ส่วน driver ตาม link https://www.youtube.com/watch?v=I1SVVp9GX9I  ต้องใช้ kernel 4.9 ตามแบบใน clip ถึงจะ compile ผ่าน  เนื่องจากมี source มาให้  ส่วน os ใช้พื้นฐานจาก web orangepi

กว่าจะได้ทดสอบ 3D บน OrangePi Zero2 ที่ใช้ CPU H616 ที่มาพร้อมกับ GPU Mali G31MP2 กว่าจะหา Driver ติดตั้งลงได้  รอมานานแสนนาน  โดยผลการทดสอบมีดังนี้บน gl-mark2 (gl-mark2-es2 เกิด error มีปัญหากับ GPU Driver)
- run commnad gl-mark2  score 34
- run command gl-mark2 -s 1920x1080 score 15

ตัวที่เทียบชนได้ใกล้เคียงคงเป็น Odroid C4 ที่ แกน CPU ใหม่กว่า ด้วย Cortex A55  ส่วน H616 ใช้ Cortex A53  ส่วน GPU ใช้รุ่นใกล้เคียงกันคือ Mali G31    โดยผลที่เคยทดสอบได้นั้น Odroid C4 แรงกว่าขาดลอย  และแพงกว่าเป็นเท่าตัวเช่นกัน

  ถ้าต้องการควบคุมการใช้ Resource บน WSL สามารถกระทำได้โดยการเพิ่ม config ลงใน file  %userprofile%.wslconfig

เช่น
[wsl2]
memory=4GB
processors=4
swap=4GB

กำหนด limit Memory ให้ใช้เพียง 4GB, limit CPU Cores จำนวน 4 Cores, กำหนด limit Swap File ที่ 4GB

  จากนั้น restart win หรือใช้คำสั่ง wsl --shutdown
 

หลังจากทดลองเล่น WSL ได้สักพักสิ่งสำคัญในการใช้งานคือการ Backup VM เผื่อทำอะไรผิดพลาดหรือย้ายเครื่องไปใช้งานเครื่องอื่นๆจะได้ไม่เสียเวลาติดตั้ง App ต่างๆทั้งหมดรวมทั้ง Config สภาพแวดล้อมต่างๆ

- เรียกดู VM หรือ WSL จะเรียก Distro
wsl --list

- Backup Distro ที่ต้องการ
wsl --export <Distro Name> <Backup File>
เช่น wsl --export Ubuntu backup_ubuntu.tar

- Restore Distro ที่ต้องการ
wsl --import <Distro Name> <Dir to restore> < Backup File>
เช่น wsl --import Ubuntu_20 C:\VM_Ubuntu D:\backup_ubuntu.tar

- ลบ Distro ออกจาก List
wsl --unregister <Distro Name>
เช่น wsl --unregister Ubuntu

- ที่ขาดไม่ได้  ถ้ามีการปรับ Resource ของ wsl เช่นการเพิ่มลด Resource ต่างๆ  ต้อง shutdown wsl เสียการ
wsl --shutdown

- update wsl ซึ่งใช้ในการ download patch update ใหม่ๆ
wsl --update

- Run Distro
wsl -d <Distro Name>
wsl -d <Distro Name> -u <user>

ทดสอบแสดงผลที่ FullHD ด้วยคำสั่ง glmark2-es2 -s 1920x1080  ได้คะแนนการทดสอบ 80  แค่ทำงาน gui ได้  ช่วยทำให้ใช้งาน tensorflow หรือ pytorch แสดง graph ได้  ไม่ต้องมา debug code ตอนข้าม environment ระหว่าง win กับ linux  เรียกใช้ lib ใหม่ๆที่ออกบน linux ก่อนได้

  ตามด้วยผลการทดสอบแบบ --off-screen  ผลคะแนน 3353

  ในเมื่อใช้ GPU ได้  ก็ต้องลอง benchmark อย่าง glmark2-es2 กันเสียหน่อย   run คำสั่ง default glmark2-es2 กันเลย  ผลออกมาแบบงงๆ  ที่ score 177  แต่พบปัญหาภาพแสดงผิดในบางการทดสอบ  ถือว่าไม่ธรรมดากับการทำงานผ่าน WSL2 และใช้ GPU Nvidia + GPU AMD ที่ทำงานในส่วนของ VcXsrv

  จากการตามเก็บข้อมูลพบว่า Mac M1 จะทำงานได้ดีมากที่ Resource ภายใน CPU ยังไม่หมด  ส่วนงาน 3D GPU ยังไม่สามารถเทียบได้กับค่าย AMD และ NVIDIA และเด่นมากเรื่องการใช้พลังงานที่ x86 ไม่สามารถต่อกรได้
  Notebook x86 + GPU เด่นเรื่องความคุ้มค่าราคาและความยืดหยุ่นในการใช้  OS Win ทำงานกับ GPU ได้ดีกว่าบน Linux เมื่อสามารถใช้งาน Python ได้สมบูรณ์  ถือเป็นทางเลือกที่ลงตัวทางนึงสำหรับคนที่ไม่อยากใช้ Mac  ถ้า Solution นี้ทำงานบน Gaming Notebook ที่ใช้ RTX 3070 RAM 8GB ประสิทธิภาพคงไล่ตาม RTX2080Ti แบบหายใจลดต้นคอ
 
  แถมท้ายด้วยการทดสอบประสิทธิภาพ GFLOPS จาก Link https://github.com/tlkh/tf-metal-experiments/blob/main/README.md#experiments-and-benchmarks  ซึ่่งทำคะแนนได้ราว 2.2GFLOPs เมื่อเทียบกับ M1 ที่ทำได้ 8GFLOPs    ดึงจะเห็นได้ว่า Benchmark มีความย้อนแย้งกันพอสมควร  ขึ้นกับ Software Hardware นั้นจะถูก Optimal ได้ลงตัวเพียงใด

2. cifar10 จะได้เวลาเฉลี่ยต่อ EPOCH ราว 116 Sec  แต่จะมีประสิทธิภาพแปรผันตาม adaper จ่ายไฟที่ใช้งาน, Power Profile ที่ใช้งาน  ของ Notebook เอง  ส่วนเวลารามที่ได้จากภาพ 1151.83 Sec

  เมื่อเทียบข้อมูลจาก Web ที่ Mac Mini M1 ทำเวลารวมได้ที่ 2286.16 Sec ส่วน RTX2080Ti เร็วกว่า Mac Mini ที่มากว่า 5 เท่า

  โดยการทดสอบนี้จะเห็นได้ว่า Notebook ASUS Flow X13 เร็วกว่า Mac Mini ราว 2 เท่า  หรือช้ากว่า RTX3080Ti ราว 2.5 เท่า

  ผลการทดสอบตาม Clip นี้  https://www.youtube.com/watch?v=d-LJ6nAlf0M มีการลดรอบการคำนวณ EPOCH ลงเพื่อไม่ให้ยาวจนเกินไป  ซึ่งสรุปได้ดังนี้
  1.   fashin_mnist นั้น  จะใช้เวลาต่อ EPOCH ประมาณ 2 Sec และจดบการทดสอบ 30EPOCH ที่เวลา 55.27Sec
  การทดสอบ ฺBatch Size = 128, EPOCHs = 10 จะได้เวลารวมที่ 16.84 Sec
  การทดสอบ Batch Size = 32, EPOCHs = 10 จะได้เวลารวมที่ 59.30 Sec

  ข้อมูลจาก Web
  1. i7-9700h+RTX2080Ti เวลารวมที่ 7.78 Sec
  2. Mac Mini M1 เวลารวมที่ 6.70 Sec

  การทดสอบนี้ Notebook แพ้