@mind3x 大概是把实现造成的特性写在文档里让人 exploit 让我觉得奇葩.

@mind3x 但是我还是想说，我面的人如果这样用 reduce 我肯定给 N, 我不 care 一个具体语言里它怎么玩他的 API, 但你解题必须要体现出你的 cs 基本功, 非对易算符用了 reduce 结果是 inconsistent 的.

@mind3x 我不知道，我玩惯了 cudnn 的 reduce，python 这种奇葩实现我不想说什么,

没有人说 reduce 的语义不保证执行顺序吗，楼主根本不懂 reduce

分享一个我平时用的
```
from PIL import Image
import pyheif
import numpy as np


def decode_heic(image_filepath):
"""Decode image into numpy array, in HWC RGB format
Args:
image_filepath: str
Returns:
im_rgb: numpy.ndarray, (H, W, C), RGB, uint8
"""
i = pyheif.read_heif(open(image_filepath, 'rb'))
im_rgb = np.array(Image.frombytes(mode=i.mode, size=i.size, data=i.data))
return im_rgb

def decode_heic_to_im(image_filepath):
"""Decode image into numpy array, in HWC RGB format
Args:
image_filepath: str
Returns:
im_rgb: numpy.ndarray, (H, W, C), RGB, uint8
"""
i = pyheif.read_heif(open(image_filepath, 'rb'))
im = Image.frombytes(mode=i.mode, size=i.size, data=i.data)
return im
```
如果要保存为.png/.jpeg:
`decode_heic_to_im('somefile.heic').save('somefile.png')` 就可以了

PT 这种盗版行为怎么没见一个喷的。

看论文还是得纸质的比较爽，除非买十个 ipad 在桌上一字铺开

如果一个 nn graph 在从一个 node 到另一个 node 时的 path 有很多个而且 nondeterministic，那么很可能就类似于一个模糊的运算。 同理， 如果一个 graph 中有大量 non derministic recurrent/recursive node, 可能就类似于模糊记忆。 一句话总结：上述的 graph 现在的算力完全 train 不动

宏是 meta-peogrammung 神器啊

不是全铝差评

cmake 感觉魔法操作方法
， 编译小工程还是喜欢用 make

优秀的代码没有 if

为什么总要拿自己是初创公司作挡箭牌？初创公司就可以不尽应尽的责任了吗？初创公司就能随意剥削员工了吗？

普通青年和文艺青年的版本有什么区别吗

而且 tf 并非没有 C++ 的 api,


抛开以上问题，我猜想你的训练模型可能和 RL 有关，
我进而猜想你用 np 可能是为了对 loss 进行某些 scale （比如 A2C 算法）
你在做 inference 的时候可以一并求出 gradient, 然后再用 numpy 进行 scale， 当然这些其实都可以在 tf 内完成。
然后再喂进 train_op.

@mengzhuo
@twhphoenix
Go 好像是有 GC 的。 目前最有潜力成为 C++ 2.0 的还是不争气的 Rust

My heart is in the work,

Not in the desktop

我的桌面是一团糟，差不多一年清理一次东西

我用 Anaconda 管理了数十个环境，

CMU 的表示国内的 Offer 很难超过 300K