通勤时间极大关系幸福感，你可要想好了。早上 1.5，晚上 1.5，965 秒变 995，doge

草草看了下，原模型是基于 PyTorch 的，那训练就基本告别 I 卡了，如果有模型结构的话，可以尝试导出到支持 I 卡的推理引擎上

nVidia 的 CUDA 是深度学习的事实标准，除了谷歌有自己的 TPU，大部分研究人员都是用 N 卡进行训练的，所以无可取代，毕竟 CUDA 是私有标准
当然 AMD 搞了个骚操作，ROCm 平台可以白嫖 CUDA 的成果，比如你可以在 ROCm 上跑 PyTorch 这样本来是默认 CUDA 后端的深度学习库
Intel 这边，由于显卡比较弱势，主要靠 FPGA 发力。不过也搞了个奇怪的后端 PlaidML，使用 keras 接口，可以在 I/A/N 三家显卡上进行训练
以上这些都是关于深度学习训练的，如果只是推理，倒是可以利用各种推理库，将模型落地到设备上，比如腾讯的 ncnn，可以跑在任意支持 Vulkan 的显卡上，当然 CPU 也可以

我说句闲鱼比手机淘宝还烂不过分吧，连 play 市场都不敢上的屑

你们企业积分不能换购物卡什么的吗。。。

@laincat #19 dmitriRender 是收费的，你买了吗？

为什么总有人想当然以为 ARM 一定比 x86 发热低？性能上去了，发热一定会上去。又不是没有出过 ARM 的桌面 /服务器 CPU，你去看看微软定制的 SQ1，标称 TDP 要到 7W，再看看华为做的鲲鹏 920，标称 TDP 要到 150W （鲲鹏似乎有多种核心规格，这里按网上最低的数据算），它们都用了最新的 7nm，不存在制造工艺落后的问题。如果你们不清楚这个 TDP 是什么水平，那我提醒下，i7-10510Y 和 AMD EPYC 的标称也是这个水平

光说好处不说坏处的吗，那我还建议小米白送我一台小米 10，好处是用户数增长了

呃，这是被转型了吧，没发现数组长度都不对了吗？你要初始化时就指定 dtype，不要这样强转

@Osk 有用的，你拿 ffmpeg 或 turbojpeg 这种有 simd 优化的软件测试一下就知道了，没 avx 会慢非常多

贴心的产品经理，总会提前替用户解决访问官方源卡慢的问题，比心❤

K2P 毕竟不可能再有新货了，退出真香行列是迟早的事

@Osk 当时是同事打的板子，没有装进机箱。不过风扇给的转速很暴力，而且板子布局合理（硬盘是 m.2 ），所以目测最后成品散热可以接受。这批 AMD U 是替代即将停产的阿童木 Z8350，所以后面会有很多瘦终端采用（可以捡垃圾）。U 相比 Z8350，占了指令集便宜（ Z8350 连 avx 都没有），但硬解拉稀，不如牙膏厂，HEVC 不行，4K H264 也不行

用过 GX420，频率比这个高一些。结论是 1080p 还可以，高分屏吃不消。而且显卡硬解能力捉鸡

@daimon2k 但商用机个人也不好买……

如此看来还是买大厂的商用成品靠谱，惠普联想戴尔都有

荣耀毕竟是荣耀，v 骑士怎么能和 nova 公主相提并论？

从来都用下拉式终端，KDE 就 Yakuake 吧