其实你这选型说到最后就两点，只会写 python 的出来吹 python ，然后就是只会写 javascript 的出来吹 javascript 了，仅此而已，后者毕竟是设计者本人不止一次承认存在多处设计缺陷的语言，ES6 后开始逐渐找补，你感觉有问题也是正常的。

优势在于，简单者简单，让简单大行其道，导致想搞个 js 引擎那是再容易不过，现代电脑里没个十个八个 js 引擎都不好意思出来说话。。如果用 Python 那么好处是可以依托庞大生态，问题上面几层也说了，扩展管理和环境隔离，不用质疑，截至目前全网尚无什么理想方案，因为其应用程序绝大多数不以分发形式存在。虽然你可以尝试额外带一个解释器，但想必细节上需要相当多的额外工作。

如果想实现的功能不需要强描述能力，Lua 确实也是可以考虑选项，毕竟是被大量验证的插入方案。

@Smilencer +1

@Sosocould 大概是当怨种吧。这种东西其实无所谓的，只要你卖的贵就一定会有人吹的，买了的人当然要各种吹来彰显自己，要不然不是白买了。

@HeyBoy2077 高情商：设计语言一直延续迭代。低情商：垃圾功能几代都不升级。

市场经济捏，自由捏

@lrigi 工作不做这个，用 NLP 属于业余在做，不值一提。

@flyv2x 是我想错了，不过按照这个说法，先是 W(...)到 Q,K ，然后 Q·K 这步会消融原有的维度和空间关系，因为他们之间没有经过非线性激活，所以还是可以认为是经过了一个线性层，然后后面 FFN 外加 1.5 个线性层这样。我现在不是很确定，比如输入就是一楼里写的[1, 3, 2]这个形状，忽略编码部分以后，看数学公式似乎它的 3 维度和 2 维度两个方向上似乎在关系捕捉上没有什么区别？

@Yuhyeong 榜都看过，不傻的都知道行，只不过行不行是相对而言。以前在跟做 CV 方向的朋友聊天中谈过，相对 NLP 领域 Transformer 是完全成为新 baseline ，CV 这边 ViT 的很多方法只是看起来不错，具体需要 argue 的地方也很多，并没有成为行业新标准，同样不能秒杀 CNN 。效率问题只是一方面，另一方面是 patch+全局感受域带来的近视眼问题，ImageNet 这样脱离实际应用场景的低分场景下跑分性能不错。

@flyv2x 所以 transformer 的维度关系捕捉能力可以认为是 W(QKV)的这一个(三个)全连接层的关系?

@neopenx 你要不要重新看看你都写的啥

买呗，人无法挣到自己认知以外的钱，换言之你的财富将始终符合你的认知

因为它贵，所以好用。
当然了，需要别人也知道它贵

@SenLief 所以你说了半天在说啥。。。你自己部署中继当然要公网 IP 啊，这不就涉及到墙的问题了

他不愿意和你一起在小城市过平静生活，但是愿意带你一起去波澜壮阔的大洋彼岸闯荡。。。
你开心就好

@SenLief 公共服务器是服务商提供的，自建服务器的程序是社区开源的。你使用对方提供的程序，第一，在无法打洞时会有速度问题，不是所有网络拓扑都能打洞成功，第二，可能有潜在的安全风险

@SenLief 没有公网 IP 的情况下需要一步中转才能给两个端打上直连洞

@SenLief 我现在是纯中转方案，用的精品网，效果挺好的，但是带宽最大 50M 上不去了，我想试试打洞方案但是印象里 wg 这种会墙

@shyrock 怎么兼容，你子女教育还不是按留学办？你省公立教育有几个港澳台子女成功办进去的案例？我倒看到上面理性分析的都是在香港呆过的，只会扣帽子的都是土鳖。

@fatigue 既然是全光谱，那我觉得倒有必要注意食品工业中不加原料就无法实现的东西。比如人工能不能完全摆脱橙子合成让人喝不出来区别的橙汁这种，我觉得肯定有的领域是必须加原料的