建议刷 lede，可玩性比较强。

不是最贵的，广西电信大约 700 一个月吧，包含手机套餐的是 999/月。

搭车请教一个问题，
有一个 X86 的 8 口软路由，如果 8 个千兆口接 8 条千兆宽带，LAN 接一个万兆光模块，多 WAN 汇聚后的速度能不能达到接近万兆？运营商的线路会不会成为瓶颈？（ 8 条千兆宽带都是同一个运营商，从同一条线路接过来）

@157003892 千兆路由理论上为什么不能跑满千兆宽带？

甲方不一定是爸爸，上面觉得甲方很牛比的恐怕没见过牛比的乙方

看三居是不是你刚需，如果不是刚需，最好还是两居。

@wph95 中文识别率很差，刚试了下，正确率不到 50%，正常办公室环境（可能稍吵，但是没人说话）

对于非自己的产品，确实没有义务去解答。
其实还是要看你算不算大客户
要是你是有钱的金主，专门给你安排一个技术小组解决问题，哪怕不属于自己的产品都 ok 的
这也是没有办法的事情，一个初级 /中级工程师一天的成本 1000-3000 不等，解决部署问题，又不是流水线作业，往往无法预估时间，也没有办法控制成本，解决这种 ticket 的成本少则几百，多则几千。公司能从你这里收到的钱不知道有多少，但是给员工开的工资是实实在在的，一天也不能少。

软件工程里有个重要的文档叫数据字典。
但是现在项目周期越来越短，需求变更越来越频繁，文档未必能更新及时，也很头疼。

真的不值……

@psyche08 os 是什么环境呢？是 GPU 训练的吗？

@mxalbert1996

我问了几个 AI 公司的朋友，你这个话不对，有差异是正常的，毕竟每个机器情况不同，但是完全相同的代码，一般的差异只会产生在 CPU 和 GPU 环境，而且差异应该非常小，通常都是 lsb 的区别，精度有差别，结果就有一定的差异，但不应该太大，如果差异很大，一般是代码有 BUG 或者某些方法被 CPU 或者 GPU 忽略，比如 tf.transpose 里的 conjugate 参数在 GPU 上跑的时候会被忽略，导致数据集跑的结果产生差异，只是这种情况已被排除，代码里并无这个问题。TF Minor 版本的影响很小，除了极个别情况，大多数情况下是兼容的，除非是 Major 版本不同。你说的那种只一般只出现在调用了第三方包的情况下，因为第三方的包一般不是官方做的，兼容性测试做的少。我回头让他们帮忙看看代码试试。至少，在我和作者这两种情况下，跑官方 model 结果都差别很小的，也是证明这种情况并不常见，至少不能简单地以一句“版本差异、cpu 差异”等等概括，肯定有深层次的原因。bug 往往就是这种情况下发现的。

不怕给你玩坏了？

硬盘柜需要走什么方式连接？大约有这几种：USB/雷电 /光纤 /千兆网口 /万兆电口 /SAS

@mxalbert1996 可惜这次不是这个原因。已经用同版本 tf 试过了

@abcbuzhiming

已经换和作者一样的 1.6 版本试了，还是一样的结果。
腾讯云那个属于具体应用层面了，开发人员换个算法就变了，不具备太大的参考价值； tf 按我理解还是基础设施，如果变动那么大，根本没法做工业应用了。
我仔细看了下 TF 的说明，也提到了同一个 Major Version 下，Public API 和主包里的方法都是向后兼容的，
具体可以查阅：
https://www.tensorflow.org/guide/version_compat
所以这不是我自己“想当然”，确实是符合“按理说就应该正常兼容”，只有这几种情况例外：
* tf.contrib 包里的内容
* _开头的方法
* 实验性质的方法
然而经过我仔细查阅，基本排除了这个干扰。

@byteli 一般我只听说 tf 在 windows 下有问题，没听过 win 正常，linux 不行的……