即便是计算机培训班如火如荼的年代，培训几个月就能安稳入行的比例也不大。楼主当初为什么会觉得一个新的行业培训一个月就能稳定下来呢，会不会当初的预期太高了

南站、华理附近的房子都不贵，但都很老破小。稍微远一点莘庄到莲花路地铁站附近性价比高一点，但你要转车

我平常用绵羊油，龟裂时用尿素软膏，另外，洗澡用温水不用热水

1. elastic 将 json.RawMeassage 转化为自定义 struct ，参考 https://github.com/olivere/elastic seachResult.Each
2. 自定义一些 tag 解析，如 `gorm:"col_name" my_tag:"col_name"`，参考 https://gist.github.com/sosedoff/b373623a9572cf1a992486d2d87dcd85

请问“两级索道+四层扶梯直达金顶”，是不是老人也适合去，几乎不用爬的？

@Vegetable 没玩过生产环境的 flask ，请问这里的 100 个 worker 是相当于 100 个 process 吗？相当于 1req/s/pro 这也太跌破我想象了🤣

你要是没接触过，就别纠结 CPU GPU 的问题啊，先把 numpy 、torch 、transforms 这些库搞熟

@pipapa 哦哦我还以为是专门用于推荐设计的算法，类似于 DIN 之类的，难怪我查不到🤣

目前主流的大模型都是高维度 embedding ，维度之间本身就是默认正交的，简单理解，假设有个低维 128 维度的 embedding ，我可以手动组合 d1d2 组合维度作为 d129 维，再手动组合 d1d3 组合作为 d130 维，这是交叉特征 FM 的思想。只不过在深度神经网络时代（ bert ）之后，手动组合特征变成了直接设置为高维度 embedding ，让网络自己去学习这种“特征组合”。


@zhusimaji 另外请问下，MHA 全称是啥，挺感兴趣的，但我没查到

联想到了《刘擎西方现代思想讲义》里的内容，源自赛亚·柏林

>> 消极自由（ free from sth ）简单的说就是，我不想要什么就可以不要什么；积极自由（ free to do sth ）是我想做什么就可以做什么。换句话说，就是前者是摆脱障碍的自由，一个是实现目标的自由。消极自由容易被自己滥用，积极自由容易被别人绑架。

github 上搜 recommend system ，不有一堆吗，
https://github.com/recommenders-team/recommenders/tree/main ，微软的，看着偏完备一点
https://github.com/chyikwei/recommend ，个人的，看着偏 demo 一点

侠客风云传

你是做的 few shot instruct 还是 prompt tuning ? 如果是 few shot ， 这种方式效果不稳定。简单来说，few shot 不更新模型参数，prompt tuning 会更新模型参数。可以看看 peft 库

tensor_annotation_demo
https://gist.github.com/Morriaty-The-Murderer/c621922429d1f6b4a91ed1fdc97798e3

回来自答下，以便后来者能查看。
经过一番查找，目前找到的最符合我初始需求的是[tsalib]( https://github.com/ofnote/tsalib)
例子如下
<script src="https://gist.github.com/Morriaty-The-Murderer/c621922429d1f6b4a91ed1fdc97798e3.js"></script>

其中也结合了 2L 提到的`einops`，其实`tsalib`本身是自带类似的`warp`操作的，但由于`tsalib`本身很久没维护了（ last commit 4years ago ），所以操作 tensor 还是选择了目前稳定维护的`einops`，仅保留了`tsalib`的`type annotation`

由于我也是刚开始使用，所以不太清楚这样子写是否是 best practise ，还在摸索中。

spotlight 全局搜索（ cmd+space ）声音输出，把输出改成 Mac 扬声器

The time reported by elasticsearch in the "took" field is the time that it
took elasticsearch to process the query on its side. It doesn't include

- serializing the request into JSON on the client

- sending the request over the network

- deserializing the request from JSON on the server

- serializing the response into JSON on the server

- sending the response over the network

- deserializing the response from JSON on the client

@killva4624 文明 5 吃配置

武林群侠传、太阁立志传这种老游戏都挺好玩，还能反复二轮三轮不重样，基本上 4G 内存就够了