@tictid 问题就是这个规律计算不出来。 宏观事物运行的规律和微观粒子完全不同，微观粒子似乎完全是基于概率在运行，连观测行为都会影响到运行的结果更不要说预测了。

啥？还有研究算法的算法工程师？ 一般算法研究都是研究院做的，调参侠就要有做调参侠的自觉 >.<

@charlie21 并不是所有情况下都可以大家一起连到一个环境里的。比如深度学习开发，只要一调试就要占用 tensorflow 的 session 和显存，别的开发者会受到影响。 所以环境肯定要隔离，但是又要确保最后的环境一致便于部署，那就需要利用 dockerfile 统一大家的环境。

@williamfzc vsc remote container 确实很好用，我用了很久了； 你要是不喜欢 vscode JetBrains 家也有类似解决方案；

这种 pdf 的 sdk 大概多少钱啊？

if randint(5, 10) =< userinput:
return True
else:
return False

有一个深度学习的岗位我招了大半年，后来终于来了一个比较满意的候选人，也发了 offer 。 为了这个 offer，我甚至顶着领导的压力 pass 了一个旷视实习的萌妹子。

结果最后也是报道那天，鸽了...鸽了...鸽了； 卧槽，我当时是真的火了， 我 TMD 为什么就没听老大的去招那个弱鸡些的萌妹子，手把手的教人家调参不香吗，艹

easytrader

南京人，有一天晚上突然犯低血糖，我就路边找了一个凳子坐了下来，打算稍微缓一下再去旁边的便利店买点吃的。
后来路过一个奶奶带着孙女散步看到我了，就问我小伙子你怎么一个人坐这满头汗啊，是不是不舒服。她知道我低血糖后让我不要走，然后回家给我冲了一杯糖水，带来一块月饼;

虽然很小一件事，但是我还是很感动的，如果我遇到类似的情况肯定至少也会去问一下。人间的温暖不就是这么传递的吗？

这个项目是还依赖另一个 harbor 的项目吗？ 虽然看了 readme，但是还是没有特别搞懂

虽然不是大厂，但我面试的时候发现，很多程序员连自己做的项目是什么都介绍不清楚，这点还是非常扣分的

其实主要还是个生态问题，win server 设计的再精妙，再好用又如何？ 现在主流的互联网生态都是基于 linux 了。 就像我搞了一个国产 OS(没有特指鸿蒙)， 你设计的再好，内核再稳定 不能跑 IOS 安卓那些应用 又有什么用呢

@594duck 作为一个调参侠，生产上启用 k8s - docker 对我来说节约了太多的开发与运维成本。

从开发角度而言，不同版本的模型可能依赖不同版本的 tensorflow， 而不同版本的 tensorflow 又依赖不同版本的 cudnn 。 如果不依赖容器，我要实现多版本 cudnn 就很麻烦。 什么？虚拟机？你要我搞虚拟机显卡直通？ 先不问老黄答应不答应，我为了搞这一套还不知道要折腾多久。

但是用了 Docker 方案就优雅很多了，在项目里定义好 dockerfile 和编排，同事 vscode 里一键就可以从容器中打开继续项目的开发。


从运维角度而言，我不需要写复杂的部署文档，实际上即使我写了部署文档运维还是不得不来问我到底是怎么把这些玩意儿装上去的。更可怕的是，对于 CPU 和 GPU 版本我可能还要准备 2 套部署文档。 而使用 docker，大家只要看一下编排，都心领神会了，cpu-gpu 只要改下镜像 tag 就行了。

你要说容器化有没有坑？ 肯定是有的，但是给我带来的便利远大于坑带来的苦恼

@no1xsyzy 信息熵确实比较难解释清楚，但是毕竟是有明确定义和计算公式确定性的东西，何来 “没人能够解释清楚熵是什么？”

之前就在 github 上 star 了，看介绍感觉楼主还是非常有想法的，支持！ ！

虽然我也是黑群，但是其实玩到后面你就会明白 机器本身都不值钱，盘贵

“高等院校理工专业作为优质男性聚集地" 楼主这个假设是建立在以召回为指标的前提下，确实理工专业男生多，其中肯定不乏优质的。

但是我们都知道，召回率与精确率是跷跷板的两端，召回高往往说明从中挑出真正优质的反而很难。所以女生们更倾向于从一个 精确率很高 但是召回不高的群体中寻偶。