TL;DR: 用 Qwen3.5-9B（Q4_K）在單張 16GB AMD GPU 上跑本地 LLM-as-a-Verifier，每次 code comparison 約 0.5–2 秒，cache hit rate 66%，正確程式碼穩定給 1.0 分，有 bug 的給 0.0–0.14 分。16GB 跑 9B 模型綽綽有餘，還有空間跑其他服務。 這篇是實測續篇，前兩篇分別講了 架構設計 和 Docker 封裝 。前兩篇講的是「做什麼」跟「怎麼做」，這篇來量「到底多快」。 1. 測試環境 在一台 homelab Linux（CachyOS）上跑的： 項目 內容 GPU AMD 16GB（15.9 GiB）via ROCm 模型 Qwen3.5-9B（8.95B 參數，Q4_K ~5.7GB GGUF） 後端 llama.cpp（llama-server，ROCm HIP build） Verifier Docker container（llm-verifier），port 8010 模型 VRAM ~10.2 GB（模型本身 + 動態 KV cache） GPU 使用率 78% 系統 RAM 62 GB；使用 27 GB（swap 用了 9.3 GB） Context window 131,072 tokens MIN_SCORE 0.8 後端跑在另一台機器上，走 local Gigabit 網路連線。 2. Verifier 在幹嘛 docker-llm-as-a-verifier 包裝了 LLM-as-a-Verifier 這個研究套件，讀取 token-level log probability 來算連續分數，不是簡單的 yes/no 判斷。 Container 開了 7 個 HTTP endpoint： Endpoint Method 用途 /health GET 健康檢查 /v1/compare POST 兩組答案比對評分 /v1/select POST Best-of-N 選最佳 /v1/track POST Agent 軌跡分數追蹤 /v1/directed POST 導...
以前介紹的透過電腦連線 DSLR 拍攝的工具，前提基本上都是要透過 USB 連接，當然無線的解決方案雖然還不完全，但也有一些解決方案，不過有一些限制，主要是來自於目前透過 Wifi 802.11n 傳輸，如果是想傳輸 RAW 檔的需求目前來說可能很難，但如果是用來即時 Demo 拍攝完成的 JPEG 檔，速度上目前應該是可以接受。
第一種解法是拍完透過 iPad 即時瀏覽》
如果可以用漂亮的 iPad 來讓妹妹即時看你剛剛拍好的照片，這應該更強大的把妹利器吧？
如果你是 Canon 或 Nikon 的 DSLR，可以選擇使用原廠推出的 Wifi 無線傳輸的模組來搭配 ShutterSnitch 軟體使用，不過價格可以讓你至少買 15 張 Eye-Fi 4GB 了，當然爽度是完全不同的！
Canon、Nikon 的無線檔案傳輸週邊：
Eye-Fi 記憶卡台灣網路賣場還蠻少見的，但吉米丘他們家就有：Eye-Fi 4GB Connect X2 有翅膀的記憶卡。Eye-Fi 官網還有 Mobile X2 8GB 和 Pro X2 8GB，供有錢人參考。
底下這個影片，你可以知道透過 ShutterSnitch 即時 Demo 的方便性：
From：http://youtu.be/H84EpXXcG_o
第二種解法是透過 iPad 無線控制相機拍照》
第一種方式只能在相機拍完之後即時用無線的方式傳輸到 iPad 瀏覽，並沒有辦法用 iPad 當做無
因此，截至目前為止，我還是沒找到理想中的無線連線拍攝工具：無線控制，透過 7-10 吋的行動平板裝置控制 DSLR，有誰知道的可以報一下嗎？
本站其他跟連線拍攝 Tethered Shooting 有關的文章：
留言
張貼留言
回應不用錢，請多多益善！懶得寫字按個讚也是相當感謝！