onedrive 的同步体验挺好的，只要你不是每次改好几个 G 还是能无感同步的
就是不知道 onedrive 家庭版的体验如何，可能国内速度堪忧，商业版同步速度是很快的

只要有商业化的东西，就没什么大一统的，你使用没什么感觉只是因为厂家帮你把适配做好了

游戏也是类似的，你感觉大一统了，其实图形 api 也有 directx opengl vulkan 好几种呢

开个 fail2ban 几乎不会有问题，ssh 算是好处理的了，你要是部署其他 web 服务就麻烦得多了

conda 已经算好用的了，你原来在 Windows 下不在意环境直接硬装，如果要用两个版本的 pytorch ，那怎么办呢

1. 你发现环境装错了，卸载掉原来的，在用户目录下重新装一个不就好了，为什么要折腾自己
不管是用 anaconda 还是 miniconda 还是别的，默认就是装在用户目录的吧，你想装到别的地方反而要手动指定目录，挺奇怪的

2. 卡在解析依赖，可能是你用了 conda install xxx ，用 pip install xxx 就没这个问题了

3. 用 docker 只会比 conda 更麻烦，我唯一知道必须要用 docker 的地方是，nv 的新显卡对于 pytorch 有优化，比如 4090 ，不用 nv 的容器，用 pytorch 官方的 pytorch 性能会下降，不知道 pytorch 官方什么时候才能更新就先用 nv 维护的 pytorch

医学相关内容怎么样？
别送国内通用的那种蓝皮的那个，大家都有就没新意了
要送就送那种国外的，不是国内教材的，被大家称为圣经的之类的经典书籍

我也不懂临床，随便帮你搜了一下，比如这个：
Ingle 牙髓病学(上下英文原版 7 版)(精)
两本价格 300 多，你嫌便宜可以多买点套装之类的

或者听诊器，我也不知道牙医用不用听诊器，不过这个可以把礼物价值堆得很高，进口听诊器好点的，也要好几千了

@FrankHB
跨设备的行业标准和 cuda 又没有关系，这两个都不是一个层次上的，directx opengl vulkan 这些已经把 cuda （ opencl ）封装了一层了，不可能说有一个什么新的库出来，大一统了图形 api ，就不用 cuda 了。举个后端的例子，不管是 jdbc 还是 spring ，还是以后有什么别的框架，mysql 本身还得有人写

@FrankHB 看上去你对于 rust 有很独特的偏爱，不过你要是把自己用来批判别人的时间挪一点出来，给 rust 生态做贡献，“会折腾的没什么人有兴趣自己造更没资源推广”这种现象就会变少一点了

@user667788 我个人的理解是这样，不一定对：
1. c++市场供应更大，找个同水平的 rust 程序员花费更高，尤其是在高性能领域
2. 深度学习需要调用 cuda 和很多其他运算的库，似乎只能用 c++来做，至少 c++是主流
3. c++新标准用了之后不算太老，c++20 ，23 有各种新东西，协程, module 之类的都挺好的

你举的两个例子，最初都是用 python 开发的，其实深度学习项目想部署，确实大概率要转成 c++，会 c++算是必备技能吧。就看你做什么层级的工作了，如果是纯做算法的工作不需要懂 c++，如果底层点，偏工程一点的岗位不可能不会的

c++其实一直没有被忽视的，就算是深度学习这个领域也是，最主流的框架用 python 调用，但是框架底层不少还是用 c++写的

unity 游戏的逻辑是用 c#写的，但是稍微底层一点就需要 c++，比如写插件，优化性能不好的地方
初学者先不用管 c++，深入之后再学，这个学习曲线比 c#较陡峭一点

韩国的 ai 比日本好太多了，可能是我孤陋寡闻，没听过有任何有影响力的深度学习进展是日本人做得
VITS 就是韩国人做的，这个的改进型算是目前最主流的 TTS 方案了

@springwood 现在很多应用除了密码都需要移动设备验证了，不是很关键。手机号和手机号串联的其他隐私更重要

@likunyan 虽然写着无限容量，但是购买页面的下方有小字备注，最初版本是 5TB 的，最大可扩容至 25/50 TB
5TB 的我现在也还没用完呢，不清楚扩容条件是什么，看别人说用到 4TB 多就可以发免费申请扩容了，不知道实操结果如何

你既然已经有为公网网盘付费的可能了，干嘛不试下 onedrive 呢？
onedrive for business ，1T 版本每个月 5 美元，50TB 版本每个月 10 美元，和家庭版不一样，商业版在大陆也有服务器，下载速度不比阿里云盘慢

好厉害的大佬，开源的小项目也能有上千的 star
不过 pytorch 底层不也是 C/C++写的吗，所以想要性能比他们好还是有点困难？

1. 看你要研究的项目，再决定基础到什么层次
如果你搞的是纯粹调整模型，加新的学习策略，不需要懂基础，只要了解一点点数学 (会矩阵运算)+熟练使用框架就行了，直接看论文
如果你搞的是 diffusion model 这类比较需要理论的，确实需要多学点基础

2. pytorch lightning 相当于在 pytorch 基础上又包装了一层，帮你解决琐碎的细节，我觉得还是挺好用的
学习时间也很短，如果你本身会 pytorch ，一般一天就能学会了，不用担心
源代码用 pytorch lightning 是好事，一般这种代码会易读一点，因为 pytorch lightning 强制你实现各种模块，代码比较规整，很多开源代码用原生 pytorch 写得一坨，很难读

https://lilianweng.github.io/
很简洁，也很好看