วีดีโอ

我今天差点下单mbp顶配, 所以仔细研究了一下.

其实，我又仔细研究了一下，还是下单了，4000刀的128gb，因为我仔细算了一下，要手搓一个这么大的inference endpoint，估计性能好不如它。就当DGX平替了。

Thank you very much! Your support means a lot to me, and I hope you found the video enjoyable and helpful!

蝦皮上搜尋 相機散熱 可以找到不少

內存速度固定，但模型的尺寸越大當然跑越慢，13b (130億）參數的肯定跑的比 70b(700億）參數的快

後來發現搭配 Ulanzi UURIG 003 通用手持槍型握把 可以長期持握的更輕鬆 推薦給你

除了殘餘度數不變外 已沒有光暈的問題

普通ram的傳輸速度較慢 資料量大要等 一般的ram每秒傳輸的頻寬64Gb就很高了 M3 max 的unified ram 每秒可達400gb M2 Ultra 每秒 800Gb Nvidia 4090顯卡內的記憶體每秒1008Gb 大型語言模型需要處理極大量的資料 因此，因為頻寬有倍數的差距，會讓執行llm 的速度有明顯的差異

可以，可以從最小 7b 模型跑跑看 LM studio 是跨平台的

保護隱私，可以跑的更快，還可以更彈性的客製化自己專用的 GPT，使用在自己的品牌網站上等 小規模試驗的成本較低，利於開發客製化應用。中小企業，或想用 gpt 創業，做生意賺錢的可以考慮 如果只是個人日常輕度使用，可能用雲服務就夠用

​@@user-sl8gi3vb6e在下路過 我是ai門外漢 但商用電腦以前也是一整間房子 肯定以後人人手上都能有一台量子電腦的

那是因為你不是開發者，不需要聯網，可以避免信息洩露。也不需要支付雲端開發費用。自己訓練好模型和app以後，換回雲端的api就行了。​@@user-sl8gi3vb6e

跑模型跟產生模型是兩件事

@@user-do7kb7td4h 在未来世界，模型是fluid的，和self-modifying程序一样并不是write once run forever的，就用你们最引以为荣的neutral network来说的，它未来是横跨整个宇宙的，火星上的某个neuron的状态改变，是要在有限的时间内与你家里的neutron互动的，所以任何东西都不可能再是local的。

很開心能幫助到你

是的，1 TB 版的讀取速度的最快上限就有 7000mb

@@angelance 所以m3 max 買512GB版本就沒有嗎

可以等ultra，先用老的练练手

關於如何組多張 3090 4090 的方式，我是參考 timdettmers.com/2023/01/30/which-gpu-for-deep-learning/ 適合願意花時間精打細算的人細細品嚐 作者用4張二手的3090配 1600瓦供電

他不就說沒有要finetune 只是local端運行而已嗎？你是不是影片根本沒認真看，只看到m3 LLM幾個關鍵字就開始嘴了？

@@elvis1322 嗯 我只是怕此片標題誤導群眾(買蘋果跑AI 高C/P值）。所以進來留言，提供個人觀點。 買這麼貴的電腦，連finetune LLM都不行；且模型推理或訓練皆慢…那麼，何來C/P值？ 我是認為，若拿來盈利的機率很低，這樣的配置充其量🤔只是一個有趣的玩具 而已。 我是不否認也許串langchain 純跑模型推理，有機會能在Mac上弄出有 稍微像樣的LLM APP。但為了普適不同應用場景，使其能夠盈利或商用，可能還是要能夠finetune。 另外從主流NVIDIA 脫離，若既有開發程式碼已經有自定義的NVIDIA CUDA算子.. 那若要想辦法轉移至Apple，也是開發成本。

另外我想說，在這個AI開發者群體裡面，我沒看過誰說M1/2/3 Max好棒棒，可以拿來賺錢 是高生產力工具。 我只看過M1/M2 Max有很多網紅買來剪片。 (可以盈利 所以他們買Mac 我沒有話說。） 很多AI開發者，擁有M1 Air 或Pro ，只是將其當作從本地連接到遠程伺服器開發的一台美麗跳板工具。(公司配給；或是反正需要一台本地機器能遠程連線到AI伺服器；有閒錢的話自己買本地機器如MacBook Air也無妨） 網路上是有開發者拿M1 MacBook Air 來教學，跑簡單深度學習範例（如Karparthy)。 🤔似乎僅此而已。 我在這邊留言就是提個醒。若你是剛進資工系的大學生/或是開始學習AI開發，自己也沒有遠程服務器可使用，🤔不要買蘋果。 買個具備NVIDIA 顯卡的電競筆電或桌機 比較高C/P值（不用擔心適配性，網路上各開源程式嗎都近乎100%支持NVIDIA GPU。可以跑各種練習。）至於Apple silicon跑AI的適配性？ 也是近幾年才開始支持。很多開源也是跑不起來，即使跑得起來，可能還有精度問題（bug）…。

先不說NVIDIA 當代顯卡，有專門矩陣運算的張量核心、TF32型別、以及單半混精訓練技術。 我們就單比較訓練AI可能是最基礎、最核心的FP32浮點運算速度（TFLOPs）。 M2記得是約10TFlops; M3 我猜測是最多到13TFlops。 這是什麼概念？ 2017年的時候NVIDIA 有一張卡片叫做1080Ti，他的速度就是約12T Flops。當年賣約兩三萬。🤔那…請問現在是幾年…。2023年…🤔。 但也不是說Apple silicon一無是處。他這種CPU與GPU的統一記憶體架構，可讓GPU可以直接取得大量記憶體。啊其實這個也不是什麼新概念。以前IBM早有推過同樣的東西（arm架構伺服器，搭NVIDIA 顯卡，但也沒看有多少人願意買單）。 只是Apple silicon算力我希望一兩年後能加強到比較堪用的等級（例如一兩張Geforce4090的速度..）🤔只是一兩年後誰知道NVIDIA 又有多變態的消費級/伺服器級顯卡出現…。

Mac 居然也有實惠便宜的一天

Yes it is, so the fan can be locked on the back of the camera

tamron 17-50 f4 和 20-40 f2.8 看起來也不錯

入口即化的 A5 和牛體驗、美味的深咖啡色咖哩飯、鮮甜的九孔鮑和冰淇淋口味的鯛魚燒，會不小心讓人忘記原來時間只有 90 分鐘 😌🥹

現在平日下午兩點可以吃到五點(3小時)

1080p 沒試過，推測會比 4k 撐更久。淘寶上賣的散熱風扇最近又有進步，內建電池，也不再需要黏膠（可以剛好卡在相機背面），有長時間錄製需求，多個風扇會安心很多

嗨，您好～推薦 1 ，我們是搭單軌，很快的喔！

拍這支的時候相機用的是 Sony a7s3 鏡頭為 Sony 20mm f1.8 G 使用 pp11 S-cinetone 4k 4:2:2 24fps 50MB, iso 160 , shutter 1/50 直出, 已經賣掉 a7s3

註冊是免費的

覺得TH-cam這條路上，總有機會遇到你說的情況，所以每次都要找出新影片優化的方向，我們一起加油👏祝你很快就有所突破！

@@angelance 好☺️,可是最近訂閱數也會被自動取消，之前有一個觀看1000的影片，訂閱數卻只有0😭

(拍拍) 相信你一定對這個影片投入很多心力，觀看 1000 的影片，有時候訂閱數確實也會只有 0 （安淇藍也遇過喔），你可以嘗試找出大家願意觀看，卻不訂閱的原因，在以後出影片時，避免掉這些可能的原因。畢竟製作影片是一條長期耕耘的過程，中間什麼狀況都有可能發生，釐清原因、排除問題，也是一種優化的方向，祝福你很快破 200 訂閱！

@@angelance 我會繼續努力的

ZV-e1 要做到4k品质的直播需要好的 usb 3.2 type-c 线，一定要有散热风扇。补充一点，如果担心风扇的风切声被录进去，建议另外接麦克风 🎤 距离风扇远一点。用老相机直播，需要高级hdmi采集卡, 高级hdmi 线，以及散热风扇 要注意相机的hdmi接口的尺寸是标准尺寸还是小尺寸的 mini hdmi 接口。 hdmi采集卡的接口也注意一下，确保买到的线材的规格和接口有匹配

@@angelance 谢谢☺️

R8: 有超採, 人物看起來會更銳利, 以及有些人喜歡Canon直出的人像的色彩 zv-e1: 有適合人像的 s-cinetone 色彩, 感光元件和電影機fx3同一塊, 所以可能比較有"電影感" 看你喜歡哪一個

我用了有感觉有4k超采到1080p的，现在1080p足够清晰了！当然我和之前手机的4k比的，我没有r5！

感謝大大！

感謝😂 標題已改，原來我為了快速嚐鮮而直接用了AgentGPT 了啊😅 我忘記建立key的時候有沒有選GPT 的版本了

如果是想在機內預覽slog3的結果，機內打開 gamma 輔助功能可以開到轉成標準709的色彩 如果不想調色，願意犧牲動態範圍換取低噪點的色彩，機內可用 s-cinetone 直出，這支片就是用 s-cinetone 直出的 Zv-e1 的 s-cinetone 還有內建了數個不同色調的LUT 可以直接套用 我也不太會調色，都套用現成的 lut 參考資料 alphauniverse.sony-asia.com/learn/tips/what-s-cinetone-and-how-do-you-use-it

後來已經沒有感受到光暈了 鏡框沿用舊的，只有配鏡片3000左右 效果不錯，矯正掉殘餘度數 視力 1.0 提升到 1.2

@@angelance 也就是說術後過了9個月之後，光暈現象改善了？ 謝謝你

@@lulin2671 光暈是改善了，殘餘的度數還在

❤ 感謝大大，AutoGPT 看起來很有趣🎉

很高興有幫助到你 😊

祝早日拿掉眼鏡!

很高興有幫助到你!

嗨! JingJingShu 如果你的ChatGPT， 畫面左邊的 new chat 下方，有unable to load history (字比較小，不太明顯)， 接著按 retry 後， 就可以看到先前的對話紀錄 或者是登出（log out）後再登入(log in)，就可看到原來的對話

@@angelance 感謝妳的\回覆 我試試 應該可以.

@@jingjingshu 太好了！祝你使用順利，如果還有什麼使用上的問題，我們再來討論喔！😉