@czy0612 #13 祝好运！

当然也不是说不能用，不过如果是比较专业的，以发论文打比赛为主的，还是不建议。
楼主说是多人用的，那么就会遇到其他人在跑模型的时候，另外一些人就得等了。况且很多时候不是跑一次就行，得调参吧。
还有一个情况是，现在的模型都被大公司带跑偏了，都是大的不行。比如说 NLP 领域最近新出的 GPT3，参数就有 175B 。如果以后这种模型越来越多的话，硬件会跟不上。
你说可以有模型压缩加速这些方法呀。这个领域目前还在研究阶段，做的比较成熟的就是 mobilenet，distillbert 那些。没有到大规模应用的时候。

不建议在本地跑大模型。原因有几个：
1. 2080ti 本身也不是很强力，训练需要的时间很长。再比如说你要 fine tuning 一个 Bert，显存就要 12G，要求太高了。
2. 在训练的时候，gpu 负载很高，如果你要顺便干别的事情，不方便或者卡。
3. 现在 colab 的免费 gpu 都 k80 了，还是可以用一用的，弄个鼠标连点器，然后设置一下训练保存这些。
4. cloud computing 是未来。

支持一下大佬，还没毕业的应届，不知道未来有没有机会回国工作。

@Zseventh #23 花费少离得近性价比高，所以留学人数这几年越来越多了。来了不学日语还不行，工资的话跟美国也比不了。普通人混混日子来日本可以，志向高远的来日本估计比较压抑。

别来日本了 日本近几年也越来越卷了

今天 刚 review 了一篇 paper 然后看看别人的个人博客

或者可以学好日语，去腾讯云看看，最近在日本扩展业务。

#二群# zc_player

@oldbird #4
那我们假设是个二维数组 test = numpy.array([[1, 2], [3, 4], [5, 6]])

>>> test[:,0]
array([1, 3, 5])

这样就读取了第一列的值。

这是你需要的吗?

@oldbird #2 噢噢 不好意思看错了 这样的话就更简单了 不用 numpy
a[::2] 和 a[1::2]就行， 前者是[1,3,5]，后者是[2,4,6]

np.array(a).reshape(2,3)
有空多看文档

支持远程兼职吗？目前还是学生，对这个有兴趣，也有一点经验。

@hst001 #28 就是找那种不用煮的大麦茶包，找个大杯子，灌自来水（日本的自来水说是可以直接喝），放入冰箱。几小时后就可以喝到冰镇麦茶。

冰麦茶

@k9ox 感谢回复 那我就买个试试 希望蓝牙能稳定连接

@zshneedmoney #70 21 届