是租，但我看很多大神出的整合包都是 windows 的，租的 gpu 都是 linux 用不了。加上每次要重新配环境有点蛋疼，这才考虑组机器。前面这两问题老哥怎么解决的？

@Francost 我之前也是用 runpod （现在上面都还有钱笑死），租卡主要是👆这俩问题，老哥有啥好办法吗

@secondwtq 蛮有道理的，能快速生成预览还蛮重要的

@leconio 老哥点解，为啥为了生态要选 40 系？ 30 和 40 的生态不一样吗，我理解都是 cuda

@clear 哈哈啊哈老哥清醒！

@thinkershare 我自己玩主要是推理，训练确实可以租 gpu 。有点之前忘说了，云 gpu 主要是只能 linux 有些大神的整合包用不了，而且每次都要重新搭建环境，时间长了感觉有点蛋疼

@JayZXu 24g 啊，显存跑 70b 不行吗，我其实是想在本地尝试 70b 的。回头我去租个 gpu 试试看

@Caitlyn 老哥你的 70tis 跑图通常是多大的图，加 lora 吗

@neteroster 我估计最多也就跑个 70b 了，再大确实也没啥必要，而且也可以租 gpu 来玩

@imoru 这个我试过，国内的 autodl ，国外的 runpod ，说实话都还不错。主要问题是只能 linux 没有图形界面，但很多整合包还是要图形界面操作，时间长了觉得租的还是不方便

@WilliamZuo 硬件要求确实也在降低中，外国很多老哥在把模型优化成 12g 显存能跑。不过也都是开源小模型，毕竟有一定局限性

@libook 我估计大概率不会到训练，主要是推理。但加在多个模型可能会有，比如加载多个 lora