无法启动查 log 很容易看到#4 说的那个，然后链接进去按照步骤排查重启就好了

dp daisy chain

@itianjing 北京也是，新出了 2G 下行才给上行提到 200

@nicholasxuu
@azhangbing

我用的是 AXP90 纯铜石墨烯，忘了 129k 还是 139k 了，反正旁边紧贴着就是衣柜，cpu 一直 100 度 XD ，如果旁边不是衣柜的话应该好一些，日常用没啥问题。主要是扁平的也没什么好机箱。打算以后有地方了换 intel 那个支持全长显卡的什么峡谷

如果是窄的话，银欣乌鸦

QC30 QC35

小是多小，有人担心年龄大的话怎么办 ；）

mx master/anywhere 的滚轮基本都不会出问题 不过 master3 用了一年多感觉微动不太行了，不如之前的 master2

两个都要有，两个预算都低了一些

不如和同事一起 8k 租一个两居

E81 ，性能最高，价比就不知道了。。

不管价格，有用的就是划算的。吃灰的再便宜都不划算。另外还需考虑防盗等问题，比如通勤是不是有人看守的停车场，没有的话公司是否有地方放得下？

以半年前的 4125 来说畅网性价比不如倍控，反正都能用。现在的话参考#1 不如看看 N100 系列的机器。不同牌子个人认为稳定性性能之类的其实都差不多

你自己都用了还不理解。。

一年之后店没了

升级系统，尤其是大版本更新，会有设置被重置

不懂的话这两个随便先买一个就行，建议先买软路由。懂的话建议直接上能买的起的最贵的 XD

我们这边是大三才开始人工智能的学习，学的内容大概还是西瓜书的超级筛选加上乱讲的版本。这种东西感觉挺需要学生的思维能力的，所以我对大三开课也没啥意见。
---- 看上去你希望更早接触这些东西。如果希望的话随时都可以入门，不一定要等上课学东西，课上学的可能远不如自己的实践。再不济，大一不开课，但是可以去蹭课呀。

但问题是最近遇到一件事让我挺破防的：一个没有做过任何人工智能的或者传统的项目的，也没有算法基础的学弟开始框框入手 cv 项目，我就觉得挺离谱的。
---- 这个和上面一样，没有基础可以从接触项目中学习。也许学习路线会比较曲折，效率会比较低，但是也没什么离谱的。

我们学校计算机也不是很差，但里面的人确实挺抽象。
---- 不清楚抽象什么意思 XD ，如果下面学姐是例子，要用冒号。

我认识一个研究生学姐，搞 cv ，自称熟悉算法，却不知道什么是栈。
---- 现在五花八门的编程语言和各种实现方式，好像确实可能会导致有些人虽然了解上层算法，但不懂底层代码，或者对于某种程度的应用来说，不需要懂。但是懂自然没有坏处，也许你就可以在编程的时候因为了解底层原理可以有更优的实现方式。

难道现在 ai 已经和传统计算机训练脱钩了吗？
---- 不觉得，会调参数会调用 API 是一回事（但是可能也需要一部分基础训练里面的“文档阅读理解能力”），但是如上一条，深入的理解可以带来更优的性能，甚至有的时候 0 和 1 的区别。

计算机本科生接受的训练在 ai 时代都是毫无价值的吗？
---- AI 时代反而更需要这些计算机专业的学生，会有更高的价值，参考上两条。但是也许会有一种错觉是大家（与非科班相比）对某个东西的理解掌握水平相似，但是也许只是流于表面？科班学生的综合能力总还是要强于非科班。

再看看国内现在都在搞人工智能的大趋势，我真的觉得挺完蛋，也挺无助的。
---- 这个东西是最近的一个热点，但是并非所有人都在搞 AI ，比如去了解一下自己学院的科研团队们的研究方向？诚然，可能会因为基金申请、项目申请等原因有些团队会加入一些 AI 的名头，但实际上做的还是其他方向，只是在某些场景下利用 AI 进行了一些辅助。

你看我这样理解对不对：博士以下学历不用做这种事情，也对这方面能力没有要求？
---- 我的理解或者想说的是：不是说博士以下学历不需要做这件事，可以做，做进去会发现对多方面能力有要求，然后慢慢掌握更多，从而在众人中脱颖而出。这里博士学历应该是对你的认知的一种描述，一方面你的文字里面透露着一种急躁，就好像你看见的所有东西都是 AI 了；另一方面你对现在（ AI ）就业市场上的供需情况可能还不是太了解。因此当你在这个领域内有更多积累之后，可能有些观点会发生一些变化。

你的回答引起了我的思考：你看你在学 ml 的时候很快就能开始做应用，我们搞计算机的在学你们的专业知识会很快弄明白吗？比如说在你们专业上有一个专业问题，我们能快速学到具备解决你们问题的基础知识吗？从我个人的角度来说，计算机在人工智能这块的门槛仿佛比其他领域都低不少，任何想用人工智能解决传统工科问题的学生好像都能光速上手。
---- 这个速度主要取决于个人的学习能力，你只要愿意学习，在其他领域也可以具备解决问题的基础知识。而“光速上手”是不成立的，尽管在目前 AI 工具越来越傻瓜化的前提下，总有一些需要专业技能的地方。举例来说：pytorch 傻瓜化载入模型是依赖网络的，那么在网络受限的环境下就需要你去解决模型载入的问题，这个时候你的计算机网络基础也许就能帮你快速解决问题，而隔壁其他专业的同学只能百度按别人的经验去解决。

我的建议是： 你可以查一查相关公司的招聘需求，是不是有些岗位还是要求扎实的计算机相关基础（比如 AI 编译器岗位-计算机系统结构、编译原理）。如果你的目标是找到一个比较好的工作，或者说自己有比较多的选择余地，那么你可以从任何时候开始针对这些要求对自己进行训练（比如参与一些开源项目）。
我的学校也许没有你好，211 博士今年刚毕业，可能思考也没有你深入，自觉也没有达到我自己描述的那个高度。上面的回答也可能比较凌乱，如果能对你有些帮助，那就不枉我停在这个页面这半小时了 ；）

QNAP TBS-464 ？