@Hlianbobo 想了解的话知乎上好多专栏都有讲这些

[CUDA 教程] 一、认识 cuda
https://zhuanlan.zhihu.com/p/146431357
以及他的后续介绍

PyTorch 1.7 发布，支持 CUDA 11 、Windows 分布式训练
https://zhuanlan.zhihu.com/p/269885921
机器之心有很多类似的新闻和科普。量子位也是一个不错的账号

@jccg90
@shm7
GPU 依靠的是 CUDA，或者基于 CUDA 的 ROCm，或者 Intel 的 PlaidML 。基于 numpy 的库，比如 pytorch 和 tensorflow 会负责和 CUDA 通讯，numpy 本身不管这事。不过 numpy 提供的 tensor 数据结构的确是扔到 CUDA 那边，在 GPU 一堆核里面计算的，你可以说 GPU 的多核计算本来就是个并行架构。

@qihu3721 十分感谢！我也是搜到了第二个链接，但以为不是官方文档哈哈

英国用 excel 做 covid19 数据分析，怎么着，算错人了。原因是 excel 里存的数据太多，文件太大，出问题了。于是他们分开成几个小点的文件解决了问题。你说 excel 这不是惹笑话嘛。

@IgniteWhite 补充一下非线性回归这个事，强大的非线性回归性能，或者说矩阵处理性能是机器学习的基石。你不用就不说了，但凡是用机器学习，如果用 VBA 脚本在 excel 里搞，怕是不方便吧

我的应用场景：科研作图，每天有一堆同样类型的数据，同样的拟合过程，同样的作图需求。

用 origin pro （别提 excel 了，非线性拟合缺很多东西），我已经弄好模版了，但还是要手动导入数据，手动去掉数据文件头部的仪器参数行，再点一堆按钮做拟合，虽然也有模版可以创建但还是很麻烦，作出来的图要调线的粗细，图例位置等等。

用 numpy 加 matplotlib，用 jupyter 做 IDE：用任意一台电脑，打开网页版的 jupyterlab 上传数据文件。你只需要把数据文件按照自己的规则命名，我写好的 python 代码就会 parse 文件名来决定曲线簇的图例，用 regex 自动去掉参数行，作出来的图很精美。这一切，只需要点个运行的快捷键，不到半分钟就自动搞定了。

我也喜欢看 reddit 的 unix porn……不过不是应该收藏 dotfiles 吗

@jsq2627 求分享 opencore 官方教程链接，多谢啦

楼主厉害！想求一个 opencore 官方教程链接

@BugenZhao 谢谢提醒

@iloxmn
@handylive
PinePhone，运行 Manjaro ARM，触屏设备。玩票设备
https://www.pine64.org/pinephone/

@volvo007 我刚刚用 OpenCL 的 eGPU 跑了一下 vgg19，用了 7.6 秒……看来还是 Metal 快

你看一下 Manjaro ARM 官网。PineBook 甚至于 PinePhone 都有样机了，就差个平板了，期待。Manjaro 平板会很不一样。

你买个 FPGA 开发板，做做先

@volvo007 厉害啊，我还没看手册哈哈，感谢分享！我看到有人说对于 eGPU，Metal 比不上 OpenCL 快，对于独显 dGPU，哪个好还有待商榷

对了补充一个细节：这里 PlaidML 能在 Metal 或者 OpenCL 上跑，我用的是 Metal 。
另一些跑分结果参见 @YUX 的帖子： /t/660085

实际使用中，我用一个树莓派 4B 装了 Manjaro ARM 作为辅助系统运行 JupyterLab，通过一个叫 remote_ikernel 的包，局域网访问 MBP 的 Keras IPython kernel 。这个远程 kernel 是通过 SSH 连接的，所以能连接各种机子，包括专门跑机器学习的云服务。

树莓派装了热管加风扇散热，外接三星 SSD 做 boot+root 。它就放在我的显卡盒子上：
https://i.imgur.com/HsXpNId.jpg