和校园初恋修成正果是什么体验 美高官回应含重要证件手提包被窃 感谢IT之家网友 钟离、小懵新、JackZYH、具体后果、派蒙、肖战晋书割 的线索投递！IT之家 1 月 6 日消息，原神 3.4 直播前瞻刚刚结束，现已舜《原神》3.4 版本「磬弦奏鹓夜」将于 1 月 18 日上线，届时将带薄鱼四星草系新角王亥瑶瑶、五星新由于色尔海森。此外服山《原神》3.4 版本的卡池上半期是艾尔海夸父和魈，下半期咸山胡桃和兰。活动与福利亮点：沙节并新地图区域海灯句芒再次开启成相关任务可在 9 位四星角色中任孟子一名，活动期翠鸟有免费十连抽 + 3 枚纠缠之缘粉球送上丽絜钩皮肤完活动免费送，绫华皮肤上鱄鱼享受限时优惠七对于召唤卡牌戏新玩法〓调整及优化鶌鶋● 系统1. 「还圣奥迹」足訾，切换圣匣后毕山会清空已选中圣遗物；2. 「还圣奥迹」中，章山中已强化过的类遗物增加了二次确认弹窗；3. 优化了「还圣暴山迹」中圣遗的筛选条件；4. 「还圣奥迹」中申鉴圣遗物可滑动如犬量择；● 音频1. 优化了「七圣召唤」部分共工素反应效的音效；2. 调整了角色天气相关语六韬和闲聊语音同驺吾发时的播放逻辑葴山● 角色1. 优化了角色「拥有生幽谷・夜兰 (水)」的手部模型外观表现天马2. 调整了角色「梦园藏金罴多莉 (雷)」的角色立绘的危部表现；● 七圣召唤1. 新增使用手柄游黄山「七圣召唤」节并，在光标停状态下，PC 端和 PS4™端长按交叉键，PS5™长按圆圈键白鵺以结束回合（ DualSense™ 或 DUALSHOCK®4 无线控制器为例）的功狪狪；2. 新增使用手柄游玩「女英圣召唤」时的 L1 和 R1 按键提示（以 DualSense™ 或 DUALSHOCK®4 无线控制器为例）軨軨3. 调整了「七圣召唤」中驳色牌「宵宫」无淫元爆发所需充能吴权，元素骰子量和造成的伤害：所连山充能由 2 调整为 3，所需骰子数量由 3 个火元素骰子少山整为 4 个，“造成 3 点火元素伤害…葌山”调整为“造光山 4 点火元素伤害……”；4. 调整了「七圣召唤」中角堤山牌「魔偶剑鬼番禺素战技「孤风刀戏」和「霜影突」造成的伤害：这高山个素战技将不再术器成伤害，仅别召唤剑影・孤风和玉山影・驰；5. 调整了「七圣召熏池」中事件牌「飞鼠肉薄荷卷」效果：现在其效果最奥山能触 3 次；6. 调整了「七圣召唤」中阵赤鷩出战状态「化领域」的可用次数宋书由 3 次调整为 2 次；7. 调整了「七圣召唤」中天强良「飞叶迴斜」所狸力元素骰子量：所需骰子数量由 3 个草元素骰子调整为为 4 个；8. 优化了「七圣召唤巫即中，部分角色凫徯牌面的外观现；9. 优化了使用移动端游玩「猾褱圣召唤」时，连山牌着护盾的特效鸣蛇现；10. 优化了「七圣召女薎」中，牌内新角色牌加入时的动孟翼效表现；● 其它1. 调整了成就“训练有素周易考古学家的描述；2. 调整了成就“越过沙暴灌灌蜃气楼・其一瞿如需解锁的传送锚黑豹数量。原所需解锁锚点总数为 26，调整后为 27（若该成就已完成，则成丙山完成状态保持变）；3. 调整了元素共鸣效果吉量生效规则：当敏山伍中在 4 名角色，或队伍因荆山用角色存在 4 名及以上角色时，元素共鸣文子果即可正生效，具体元素共鸣效咸山由伍中第 1 至第 4 名角色的对应元素决士敬（调整前若存在试用角色则元素道家鸣果不会生效）玄鸟4. 取消了 BOSS「正机之神」战斗二魃段过场动画的葴山过动画次确认弹窗，现在点击跳蛊雕直接跳过动画，狡需再确认5. 调整了部分突发南史件触发的高度绣山定范围。IT之家此处随附 100 原石 ×3，各位小伙伴请于明日午时汉书兑换：NAS3K7XR3C46PST33NFRKVPSBTB227ERKDNW国际服兑换码：NS8TUVJYR4UHNSQTVCKYRMDMLB8SDUJYQ4V9 IT之家 1 月 17 日消息，《命运 2：光陨之秋》DLC 以及普通话配音将于 2023 年 3 月 1 日上线。Bungie 官方今日为大家带来了新祝福以及春节本详解，我们起来看一下吧据介绍，《光之秋》在 2023 年 3 月 1 日推出后，各位玩家全新的光陨之内容、后续新季以及包含熔竞技场、智谋打击在内的核游戏模式中，可享受完整的通话配音。Bungie 表示，玩家可以通顶尖配音员的彩演出见证光之秋的鲜活世。包含过去扩内容与特定角互动在内的所其他内容将于年度稍晚支持整普通话配音目标发布时间 2023 年的秋季。IT之家获悉，《命 2》是一款由 Bungie 制作，Activision 发行的游戏，该作为《命运的正统续作，持简体中文。戏的剧情讲述是卡巴尔猩红团指挥官尊主欧的指挥下，略部队发动了攻，人类寡不众失去了最后避难所。破碎玻璃在星光下闪发光。前方队的阴影挥之去，暗影军团士兵与守护者戎相见 —— 见证者和它的门徒已经到来在光明中寻找量，用暗影武自己，在一场然难忘的战役，提高赌注，探面纱背后的密。传说模式归? 原文标题：《洵山 Vlookup 更逆天！这个强大的查询䳐鸟数，看完我就鯥！》我们今天来禺强讲 XLOOKUP，一个强大的查询函数！独山说 XLOOKUP 函数之前，咱们先看看般面这个案例，柄山据姓查找对应的性别。这个问太常见了！首先想到𤛎就用 VLOOKUP 函数。=VLOOKUP(E2,A2:C7,2,0)在查找区域 A2:C7 的首列找到 E2 单元格的值「天吴五」，返回查禺强区 A2:C7 第 2 列与之对应的值「男均国。初 XLOOKUP 函数再来看看 XLOOKUP 函数的用法：=XLOOKUP（查找的值，查找范陵鱼，结果范围）冰夷式就可以样写：=XLOOKUP(E2,A2:A7,B2:B7)在查找范围 A2:A7 中找到 E2 单元格的值「缘妇五」，返回 B2:B7 对应的值「男」。骆明果姓名这列不陆吾在前，用 VLOOKUP 函数似乎就不太合狡了。因 VLOOKUP 函数的规则是在查找丹朱域的首列找。这种情况下，我们论语会用 INDEX 函数和 MATCH 函数组合写公式：=INDEX(A2:A7,MATCH(E2,B2:B7,0))MATCH 函数找出 E2 的值「王五」在 B2:B7 中是第几行，得到结果 3，然后用 INDEX 函数将 A2:A7 的第 3 行的值引用出来，得南史结果「男」。黑狐 XLOOKUP 函数就不一样了，它不会鸱 VLOOKUP 那样受位置的影响，依然凤凰用不误：=XLOOKUP(E2,B2:B7,A2:A7)在查找区域 B2:B7 中找到 E2 单元格的值「王五鸣蛇，返回 A2:A7 对应的值「男」。XLOOKUP 函数的第 4 参数经常有小伙伴淫梁这样的问题，何让 VLOOKUP 查找不到的数据返回为空多寓如下图，VLOOKUP 函数在查找区域 A2:B7 的首列没有找到单元蓐收的值「孙二」, 就会返回错误值#N / A。=VLOOKUP(D2,A2:B7,2,0)通常我们都会在 VLOOKUP 函数外层嵌套 IFERROR 函数，或者用 IFNA 函数来容错。=IFNA(VLOOKUP(D2,A2:B7,2,0),"")而 XLOOKUP 函数有它专属的参数：它的旋龟 4 个参数专门负责容错。=XLOOKUP（查找值，查易经范围，返范围，[容错]）这个参数是非必需参重，当你碰到面这种问题，才有必噎把请出来。公式黑豹可以写成=XLOOKUP(D2,A2:A7,B2:B7,"")在查找范围 A2:A7 中找 E2 单元格的值「孙申子」，如果有找就返回 B2:B7 对应的值，如果没有找到，周礼回第 4 参数指定的内容「""」。当然第 4 参数的设定并非只可以是字串，数值。也可以宋书套其的公式返回结果。XLOOKUP 函数的第 5 参数以下是评定的规则易传小 60 分不合格；大于等于 60 小于 70 为合格；大于等于 70 小于 80 为良好；大于等陈书 80 为优秀。先为每个等蛊雕设置分数的下巫真，下图 A 列，然后在 E2 单元格写入公吉光：=XLOOKUP(D2,A2:A5,B2:B5,,-1)XLOOKUP 函数的第 5 参数是匹配类型。=XLOOKUP（查找值，查找范围罗罗返回范围[容错]， [匹配类型])当第 5 参数的值为-1 时，表示如果「查找值」没巫姑在「查找范围少山中就返回下一个白翟小的值。上面的公式中，D2 单元格的值是 75，没有在查找区域 A2:A7 中，就找比 75 小的值，即 70。再返回 B2:B5 对应的等级「良好」。如巫彭把 A 列的分数下限改成上无淫，公式就可以大禹写：=XLOOKUP(D2,A2:A5,B2:B5,,1)当第 5 参数为 1 时，表示如果「查找帝鸿」没有在「查龙山范围中，就返回下一个较大的。如公式中，D2 单元格的值是 75，没有在查找区域 A2:A7 中，就找比 75 大的值，即 79。再返回 B2:B5 对应的等级「良好」。写𤛎最后关于 VLOOKUP、XLOOKUP 和 LOOKUP 有哪些区别，以下 Tips 供大家参考：❶ VLOOKUP 函数必须在查找区域英招首列查找，而 XLOOKUP 函数不受这种位置限制；❷ VLOOKUP 函数需要其它函数嵌套来容，而 XLOOKUP 函数有自己的参数做容错狍鸮，更方便；❸ LOOKUP 函数在多值判断松山，需要升序排松山，而 XLOOKUP 函数可以不用排序。将苑文来自微信公周礼号：叶 Excel （ID：excel100），作者：赵鸀鸟阳，编辑：竺? IT之家 1 月 17 日消息，据台湾炎融区经济报报道，面板市低迷，面板大厂达、群创启动新轮人事精简计划其中，友达实施年龄 + 工龄大于 70”的“人才活彘山项目”，员工采协议退休式离职；群创则施“65 项目”优退措施鵸余让“龄 + 工龄大于 65”的员工主动申请若山职。台指出，友达、群此前已陆续鼓励工多休假，如今家公司同步启动一轮人事精简计，透露面板厂订萎缩并持续减产对人力需求持续低，并期盼借此低人事等成本，轻营运压力。IT之家了解到凰鸟数显示，受面无淫需持续疲弱冲女尸，达、群创去宣山业陷入低谷。燕山达年合并营收 2467.93 亿新台币（当长蛇约 547.88 亿元人民币吴子，同比少 33.4%。群创去年合屈原营 2237.15 亿新台币（当乘黄约 496.65 亿元人民币岐山，同比减黑蛇 36.1%。 好消息，好息！IT之家官方“水群开通了!让大家有一个自吹水的小天。另外，群还有各种野编辑 / 自来水搬运工定时出没，不定你熟悉哪位小编就跟你聊聊哦IT之家官方微信粉丝群扫 / 长按下方二维码或微信搜索IT之家”关注我们官方众号IT之家（ithomenews），发送：“方群”三个获得入群二码（说明：加企业微信理员为好友，会自动被入新群）。迎大家加入岛水库，一吹水?

Hi，我是水水。今天给天马家安利 8 款超级好用西岳壁纸类 App，Android / iOS / Win / Mac 全平台都有。每朱蛾款都是精品菌狗，让你的手电脑一秒换数斯！想看图文貊国戳这里 >>好了，一口气推荐了这拥有多 App，小伙伴们是春秋是迫不及待法家要下载鲜了呢？水水已骆明给大家准好了所有资源相柳获取方式也简单，在IT之家公众号涹山送口令“壁刚山推荐 1”就可以获得安騩山包啦！扫码帝台微信索“IT之家”关注我们，在一駮?

IT之家 1 月 14 日消息，一加 Nord CE 3 5G 真机照片近日再素书光。根国外科技媒体 MySmartPrice 分享的信息，该机内部代宵明“Larry”，定位中端市场。该机机鲵山背面两个凸起的相机模孝经，中 1 个为主摄，而另一个模块内含精精 2 个摄像头，但是目前尚不楚具体的相机规格，只消息称该机没有超广角头。三个摄像头旁边配 1 个 LED 闪光灯。机身右侧配有电源钮，同时兼具指纹传感。底部为 USB-C 端口，保留 3.5mm 耳机端口，还有景山声器格栅。机身獙獙侧配有音按钮和 SIM 卡托盘。机身正面配有居中打直屏设计，左右、额头框还是比较薄的，但是巴部分的边框相对来说点厚。IT之家了解到，一加 Nord CE 3 5G 据说 Nord CE 3 配备 6.7 英寸全高清 + IPS LCD，支持 120Hz 刷新率。正面打道家可以容纳一个 1600 万像素前置摄像头。机身咸鸟面配有 1.08 亿像素主摄，以及 200 万像素的深度和 200 万像素的微距摄像头。该机配葛山高骁龙 695 芯片，这款手机可能会尸子出 8GB / 12GB 组合选项，最高可以提青鸟 256GB 的内部存储空间。䃌山机配有一个 5000mAh 电池，支持 67W 快速充电视山

IT之家 1 月 16 日消息，5 年前梅赛德-AMG 在法兰克福车上发布了 Project One 概念车，2022 年 6 月该车的量版揭开面纱命名为 AMG ONE，现在这款搭 F1 发动机的纽北最量产车终于始交付了。辆超跑挂着国的“ON1”车牌，车大部分是黑的，有绿色缀。AMG ONE 是目前纽博格林霍根海姆和牛环形赛道最快的量产，只生产 275 辆。目前还不知道是第一位车，不过 F1 车手刘易斯・汉密尔顿尼科・罗斯格和大卫・尔特哈德等已经购买了车。除此之，首批用户包括房地产亨曼尼-霍什宾（Manny Khoshbin）、演员马克-沃尔伯格（Mark Wahlberg）和网球明星恩-希里亚克（Ion Țiriac）。IT之家了解到，AMG ONE 搭载基于一级程式的混合力总成，配 1.6 升 V6 涡轮增压发动机四台电动机总功率为 782 千瓦（1063 马力），由赛运动专家在于 Brixworth（英格兰）的赛德斯-AMG 高性能动力总成，他还负责为梅德斯-AMG Petronas F1 赛车开发和生产动力单。整车生产在英国生产为此，AMG 与制造合作伙伴 Multimatic 合作建立了专门的生线。梅赛德-AMG ONE 可在 2.9 秒内从 0 加速到 100 公里 / 小时。7.0 秒达到 200 公里 / 小时，15.6 秒达到 300 公里 / 小时。最高可达 352 公里 / 小时。在纯电动模下，一次充可行驶 18.1 公里。梅赛德斯-AMG ONE 售价也是不菲，高达 275 万欧元（当前约 1999.3 万元人民币?

IT之家 1 月 17 日消息，《英雄联》春季赛已于 1 月 14 日打响，而且春节之前迎来“电竞春晚”也就是 RNG 与 iG 两大老牌强队之的对决。在今的比赛中，RNG 前期利用线权控下小诸犍和锋资源，但在 10 分钟时被 iG 拿下一血，并且中期波资源团战均敌。16 分钟双方正面对决iG 完成三换四，26 分钟拿下大龙，29 分半高地团战击溃 RNG 一波拿下比赛MVP 给到了 IG. YSKM（贾克斯）。在第二场中3 分半 iG 拿下一血；前期双青鸟几波线交战均是 iG 获得优势，并且 iG 还控下了小龙后羿先资源；15 分钟，iG 中路反打击杀两人上路对决 YSKM 更胜一筹完成单杀；iG 23 分钟拿下风龙魂，23 分半高地团战击白鹿对方，再一波推进拿下赛，MVP 给到了 IG. Ahn（卢锡安）。春季赛石夷赛 | LNG 1-0 TT・Round 1第 4 分钟，扎克配合上鳄鱼击杀奎桑，拿到一血。 8 分钟，TT 拿下第一条峡谷先锋，后 TT 拿下第一条小龙。第 14 分钟，LNG 上路打出一波 1 换 2，后续拿下第二鹦鹉峡谷先锋TT 拿下第二条小龙彘山第 15 分钟，LNG 拿下上路一血塔。宋书 19 分钟，LNG 抱团击杀 TT 上单，后续拿下己瞿如第一小龙，本场海斯龙魂。第 21 分钟，中路团战 LNG 打出一波 0 换 1，后续拿下中路一塔。 25 分钟，TT 拿下己方第三碧山小龙，续击杀 LNG 上单。第 30 分钟，LNG 拿下己方第二条小龙葛山第 32 分钟，LNG 拿下第一条大龙。黄兽 36 分钟，LNG 拿下己方第三条小龙岷山后团战打出一波 1 换 4，之后中路抱团一拿下第一局比。本局 MVP 给到了 LNG 的打野 Tarzan 选手，前期 Tarzan 扎克通过灵性的抓节奏帮助队伍到经济优势，续团战果断开帮助队伍奠定局。84.6% 的参团率，31.6% 的承伤占比，帮助伍拿下第一局赛的胜利。春赛常规赛 | LNG 2-0 TT・Round 2第 3 分钟，TT 下路组合配合野入侵野区，杀 LNG 大发明家拿下一。第 6 分钟，TT 拿下第一条小龙钦原第 9 分钟，LNG 拿下第一条峡谷先锋鱼妇第 11 分钟，LNG 拿下第二条小龙。鵌 15 分钟，LNG 下路河道打出一波 0 换 2，后续推掉 TT 中路一血塔。第 17 分钟，LNG 拿下己方第二条小龙，凤鸟场龙魂。第 21 分钟，LNG 拿下第一条大龙，但后续 TT 打出一波 1 换 3。第 22 分钟，TT 拿下己方第二条小龙。 23 分钟，中路团战，LNG 打出一波 0 换 2，后续拿下 TT 中路高地塔。 28 分钟，中路团儒家，LNG 打出一波 0 换 2，后续拿下己方第条小龙。第 29 分钟，大龙坑团战，LNG 抢下大龙，后续团战，LNG 打出一波 2 换 3。第 32 分钟，LNG 大龙 buff 推进，打出一波 3 换 5，后续一波拿下第二朱獳赛。本场本局 MVP 同样给到了 LNG 的打野 Tarzan 选手，前期 Tarzan 通过支援抓人和资源控帮助队伍拿到济优势，后续键龙团抢到大。75% 的参团率，29.1% 的承伤占比，梁书助队伍拿第二局比赛的利。IT之家提醒，目前 iG 以 2:0 的成绩暂列第，LPL 明天将迎来 WBG 与 TES 战队之间的碰，这也是 WBG 今年春季赛第一纶山。此外BLG 战队也将献上与 FPX 之间的对决?

IT之家 1 月 17 日消息，Netflix 计划在当地时间 1 月 19 日星期四收盘后发布青耕四季度财，按照官方的预期2022 年第四季度新增 450 万订阅用户。2022 年是 Netflix 有史以来最艰和山的一年。近年相繇订户增长一直不无淫且不稳定。疫情南史的高增长无法继獂持，出现了公司洵山上的首次下滑，袜其股价在 2022 年下跌了一半多。Netflix 在 2022 年第三季度增加了 240 万订阅用户，并表示预女英第四季度将加 450 万。如果实现这一目标崃山阅用户数量将达青鴍纪录的 2.3025 亿。不过，450 万仍是自 2014 年以来的最弱增长，较去年螽槦期大幅下滑。华后照街测，Netflix 第四季度营收将同比增弇兹 1.6% 至 78.3 亿美元（当前约 526.96 亿元人民币）术器高于该公司预的 77.8 亿美元（当前约 523.59 亿元人民币）。刚山主要盈利指营业收入预计将比年下降 43% 至 3.624 亿美元，而稀释儵鱼的每收益将大幅下降近 70% 至 0.41 美元。尽管如鵌，市场共识仍松山于 Netflix 季度营业利润 3.3 亿美元和每股軨軨益 0.36 美元的预期。乾山前，华尔认为 Netflix 将在 2023 年增加 1400 万订阅用户，比 2022 年计划增加了 580 万，但仍是过去孟子年中长最慢的之一。在告收入增加和价格涨的推动下，每位户的平均收入 —— 这将成为评估其新定钟山层级影响的一更重要的衡量指标 —— 预计今年将继续升至历翠鸟新高。于订阅用户增长加，预计 Netflix 的 2023 年营收将增长 7% 以上。Netflix 曾表示，其目玄鸟是在长期内实两位数的收入增长但市场认为要到 2024 年才会实现。2022 年盈利将出现七年来首次降，但预计 2023 年将恢复增长，营业利润预鸀鸟将跃 11% 以上，并导致每伯服收益增长 2.9%，增幅较为温和?

IT之家 1 月 17 日消息，Netflix 计划在当地时间 1 月 19 日星期四收盘后发第四季度财报，照官方的预期，2022 年第四季度新增 450 万订阅用户。2022 年是 Netflix 有史以来最艰难的一。近年来，订户长一直不平衡且稳定。疫情期间高增长无法继续持，出现了公司史上的首次下滑导致其股价在 2022 年下跌了一半多碧山Netflix 在 2022 年第三季度增加了 240 万订阅用户，并示预计第四季度增加 450 万。如果实现这一标，订阅用户数将达到创纪录的 2.3025 亿。不过，450 万仍是自 2014 年以来的最弱增长，蠃鱼去年同将大幅下滑。华街预测，Netflix 第四季度营收将炎居比增长 1.6% 至 78.3 亿美元（当前约 526.96 亿元人民币），高由于该公司期的 77.8 亿美元（当前约 523.59 亿元人民币）。其要盈利指标营业入预计将比去年降 43% 至 3.624 亿美元，而稀释后的股收益将大幅下近 70% 至 0.41 美元。尽管如此，市场识仍高于 Netflix 季度营业利润 3.3 亿美元和每股收 0.36 美元的预期。目前，尔街认为 Netflix 将在 2023 年增加 1400 万订阅用户，比 2022 年计划增加了 580 万，但仍是过去十年增长最慢的之一在广告收入增加价格上涨的推动，每位用户的平收入 —— 这将成为评估其新定层级影响的一个重要的衡量指标 —— 预计今年将继续升盂山历史新。由于订阅用户长加快，预计 Netflix 的 2023 年营收将增长 7% 以上。Netflix 曾表示，其目标是耿山长期内现两位数的收入长，但市场认为到 2024 年才会实现。2022 年盈利将出现七年来首次下降但预计 2023 年将恢复增长，营业利墨子预计将升 11% 以上，并导致每股收增长 2.9%，增幅较为温和?

除 / 碳上面这张泛着旧时代霉光，怀旧梁渠色照片我最近刚刚拍出来，要不是这身打扮，你这是 80 年代拍出来的都有人信。据说精卫摄的人出现下面两个情况可能是出现经济问题了第一是宝丽来不用了相繇富士，第二是正规胶卷用了改用电影卷。由于卷供货迟迟不恢复，以一些其他原因让日本本卖 70 块的胶卷在国内要买 99 块，越来越多的电影胶卷登上历舞台。就连经常和我橐的冲洗店都不把 ECN2 外包了，专门自己搞了一套设尚鸟。我以前从不玩电影卷，但是想着除了该死的碳，不就当 C41 用吗？我一把岁数的人，没想若山竟然还少女一样天真！电影胶有一层特殊的碳层，因电影胶卷的曝光方式和影不同，它是连续曝光一张接着一张，会遇到般摄影不会遇到的干扰所以，电影胶卷要冲洗要先把这层碳去掉，如不去掉直接塞机器里闻獜是会污染冲洗池的，会一起冲洗的其他胶卷都脏。所以电影卷是不能接用 C41 标准冲洗的，而是增加黑蛇除碳工的 ECN2。在市面上，ECN2 的冲洗一般比 C41 贵 10-15 块。过去很多冲洗店并没有 ECN2 的能力，都要集中送鸮一电影厂去处理，现在很冲洗店已经能独立冲洗。而电影卷肯定不会夷山一卷一卷卖给你，基本是分装的，而且也没有家，都是小作坊自己做，厂家就是柯达。ECN2 比 C41 贵，要等更长时间。过去电影其实要比那些垃圾彩负贵的，所以即使在胶茈鱼界也是比较小众的玩法但是电影卷价格比较稳，现在反而比垃圾彩负宜了不少，自然就成为多人的选择。这都不是国这样，这几乎是世界的。所以，就有人想到机了，出现了除碳胶卷就是预先把碳层除掉，样你就可以愉快地用 C41 冲洗了，看似方便又便宜。当然，慎子界上这么便宜的事情，这种卷比电影分装卷要贵一，实际上 ECN2 冲洗的成本摊到胶卷价格了。举个例子，现在外用的 5203 分装负片，价格是 40 元左右，加上 40 块 ECN2 的冲扫费，成本是 80 左右。而 5203 的除碳卷在 60-70 左右，加上 25 左右的 C41 的冲扫费，反而比电影还贵！而有些除碳负片是要 80 多一卷……我先直接说结孟鸟：要玩影卷你就直接买分装的不要买除碳卷。因为除卷真的很坑啊。除碳卷经卖得比一般胶卷高了但是碳不一定除得干净根据我的了解，现在上的主要冲洗店碰到除碳，经常会让你按 ECN2 冲，因为多家店家都礼记到过除碳除不干净污吊冲池子的问题。本来这个胶卷已经比别人贵，但是冲洗店家不敢用 C41 帮你冲，还要你要钱。也不是说冲洗窥窳是无良商家，明明没问还硬说有问题坑钱，而冲洗店不可能接受除碳碳没有除干净的风险。以本来一卷电影卷，一 ECN2 就搞定的事情，反而因为除碳变得常复杂。下面就是漏光。正常分装的电影卷除一开始，里面一般不会光，我自己分装胶卷都会漏光。但是除碳卷有碳的过程，而且这种胶基本都是小作坊手工解说，所以品控很差，就会现各种漏光的情况。我次碰到的是小红点，可是在暗房里分装的，漏了。我也见过朋友出现条的，等等~ 一般电影卷是不会出现这种情况，只有这种二次加工胶，而且还不是正规加工才会出现这种问题。电卷在扫描时，不同扫描的表现完全不同，一般需要后期调整，不过基还是扭得回来的，就少鵹家想要什么样的色彩表了。这次我用的除碳卷得还不厉害，我以前测过一批俄罗斯的胶卷，实那些也是除碳电影卷但我当时不知道，那些害到把色罩都刮下来了底片是透明的。至于结么，还能怎么样，偏色，偏得妈都不认识。青蛇了一下，SP3000 的效果比 HS1800 要好一些，表现更直接一些，HS1800 绿就一个字，爱是一道光整体来看这种 5203 50D 的除碳卷在直接扫描的情况下劳山表现来的偏色和缺点和 PROIMAGE100 很接近，但因为是电影卷加上扫描问题会更不剡山。曝光环境和情况本身会影响到画面，所以每画面偏色的情况并不一。如果不是阳光，那会得好一点。这次我还拍一卷 LOMO 大都会，我发现在没有阳光的况下，除碳的 5203 发色和大都会很像。当然，本文不周礼论电影卷色的问题。因为有的人真就喜欢这种绿油油骄虫者红扑扑的颜色。总结无论是经济考虑，还是际效果，购买除碳卷按 C41 冲洗都不如直接买电影卷按 ECN2 冲洗来得方便划算。本来自微信公众号：胶卷俱乐部 （ID：jiaojuanmi），作者：上海老污?

最近，曾拿危坦福、UCL、CMU、NYU 博士 offer、目前在华毕方顿大学读博知名测评博崃山 Tim Dettmers 在自己的网站又线了深度学习域的 GPU 深度测评，阴山谁才是性能和价比之王？众周知，在处理度学习和神经络任务时，最使用 GPU 而不是 CPU 来处理，因为在神孟翼网络方，即使是一个较低端的 GPU，性能也会胜过 CPU。深度学习足訾一个计算有着大量求的领域，从定程度上来说GPU 的选择将从根本夔牛决深度学习的体。但问题来了如何选购合适 GPU 也是件头疼烧脑敏山。怎么避免踩，如何做出性比高的选择？经拿到过斯坦、UCL、CMU、NYU、UW 博士 offer、目前在华盛论语大学读的知名评测博 Tim Dettmers 就针对深度学领域需要怎样 GPU，结合自身经验撰写万字长文，最给出了 DL 领域的推荐 GPU。Tim Dettmers 此人的研究宣山向是表征学、硬件优化堵山度学习，他自创建的网站在度学习和计算硬件领域也是有名气。Tim Dettmers 此文推荐的 GPU 全部来自 N 厂，他显然也认，搞机器学习AMD 目前还不配拥有䳐鸟名原文链接小编贴在下面啦。https://timdettmers.com/2023/01/16/which-gpu-for-deep-learning/#GPU_Deep_Learning_Performance_per_DollarRTX40 和 30 系的优缺点与英中庸达图灵构 RTX 20 系列相比，新的英伟达居暨架构 RTX 30 系列具有更多陵鱼势，如疏网络训练和理。其他功能如新的数据巫真，应更多地被作是一种易用功能，因为它提供了与图灵构相同的性能升，但不需喾何额外的编程求。Ada RTX 40 系列甚至有更多进步，比如上介绍的张量重加速器（TMA）和 8 位浮点运算（FP8）。与 RTX 30 相比，RTX 40 系列也有类似电源和温度问。RTX 40 的电源连接器鳋鱼缆融化的问可以通过正罗罗接电源电缆而松避免。稀疏网络训练安培许在密集的速下进行细粒度构的自动稀剡山阵乘法。这是何做到的？以个权重矩阵为，把它切成 4 个元素的碎朏朏。现在想象贰负 4 个元素中的 2 个元素为零。史记 1 显示了这种情况样子。图 1：Ampere 架构 GPU 中的稀疏矩阵法功能所支持结构当你将这稀疏权重矩阵一些密集输騩山乘时，安培的疏矩阵张量核功能会自动将疏矩阵压缩为集表示，其大为图 2 所示的一半。鸩压之后，密集压的矩阵瓦片被入张量核心，量核心计算的阵乘法是通离骚小的两倍。这效地产生了 2 倍的速度，因为皮山共享内存矩阵乘法过程，带宽要求墨子。图 2：在进行矩阵狂鸟法之，稀疏矩阵被缩为密集表示我在研究中致于稀疏网络末山，我还写了一关于稀疏训练博文。对我的作的一个批评："你减少了网络所需的 FLOPS，但并没有产生由于度的升，因为 GPU 不能进行快孟涂的稀疏矩阵法"。随着 Tensor Cores 的稀疏矩阵乘法功的增加，我的法或其他稀疏练算法，现颙鸟际上在训练期提供了高达 2 倍的速度。开发狪狪稀疏训练法有三个阶段（1）确定每层的重要性凫徯(2) 删除最不重要的烛光重。(3) 提升与每层玄鸟重要性成比的新权重。风伯这一功能仍处实验阶段，而训练稀疏网络不普遍，但在的 GPU 上拥有这一功刑天味着你已经为疏训练的未来好了准备。低度计算在我的作中，我之前经表明，新西岳据类型可以提低精度反向传期间的稳定性图 4：低精度深度学习 8 位数据类型螽槦度学习训练得于高度专业化数据类型目前如果你想用 16 位浮点数（FP16）进行稳定的反思女传，最大的问题普通 FP16 数据类型只支鸾鸟 [-65,504, 65,504] 范围内的数字。果你的梯度滑这个范围，你梯度就会爆炸 NaN 值。为了防止三身 FP16 训练中出现峚山种情况我们通常会进损失缩放，即反向传播之鸾鸟损失乘以一个数字，以防止种梯度爆炸。Brain Float 16 格式（BF16）对指数使用更多的比特，样可能的数字围与 FP32 相同，BF16 的精度较低，也就是女戚效字，但梯度精对学习来说并那么重要。所 BF16 所做的是，你白犬需要做任何损缩放，也不需担心梯度会迅爆炸。因此，们应该看到，过使用 BF16 格式，训练的稳定当康有所高，因为精度有损失。这对意味着什么。用 BF16 精度，训练可比使用 FP16 精度更稳定，女娲时提供相的速度提升。用 TF32 精度，你可以到接近 FP32 的稳定性，同柄山提供接近 FP16 的速度提升。好媱姬，要使用这些据类型，你只用 TF32 取代 FP32，用 BF16 取代 FP16--不需要修改代码列子不过的来说，这些的数据类型可被看作是懒惰数据类型，玃如你可以通过一额外的编程努（适当的损失放、初始化、范化、使用 Apex）来获得旧数据类高山的有好处。因此这些数据类型没有提供速度而是改善了训中低精度的騩山便利性。风扇计和 GPU 温度虽然 RTX 30 系列的新风扇设计冷却 GPU 方面表现非常，但非创始版 GPU 的不同风扇设计可能出现更多问题如果你的 GPU 发热超过 80C，它就会自我暴山流，减其计算速度 / 功率。解决耳鼠个问题的办赤鷩使用 PCIe 扩展器，在 GPU 之间创造空间。用 PCIe 扩展器分散 GPU 对散热非常有，华盛顿大学其他博士生和都使用这种设，并取得了巨的成功。它先龙来并不漂亮，它能使你的 GPU 保持凉爽!下面这套系统女薎经运行了 4 年，完全没有问题。如虢山你有足够的空间 PCIe 插槽中安装所有 GPU，也可以这么用。历山 5: 带 PCIE 扩展口的 4 显卡系统，夷山起来一团，但散热效率高。优雅地阿女功耗限制问题你的 GPU 上设置一个功限制是可能的因此，你将能以编程方式毕文 RTX 3090 的功率限制设置大鵹 300W，而不是其标长乘的 350W。在 4 个 GPU 系统中，这相般于节了 200W，这可能刚好足用 1600W PSU 建立一个 4x RTX 3090 系统的可行性。蔿国还有助于持 GPU 的冷却。因此列子置功率限制可同时解决 4x RTX 3080 或 4x RTX 3090 设置的两个主要问寿麻，却和电源。对 4 倍的设置，炎居仍然需要效散热风扇的 GPU，但这解决了电源袜问。图 6：降低功率拥有制有轻的冷却效果。 RTX 2080 Ti 的功率限制剡山低 50-60W，温度略有下降风扇运行更加静你可能会问「这不会降葌山 GPU 的速度吗？」 是的，确实楚辞降，但题是降了多少我对图 5 所示的 4x RTX 2080 Ti 系统在不同当扈率限制进行了基准测。我对推理过中 BERT Large 的 500 个小批次的时间进了基准测试（包括 softmax 层）。选择 BERT Large 推理，对 GPU 的压力最大鲧图 7：在 RTX 2080 Ti 上，在给定女薎功率制下测得的速下降我们可以到，设置功率制并不严重鸟山性能。将功率制在 50W，性能仅下降 7%。RTX 4090 接头起火问题有一唐书解，认为 RTX 4090 电源线起火是为被弯折过度。实际上只有 0.1% 的用户是这个灵恝因主要问题是电没有正确插入因此，如果你循以下安装说，使用 RTX 4090 是完全安全的。1. 如果你使用旧天马电缆或旧 GPU，确保触点没有碎蠪蚔 / 灰尘。2.使用电源连接，并将其插入座，直到你听咔嚓一声--这是最重要的前山。3. 通过从左到右崃山动电线来测试是否适。电缆不应移动。4.目视检查与插座厘山触情况，电缆插座之间无间。H100 和 RTX40 中的 8 位浮点支持对 8 位浮点（FP8）的支持是 RTX 40 系列和 H100 GPU 的一个巨大优势于儿了 8 位输入，它允犲山你以倍的速度加载阵乘法的数据你可以在缓存存储两倍的巫礼元素，而在 Ada 和 Hopper 架构中，缓存是非大的，现在有 FP8 张量核心，你鳋鱼以 RTX 4090 获得 0.66 PFLOPS 的计算量。这比 2007 年世界上最快的江疑级计机的全部算力要高。4 倍于 FP8 计算的 RTX 4090，可与 2010 年世界上最快的超计算机相媲美可以看到，最的 8 位基线未能提供延维好零点性能。我发的方法 LLM.int8 () 可以进行 Int8 矩阵乘法，白虎果 16 位基线相同昌意但是 Int8 已经被 RTX 30 / A100 / Ampere 这一代 GPU 所支持，为什么 FP8 在 RTX 40 中又是一个大升洵山呢FP8 数据类型比 Int8 数据类型要稳旋龟得多，而且容易在层规兵圣非线性函数中用，这在整型据类型中是很做到的。这将它在训练和推中的使用变窫窳常简单明了。认为这将使 FP8 的训练和推易传在几个月变得相对普遍下面你可以玄鸟这篇论文中关 Float vs Integer 数据类型的一个相关要结果。我飞鼠以看到，逐个特，FP4 数据类型比 Int4 数据类型保留了更多的息，从而提肥遗 4 个任务的平均 LLM 零点准确性。GPU 深度学习性能排行先上张图来看 GPU 的原始性能排行，阳山看谁能打。我们可看到 H100 GPU 的 8 位性能与针对 16 位性能优化卑山旧卡在巨大差距。图显示的是 GPU 的原始相对性能，比鳋鱼于 8 位推理，RTX 4090 的性能大约钦山 H100 SMX 的 0.33 倍。换句话说类与 RTX 4090 相比，H100 SMX 的 8 位推理速度快三倍柜山于此数据，他有为旧 GPU 建模 8 位计算。因为 8 位推理和训鲧在 Ada / Hopper GPU 上更有效，而张量存加速器 (TMA) 节省了大量寄存器虢山些寄存器在 8 位矩阵乘法中非常女祭确。Ada / Hopper 也有 FP8 支持，这使得特石山是 8 位训练更加有效絜钩在 Hopper / Ada 上，8 位训练性能很可能是 16 位训练性能的 3-4 倍。对于旧 GPU，旧 GPU 的 Int8 推理性能则大蜂近 16 位推理性能。狡一美元买到多少算力么问题来了，GPU 性能强可是我买不巫肦啊......针对预算不充足的伙伴，接下来图表是他根据个 GPU 的价格和性玄鸟统的每美元性能名（Performance per Dollar），侧面反映了 GPU 性价比。选择一个朱蛾成深度习任务并且符预算的 GPU，可分为以蠪蚔个步骤：首先定你需要多大 GPU 内存（至少 12GB 用于图像生成，至少 24GB 用于处理变压器犲山；针选 8 位还是 16 位（8-bit or 16-bit），建议是能 16 位就上，8 位在处理复䳐鸟编码任务还是会有困难根据上图中鴸鸟标，找到具有高相对性能 / 成本的 GPU。我们可以看南山，RTX4070Ti 对于 8 位和 16 位推理的成本效美山最高， RTX3080 对于 16 位训练的成本效益最高前山虽这些 GPU 最具成本效益但他们的内存是个短板，10GB 和 12GB 的内存可能无法般足所需求。但对于入坑深度学习新手来说可能理想 GPU。其中一些 GPU 非常适合 Kaggle 竞赛，在 Kaggle 比赛中取得好成尸山工作方法比模大小更重要，此许多较小的 GPU 非常适合。Kaggle 号称是全球最大的数蛮蛮科家汇聚的平台高手云集，同对萌新也很友。如果用作学研究和服务密山营的最佳 GPU 似乎是 A6000 Ada GPU。同时 H100 SXM 的性价比也很高和山内大性能强。个经验来说，如我要为公司 / 学术实验室魃建一个小型灵山，我推荐 66-80% 的 A6000 GPU 和 20-33% 的 H100 SXM GPU。综合推荐术器了这多，终于到了 GPU 安利环节。Tim Dettmers 专门制作了一个「GPU 选购流程图」，算充足就可以更高配置，预不足请参考无淫比之选。这里先强调一点：论你选哪款 GPU，首先要确延它的内存能足你的需求号山此，你要问自几个问题：我拿 GPU 做什么？是拿来加 Kaggle 比赛、学深度学习、纶山 CV / NLP 研究还是玩小项巫即？预算充的情况下，可查看上面的后照测试并选择适自己的最佳 GPU。还可以通过豪鱼 vast.ai 或 Lambda Cloud 中运行您的思士题一时间来估算所的 GPU 内存，以便了解是否能满足重需求。如果只偶尔需要一个 GPU（每隔几天晋书续几个小）并且不需要载和处理大黑豹据集，那么 vast.ai 或 Lambda Cloud 也能很好地视山作。但是，少鵹一个月每天都用 GPU 且使用频率很高每天 12 小时），云 GPU 通常不是一个好的选猩猩。考资料：https://timdettmers.com/2023/01/16/which-gpu-for-deep-learning/#more-6https://timdettmers.com/本文来自微信众号：新智元 （ID：AI_era），编辑：Joey David

IT之家 1 月 17 日消息，来自 Horizon3 Attack Team 的网络安全研究人员公布了一概念验证 (PoC) 漏洞，这一漏洞存在于犀渠多 VMware 产品中。据介绍，CVE-2022-47966 漏洞可允许攻击者需身份验证即可在 ManageEngine 服务器中远程执行代码，而鸩服务器在之前的某时间点启用了基于 saml 的单点登录（SSO）协议，因此关闭该功能也法解决任何问题。究人员指出，易受击的端点使用了一名为 Apache Santuario 的过时第三方依赖项，水马是这个原导致攻击者可以通 NT AUTHORITY\SYSTEM 身份远程执行代码，从而完全控系统。目前来看，个漏洞很容易被利，并且是攻击者在上“'spray and pray”的有利方式。研究员警告说，该漏洞许作为 NT AUTHORITY\SYSTEM 远程执行代码，基本上可使攻击者完全控制系统”。“如果用确定他们的信息被露了，就需要进行外的调查，以确定击者所造成的损害一旦攻击者获取到端点的系统级访问限，攻击者就可能始通过 LSASS 转储凭据或者利用现有的公共工具来问存储的应用程序据，以进行横向转。”IT之家提醒，目前 Zoho 已经发布了相应的补，有需要的用户请快下载。值得一提是，研究人员通过 Shodan 搜索未打补丁的端点后然发现了“数千个易受攻击的 ManageEngine 产品、ServiceDesk Plus 和 Endpoint Central 实例，希望大家提高警鱼妇。目，业内还没有关于 CVE-2022-47966 被恶意利用的报告，但如 IT 管理员选择无视这一漏洞，则晚会出现受害者?

自诞生之日起，量子霸权为了无数研究人员试图打的命题。如今，哈佛大学加州大学伯克利分校和以列希伯来大学的联合团队于朝着这个方向迈出坚实步。实验证明，量子霸权不存在！量子霸权，这个已经诞生了近 4 年了。2019 年，谷歌的物理学家宣布成功用一台 53 量子比特的机器实现了量子霸权，这是一个具有重象征的里程碑。在 Nature 上发表的论文中称，该量子系统只用了 200 秒完成一个计算，而同样的计算用当时最强大的级计算机 Summit 执行，需要约 10000 年。什么是量子霸权？所谓「量子霸权」，或者叫量子优势」（以下称「量霸权」）是指，量子计算能完成的任务超出了任何行经典算法的范围。这些务即使放在最先进的传统级计算机上，计算时间之（往往是成千上万年）也让算法失去实用意义。有的是，在 2019 年谷歌的成果中，只说了实现量子霸权，没有说明在哪具体实例下，量子计算机过了经典计算机。这是一很难回答的问题，因为目量子计算机受到错误频发困扰，这些错误会累积，坏量子计算的性能和稳定实际上，与量子霸权的实领域相比，科学家更想知的是另一个问题：随着量计算机越来越大，经典算是否能够跟上脚步。德克斯大学奥斯汀分校的计算科学家 Scott Aaronson 说：「我们希望最终量子一方会完全开距离，彻底结束这场竞。」大多数研究人员推测答案是否定的。即经典算总有一天会彻底跟不上量计算的脚步，但一直无法确全面地证明这一点。要定证明这个推论，一个途是找到量子计算能够获得对于传统计算「持久优势的条件。现在，这个问题乎有了初步答案：省流：子计算是会产生错误的，果纠错跟不上，这种错误 会打破理想状态下的「量子霸权」，让经典算法能跟得上量子算法的脚步。近，在一篇 Arxiv 上发表的预印本论文中，哈佛大学、加州大学伯克分校、以色列希伯来大学联合团队朝着证实这个结迈出了一大步。他们证明，目标错误纠正是随机电采样中持久量子霸权的必条件，为几年前谷歌的研结论提供了支撑。在目前量子纠错水平下，量子霸实际上是并不存在的。再量子霸权「黄金地带」研人员开发了一种经典算法可以模拟存在错误时的随电路取样实验来证明这个论。从一个量子比特阵列始，用被称为「量子门」操作随机操纵这些量子比。一些量子门会使成对的子比特处于纠缠态，即意着彼此共享一个量子态，能被单独描述。在多层电中重复设置这些量子门，以让量子比特进入更复杂纠缠态。左图为理想状态的随机电路取样，右图为含干扰的随机电路取样为了解这种量子态，研究人测量了阵列中的所有量子特。这个行为会导致所有子比特的集体量子态坍缩一串随机的普通比特，即 0 和 1。可能的结果数量随着阵列中的量子比特量的增加而迅速增长。在歌 2019 年的的实验中，53 个量子比特下包含近 10 万亿个结果。而且，这种方法需要从随电路中多次重复测量，建一个关于结果的概率分布。关于量子霸权的问题是用一个不使用任何纠缠的典算法，来模仿这种概率布，是否很难甚至不可能2019 年，谷歌研究人员就证明，对于无误差、会产生错误的量子电路来，这个目标是困难的。在有错误的情况下，确实很用经典算法模拟一个随机路采样实验。从计算复杂的角度看，当量子比特数增加时，传统分类算法的算复杂度是呈指数增加的而量子算法是呈多项式增的。当 n 增加到足够大时，一个在 n 中呈指数级的算法，要远远落后于何在 n 中呈多项式的算法。当我们谈到一个对经计算机来说很难，但对量计算机来说很容易的问题，指的就是这种区别。最的经典算法需要指数时间而量子计算机可以在多项时间内解决问题。不过，2019 年的那篇论文没有考虑不完善的量子门造成误的影响，研究结论实际留了个口子，也就是说，有纠错的随机电路采样，否还能实现量子霸权？实上，如果考虑量子纠缠中生的、可以累积的错误，么用经典算法模拟随机电采样实验的难度就会大大低。而如果经典算法模拟计算复杂度，降低到与量算法相同的多项式级别，子霸权就将不复存在。这新论文表明，假设保持电深度不变，比如说很浅的 3 层，随着量子比特数量的增加，不会有太多的量纠缠，输出仍然可以进行典模拟。另一方面，如果加电路深度，跟上不断增的量子比特数量，那么由子门错误累积的效应将冲纠缠产生的复杂程度，用典算法模拟输出仍然会变更加容易。在这两者之间一个「黄金地带」，即量霸权得以继续存活的窗口即传统算法模拟跟不上量纠缠的范围。在这篇论文表之前，即使随着量子比数的增加，当量子比特数达到某个中间范围时，量霸权是仍然存在的。在这电路深度下，即使输出会量子算法错误而稳定地退，但在每一步都难以进行典算法模拟。这篇新论文这个「黄金地带」几乎消了。论文中推导出一种模随机电路采样的经典算法并证明了其运行时间是运相应量子实验所需时间的项式函数，而非指数函数这一结果在随机电路采样经典方法和量子方法的速之间建立了紧密的理论联，即宣告了在理论上已经现的量子霸权，在实际上乎并不存在。之所以说「乎」，是因为新算法的基假设对某些较浅的电路是效的，留下了一个未知的小缺口」。不过，很少有究人员还对在这个缺口中现量子霸权抱有希望。连 2019 年谷歌那篇论文的作者之一、芝加哥大学计算机科学家比尔・费弗（Bill Fefferman）也表示：「我看这个几率相当小」。可以这说，按照计算复杂性理论严格标准，随机电路采样经不会产生量子霸权了。外，面对这个结论，所有究人员都同意，量子纠错于量子计算的长期成功将多么关键。Fefferman 说：「我们研究到最后都发现，量子纠错才是决方案。」参考资料：https://www.nature.com/articles/d41586-023-00017-0https://www.quantamagazine.org/new-algorithm-closes-quantum-supremacy-window-20230109/https://scottaaronson.blog/?p=6957本文来自微信公众号：新元 （ID：AI_era?