TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1065 · 23.01

Вернулся в фотополимерную печать, и сразу с болью вспомнил, как много там возни. Да, детализация получается такая, что лучшим FDM не снилась, но всё-таки важнейший недостаток в том, что о возникновении проблемы при печати становится известно только к её середине, когда моделька уже на какую-то высоту покажется из жидкости. Из-за этого на тесты уходит и дорогой полимер и время. Тем более, после неудачи нередко нужно целиком сливать резину, очищать плёнку, всё мыть и так далее. Впрочем, за прошедшие годы это направление развилось. Фотополимер стал дешевле и, что самое главное, появились водосмываемые варианты. Если раньше приходилось вонять дорогим и сложным к добыче изопропанолом, но сейчас тёплая водичка, доступная в любых количествах, решает проблему отмывки. Хотя сам полимер тоже сильно воняет. Появились версии без запаха, но они-то как раз спиртосмываемые. Короче, почти неделю я бился с засветкой, менял настройки и расположение детали. То отвалится с поддержек, то слои смещаются, то к плёнке прилипнет. А оказалось всё просто: проблема механики. Рельса стала люфтить, пришлось разбирать её и натягивать эксцентрик. Никогда не стоит забывать проверять все аспекты. Если устройство состоит из химии и механики, то стоит учитывать возможный косяк и там и там. Увидел, что в какой-то момент в моей мастерской одновременно работало два принтера. Да у меня же... принт-ферма! #gadgets

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #unifiedembedding

当前筛选 #unifiedembedding清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8801 · 17.10.2025 г., 10:13

⚡️ Omni-Embed-Nemotron - новая единая модель от NVIDIA для поиска по тексту, изображениям, аудио и видео Модель обучена на разнообразных мультимодальных данных и может объединять разные типы входных сигналов в общее векторное представление. - Поддержка всех типов данных: текст, изображение, аудио, видео. - Основана на архитектуре Qwen Omni (Thinker-модуль, без генерации текста). - Контекст - до 32 768 токенов, размер embedding — 2048. - Оптимизирована под GPU, поддерживает FlashAttention 2. Это делает её идеальной для: - кросс-модального поиска (поиск текста по видео или изображению); - улучшения RAG-проектов; - систем мультимодального понимания контента. Просто, быстро и эффективно - всё в одном открытом решении. 🌐 Открытая модель: https://huggingface.co/nvidia/omni-embed-nemotron-3b @ai_machinelearning_big_data #crossmodal#retrieval#openAI#NVIDIA#OmniEmbed#multimodal#AIModels#OpenSource#Search#UnifiedEmbedding