其实除非你向下兼容，不然投简历石沉大海是十之八九的事情。
一个 JD 发出去，一天内就能收到 N 份符合条件的简历。
很多时候不是你菜，是人招满了。

你不如改成养女友谈恋爱，无法快进到曹丕的那种，必须得慢慢来。

看你的领域了。
我自己的话因为会去做序列生成，在 viterbi 或者是 beam search 的时候，必然会需要写 dp~

一般博士和硕士竞争同一个岗，那这博士也挺废了

常识性错误，所有易损的都不适合出租。
出租的模式只适合耐操的。

买的，准备上 128g
最近在做几个大数据集的机器学习，一次性不能读进内存，特征做起来实在是太麻烦了。

为什么要本地运算，而不是把模型部署在服务器上？

招个博士来做取数 boy
不愧是你，华为

翻车亏 20W 前，大概翻了 5 倍，觉得自己无敌了。
然后就是不断补仓一把亏光。

然后我明白了一个道理，这本质上是一个二项分布
概率 p 翻倍，概率 1-p 亏光
虽然只要 p>0.5，单次实验期望就是正的，看着资产是不断增加
但是只要无限次实验，一旦 1-p 发生，就是归零
或者说，无限次实验下，总期望依然是正的，但是方差非常大，唯一的那个不败 case 把期望拉正了
所以赚钱了，如果不把钱取出来而是想利滚利，总有一天亏光会来临的

但是如果不想利滚利，那还有什么意义？
不如把时间精力投入收益更大的事情中去

我当年大概期货亏了 20W 吧，从此剁手，再不玩任何证券类的东西。

代码发出来看看

很可能是读取数据和加载模型的时间占了总耗时的大部分
高主频+SSD 的个人电脑在读数据和加载模型上相对于服务器有巨大优势

兄弟屁股歪了呀，你是打工仔不是老板
把招人看作是购买劳动力
你把自己卖 12K 不代表别人也得卖 12K
目前劳动力市场还是相对比较有效的，供需决定价格
10K 招不到人，说明价格给低了
不如出去看看，别家 php 4 年经验能给多少

这种一般是校招人招多了，实在不缺人干活。

清华源的 pytorch 也很难下载下来，速度依然缓慢。
解决这个问题只要两条路：
1 、高速梯子
2 、先从镜像站下 whl 文件然后本地安装，比如这个：
aHR0cHM6Ly9kb3dubG9hZC5weXRvcmNoLm9yZy93aGwvdG9yY2hfc3RhYmxlLmh0bWw=

import torch

inputs=[]
outputs=[]
for year1 in range(1900,2020):
for year2 in range(1900,2020):
for age1 in range(0,120):
inputs.append([year1,year2,age1])
outputs.append([year2-year1+age1])

class LinearModel(torch.nn.Module):
def __init__(self):
super(LinearModel, self).__init__()
self.linear = torch.nn.Linear(3, 1)

def forward(self, inputs):
outputs = self.linear(inputs)
return outputs

model = LinearModel().cuda()
criterion = torch.nn.MSELoss()
optimizer = torch.optim.Adam(model.parameters(), lr=0.001)

for epoch in range(100):
Loss=0
for i in range(len(inputs)//1000):
x=torch.tensor(inputs[i*1000:i*1000+1000]).cuda().float()
y=torch.tensor(outputs[i*1000:i*1000+1000]).cuda().float()
y_pred = model(x)
loss = criterion(y, y_pred)
optimizer.zero_grad()
loss.backward()
optimizer.step()
Loss+=loss.item()
print("Loss:%.2f"%Loss)


print("1999 年 45 岁的人在 2020 年为%.0f 岁"%model(torch.tensor([1999,2020,45]).cuda().float()))
print("1927 年 15 岁的人在 2020 年为%.0f 岁"%model(torch.tensor([1927,2020,15]).cuda().float()))
print("1979 年 77 岁的人在 2020 年为%.0f 岁"%model(torch.tensor([1979,2020,77]).cuda().float()))

要不把训练的数据集公开了？