驾车距离大概 3913-3953 公里

4000 公里

@wuyiccc 我一般去四楼，位置多一些

@wuyiccc 可以早点去，有不用预约的座位

502 挺好的

"框架支持多个后端"有什么好处吗(

看看我们这里不? 私募量化公司做机器学习平台. 团队氛围好,不卷,福利给力
https://v2ex.com/t/1021240

@wtsclwq #4 可以的

up
现在岗位比较急,各位收藏的小伙伴不要犹豫了(

@Qiane #1 我们不要求计算机专业,学校也没有强要求,主要还是看能力的

价格?

@thinkershare #16 hello,补充了环境到这里
https://111qqz.com/2023/12/cupy-torch-import-order-impact/#%E6%B5%8B%E8%AF%95%E7%8E%AF%E5%A2%83

@thinkershare #16 周来忙别的就暂时没有再跟进这个问题了
稍晚一点我把 conda list 还有相关的版本也更新一下

单纯看电子书的话,小米平板 1 挺好的,去年刚买了个拿来用(

@AirCrusher #14
1. 只用一个 torch.matmul 无法复现问题.
甚至两个 linear 的参数也会影响问题的复现.
基本上第二个 linear 的参数的输出是 1 才会复现,如果是其他值,先后 import 不会对结果有影响.

2. 随机种子和`torch.use_deterministic_algorithms(True)` 都设置了.
以及设置了如下这些:

```python

def set_random_seed(seed: int):
"""Set random seed.

Args:
seed (int): Seed to be used.
"""
random.seed(seed)
np.random.seed(seed)
torch.manual_seed(seed)
torch.cuda.manual_seed(seed)
torch.cuda.manual_seed_all(seed)
torch.backends.cudnn.deterministic = True # type: ignore
torch.backends.cudnn.benchmark = False # type: ignore
torch.backends.cudnn.enabled = False # type: ignore
cp.random.seed(seed)


```

问题还是可以复现.

@thinkershare #9 非常感谢协助排查.
不同机器上的结果似乎确实是会不一致的, 之前遇到过使用两种不同型号的 A100GPU 时(A100-PCIE-40GB vs A100-SXM4-40GB),Adam 优化器的结果会有明显区别.

我打算先看看对齐下 CUDA 版本来验证下,确保 cupy 和 torch 使用的是同一个 cuda 版本.
如果还是不行, 打算尝试下你后面提到的步骤
有了更新会 at 你

再次感谢