摇臂支架，随便你怎么调

看你的指导老师方向吧，研究生单打独斗很难有什么创新的

1. CPU: 对服务器的 U 不太了解，主流 E5 应该都行
2. GPU: 现阶段矿潮很难有什么性价比的显卡，3060 够用，有条件可以上 3090 、V100 或 A100 ，甚至多卡
3. 存储：传统配置就行，SSD 放系统，HDD 放得下数据集就够了

靠墙放，侧躺

enable 的直译 v. 使能够
也许是这样

“奇思妙想”节点

150 种目标其实不算什么大任务，更关键的是你的模型和数据集是什么样子的？还有你的预算是多少？硬件达到一定门槛就能跑了，快不快就看预算了。
ps: 我没有亲自选配深度学习服务器的经验，借助的实验室条件，只能给出有限建议

cloudreve 、nextcloud 适合当做云盘来用，filebrowser 更像轻量级的文件管理器。
或许可以给 filebrowser 提个 issue ？

1. tensorflow 使用 tfgo
2. pytorch 也有相应的库，但是比较靠谱的方法是把模型转成 onnx ，再用 onnx-go 推理
3. python 提供 rpc 接口调用

对应届生问这种工程细节其实没啥意思，基础好的稍微自学都能懂了，如何把“基础好”的应届生筛选出来或许才是更重要的

1. 实际上早期大部分超分算法就是用简单的 MSELoss ，每个 pixel 求个平方差，我决定作为初学练习项目用 MSE 就足够了。现在做超分大部分用的 GAN 来做，Loss 会比较复杂，通常是结合"L1 loss ，perceptual loss, GAN Loss"。推荐一个比较新的项目 https://github.com/xinntao/Real-ESRGAN
2. 对于不同比例的图片，我们会填充黑边使得输入比例相同，另一种方法就是你说的切成 tile ，因为有 L1 Loss 约束，接缝处也不会产生缝隙。
3. 风格迁移的场景，经典的有 cyclegan 、pix2pix
4. 这种场景用图神经网络更好些

有个小建议，delay 调大了，鼠标快速移动并停止的话会形成静止的效果，最好能有缓慢收回的效果

AI 岗卷翻天了，小公司不需要，大公司岗位也不多，没篇顶会都不好就业。我们这边研究生方向人均机器学习，最后工作大部分还是老老实实去做开发了。

刚刚上车了腾讯云的 2C4G8M ，198 三年还是挺值的，今天的快卖完了，明天还有，就在首页能看到大大的活动

使用访客模式，如果要保存一些工作相关的内容，可以新建一个 chrome 本地用户

已上车，加支付宝 Apple 红包 15 块入手

借楼问一下大家，我看见 pyarmor 的混淆功能可以将所有.py 文件打包到一个.py 文件里。
那我不需要混淆功能，只需要将工程打包为单个.py 的功能，请问有没相应的库？

问题很明显，seeds 和 peers 都是 0 ，说明没有连上 tracker 服务器，可以在 tracker 一栏看到具体错误信息。估计是 DNS 之类的网络问题

深大计算机学院实力是挺强的。
但是不太了解自考，可能与学院本部没有关系了，有得选的话就去 211 吧