这这这。。。。。。么油菜，不去阿里可惜了

@godbasin 然鹅，并不是酱紫的。
其实，人类并不能光靠吸氧维持生命，还需要“氧中和”，一般而言，吸猫是“氧中和”的最佳实践。

两只猫不错 @godbasin

@muzuiget 同用翻译 API，同被扣的肉疼。

嗯，上一轮 1 年到期后，准备继续撸羊毛，发现变成 3 个月了，遂放弃，待有刚需之日再动手。

@labulaka521 可以的，我还在用 SiteSucker 扒整站

蹲守爬回来的 rar

看了题目，就猜会不会有人往 Nginx 方向回，看了一眼真有，我就放心了。

@Yano 那么问题来了：有没有背下来咩 （手动狗头🐶）

并不能，17 对于大多数生产项目来说“已经够新了”。
祖传代码 11 的还有很多。
所以，11 开始吧

嗯，Web 站点 500 了，所以来这边看看

@alexapollo Star & Fork / 收藏 & 感谢 一波流操作已完成。

扫了一眼贵司的官网，有几个小小的建议：
1 、在不对核心技术 /架构公开的情况下，对能力有更好的细节性阐述，否则有 PPT 方案的嫌疑；
2 、AI 的落地在不同行业领域，不同任务方向其实还是有差异的（如：推荐和安防），建议结合业务场景说明能力和架构的异同；
3 、个人认为“中台”这个概念还是存在争议的，定义为“AI 中台”会不会“劝退”对“中台”不感冒的潜在用户？
4 、AI 的能力落地，模型训练很关键，AutoML/DL 能解决网络优化的问题，但推理加速以及推理服务的部署，也非常重要，建议增加下这些能力的说明。

最后，借贵地打个广告：[Shift-AI-models-to-real-world-products]( https://github.com/lonelygo/Shift-AI-models-to-real-world-products)

有意思啊，给你点个大大的👍

@meisen 从入门到放弃系列。。。（手动 dog 头）

同#11 @tpxcer 我也折腾过，换电脑后就老老实实用 mac 自己的了

闲着没事，果然是这样😃

看场景，DL 还是纯粹的图像处理，否则没法比，别人也没法给你准确建议。
如果是 DL 使用，还要看是用来训练+推理，还是仅仅做推理。
如果是要做推理，还要考虑双精度、单精度、半精度的推理问题，那还要增加一个考虑维度。

不过能上来就看 V100 这种大卡，估计不缺钱，那就无脑买贵的呗。