 | | MengQuadra V2EX member #370189, joined on 2018-12-13 16:26:31 +08:00Today's activity rank 17598 |
MengQuadra's recent replies
前 ASUS TUF 硬盘盒用户,用做 Time Machine 日常移动使用。2 年后无法连接,SSD 本体正常。
不知是否个例,反正我选择避雷,跳车 WERO 主动散热。
CalDigit TS4 用户表示
优点:供电稳、接口多
缺点:贵、被动散热、Mac mini (x86) 冷启动大概率要重新插拔否则屏幕不识别
Create ML 内置了文本分类, 只要有数据集就可以无脑生成模型了。
之前也有过类似的想法, 然而一直没有搞定数据集问题。
个人愚见:
1. 梯度下降是因为在参数贼多函数复杂程度爆炸的时候,求全局最优解的代价无法接受。引入梯度使得在高维空间搜索近似解存在可行性。入门自然是从简单的开始。比起不收敛,高质量与可靠的训练数据来源是个更困难的前提。
2. 大部分的数据质量都摸不到网络的瓶颈,管他局部还是全局,好用就是好结果(暴论
补充一点, 套路云 Ingress 对应的 SLB 如果没有内网地址可以照着公网 SLB 的监听配置一个。
这样就能内网访问 Ingress 了_(:з」∠)_
以用过的套路云来说,Ingress 可以配合 nginx 注解开白名单给内网