如果英文水平不好，可以先翻译一下然后提取里面的关键词，一般是名词，然后在搜索引擎里用关键词搜索。计算机里的关键词我感觉也不多，久了之后就可以不用翻译自己搜了。

1. 小米屏幕挂灯 180
2. WD 移动机械硬盘 375
3. 小米电吹风 128
4. NIZ 静电容轴 540
5. Logi MX Anywhere3 379
6. Kindle paperwhite4 1247
7. Crucial 1TB SSD 649
8. 小米床头灯 144
9. AOC Luvia 2298
10. Philips 电动牙刷 289
11. 盈通 1050Ti 1299
12. Sony 1000XM3 618
13. Kingston HyperX 32GB 870

9016

感谢老哥，我用的是 32 位的。

渲染、仿真、炼丹（ maybe ）

恭喜恭喜

@deplivesb 我一般都是用小拇指的指关节而不是指尖去按，这样整个手部不会有太多的移动距离，舒服一些

@cxytz01 transformer 另一位已经说得比较好了，我就不重复了，就讲讲我对另两个的理解。inference 是「推断」，就是给一张图片、一些文本，得到对应任务的输出，这些任务可能是目标检测，人体关键点识别，机器翻译等。与之对应的是「 train 」，指的是对模型进行训练，利用「非线性能力」对模型进行数据的拟合。由于神经网络的参数量比较大，所以相比于机器学习算法花费了很大的算力，也取得了一些的成果。embedding 是「嵌入」，由于真实世界中的数据并不是「数字化」的，而是各种表现形式，例如图片、文字、抽象的社交网络等，通过嵌入的方式，我们可以得到每一个输入所对应的「向量」，所以这个过程也可以理解为「向量化」。图片是最简单的，在表现形式上，它就是 RGB 三个元素表示的，所以视觉发展得比较快。文本向量化最简单的形式就是通过「字典」按照顺序把每一个单词映射成数轴上的元素。

分母

我了解老高还是从皇室战争开始的，可惜后面他就不做了，换行做这个去了

@felixlong 谢谢，我用的是谷歌 cpp 写的 libyuv 转换的 YUV 格式，这部分花了 8ms，对于 60fps 还是慢了点。
@rpw 谢谢，我今天尝试一下（因为昨天赶着回家）
@mxT52CRuqR6o5 我在自己的荣耀 v30 pro 上测试的，实验室里还有个小米 11pro 我还没测。
@largek 我之前把分辨率降低到了 720P，但是帧率还下降了 2fps 左右。

我大四，去年我也想过这个问题，主要还是考虑到自己直接本科毕业可能没啥竞争力，还有想走选调生，所以选了保研。但是在导师那里搬砖了一年之后，感觉很失望，有点累，觉得好像也没有学到啥东西。如果你想选保研的话，我建议你在选导师这块一定要多下功夫（看导师最近的 paper，导师现在的研究方向跟他之前的研究方向是不是匹配，不匹配就是他转过来时间不长，可能在这方面没啥积累，我导师就是这样，导致很多都要靠自己），还有夏令营多投学校，当个海王（我当时就是没怎么多搞，最后还是走了本校，我觉得自己应该还是能去更好一点的学校的，不过也是后话了）。还有就是谈到算法岗和开发岗的区别，我个人的看法是开发岗的选择更多，算法岗基本也只在大公司和一线城市有，但是开发岗在二三线城市还是有需求的。（你还可以去脉脉、力扣、牛客上看一下这方面的帖子）

看了楼主的想法，感觉看到了去年保研时候的自己，哈哈。自闭，不想跟人交流，只想自己闭门造车。现在又到了一年后，其实觉得自己变化也不大，只是被生活拖着走，看我两的性格比较类似，我还是不读博了。以后大概就程序员：体制内：国外读博=5:4:1 。最后，祝楼主新年快乐，倒了一些苦水，抱歉。

后浪

@neochen13 我也是采用了 git 仓库的方式，但是 Github 已经支持免费私人仓库了吧（这点我不太清楚，因为我个人是用着码云管理我的 VNote 笔记本的，至少码云是支持私人仓库的），不过这样其实也算暴露在公网上了，就看自己取舍了。

华为的有诶，我的是荣耀 v30 pro