@threebr 同样地收钱，在世人眼里，也有当婊子立牌坊，和站着把钱挣了这两种区别。现在国内部分鲁女正在做各种构建理论的尝试，试图通过在网络上广招狂信徒的方式完成从前者到后者的转化，虽然这对他们本身没有什么好处，但起码能满足其虚荣心，这就够了。而他们的理论说到底也不过是一句我生孩子我痛我 xxx 所以我被剥削了

LZ 是国内购国外，我坐标 UK ，去年倒是有过完全一致的网购退货体验，简直让人头大。。。

@seaiaddca
@czhu 这样的话那很好，不过我也不确定他是否是自营范围的。能退的话也许不用取消订单，可以拿到再说，不过不解决问题啊，ssd 该不行不还是不行，多长时间退货还不是都得退

@czhu 网页说明是 30 日退款，但我没在亚马逊退过东西，我不确定会不会出问题。

@cubecube 你是指 970 evo plus pro 吗，这个没有最近三星固态的那个问题？

@uprit 带 lo 能不能讲下怎么确认是否是风险型号。我是海外在亚马逊买的 970 evo plus ，刚才没看见你们的回复，前几楼回复说了几个型号我大概搜了一下就下单了买了个 2T 款的。我该怎么判断是否需要退货，如果需要退货的话我应该买什么款的呢，最近几年确实只用过三星。。。。

@cubecube
@jackytsu
请问 980 pro 和 980 还有 970evoplus 有啥区别呢，这边看到的价格分别是 1144 ，799,和 865 ，倒是 980 不带 pro 的版本最便宜，不过和 970evoplus 感觉价格方面都能接受，买哪个呢

@bugFactory 养好有什么标准吗，我平时倒是有在好好吃饭，不太清楚身体算是好还是不好。伤膝盖确实是个问题，所以我这次也没直接就开始运动，想问问论坛老哥有没有比较好的办法。目前来看游泳是很不错，不过以前看过一些私人会所感觉半年就要万把块太贵了，市民泳池又太脏

@bugFactory 谢谢建议。但是工作大概一时半会是换不了了，完全不运动的话又时长感觉处在亚健康状态，很难取舍。也许只能做一些低强度的运动。

@zr8657 非常赞同，我与你的情况相似，大约也是相同的速度，我大概 6min/km 的慢跑，每次 5km ，还在念书的时候曾经断续地坚持尝试过，每次坚持跑步大概在半年左右，但是确实是感觉毫无改善（印象里初期两周是会感觉滞涩的身体在跑步时逐渐稍好一点点，但是长期坚持下来每次跑还都是非常痛苦，没有想象中越跑越轻松的事发生）。

@Chad0000 所以从闪一下改为一直显示吗。。是我没想到的思路。。

@DOLLOR 实例未定义向方法引用，语言特性到你这说成语言缺陷了，js 的 class 可大哥别笑二哥了

@damngoto 有没有一种可能，怪的是 OP ，向上替换的特性不了解，然后还一定要用类属性，这又不是连函数和变量都没有的 java ，python 这有很多神奇的东西，比如全局变量。所以 OP 要借助类属性实现什么设计？

@morphyhu 最近不是经常有消息良心云无理由封机器，我续费还有三年到期挺慌的，不过目前确实是没啥事，只是不知道是他不探测还是探测出来不抓

@eason1874 您这是买开发板，确实挺容易的，人家那是做开发板。。。

@zyxk 挺清晰的吧

@morphyhu OP 了解腾讯云相关吗？目前在用腾讯鸡

@ecwu 对了大佬我还想问一下关于预训练，因为我的文本是脱敏的没法直接用成品我需要自己训练，我没太搞懂多任务训练训练是实践上怎么结合起来的。它原论文有 mlm 和 nsp 两种方式，正确的做法是比如我先构建模型和对应 mlm 的输出，把它训练到类似收敛，然后再把输出层换成 nsp 的再重新训练到收敛，这样先后训练算是经过两个预训练吗，还是说它有什么交替训练的办法。如果有顺序的话会不会导致结果差异

@ecwu 谢谢，很有帮助，确实是太大了

@ecwu 好的，我原先不是很确定 bert 的输出含义，比如 bert layer*n 结束后它输出是一个 cls+n 个 token 的特征信息，有一种模糊的感觉是这样但是不能确定，网上信息里对大体原理讲述的比较多，涉及具体行为的比较少，尤其涉及具体预训练细节的几乎没有。

按照你的说法我的一个想法是，如果 bert 的输出可以认为是一个高级版 word2vec 的话，所有 token embedding 取平均感觉逻辑上不太能说得通，也许我应该测试在输出结束后再接一层 rnn 之类的。。如果不接 rnn 的话，是不是应该尝试将结果再进行位置编码再进入 mlp ，因为 bert 输出的 token 有应该不是前后顺序完全不影响的吧。。是不是还是应该有位置因素

@sm1314 谢谢，你的解释醍醐灌顶。我观察网上的实现代码里，原本有一个疑惑是，它有一个结构是在__init__里生成一个 cls=nn.Parameter(512)，但是在每次 forward 里都要 torch.cat(cls, n)，然后加到输入数据上，让形状变成[batch_size, n+1, 512]这样，原来还搞不太懂他到底是干啥的，所以按你说的可以理解成是人为添加了一个表示全局信息的部分？然后 bert 的输出就可以理解为原先的 n 个数据，还是表示输入的 n 个信息各自的词信息？外加一个 cls 的部分表示全局信息？所以按照这个说法，如果我想改成回归任务，就也只用这部分全局信息就行了呗

@heqing
@rpman 那是不是可以理解为，它会循环 seq_len 次，然后把词向量升维到某维度，比如 lstm 的 input 是 10 ，hiddenlayer 是 512 的话就是等于 10 维升到 512 维，然后比如双向 lstm 的话就到 1024 维这样？