Ухожу потихоньку с платных западных сервисов. Написал в три компании, Google Cloud, DigitalOcean и GitHub, везде я отключил или перевел в бесплатные свои аккаунты, но везде оставался долг.
Сообщение было примерно такое (на английском): «Привет, я из России. Не могу оплатить из-за ограничений платежных систем. Я уже отключил все платные функции, однако, я должен вам столько-то за последний месяц и хочу заплатить. Какие мои действия?»
Мои ожидания: они либо напишут «Ок, вот инструкция, как заплатить», либо напишут «Ок, можешь не платить».
GitHub:
«Ок, можешь не платить»
DigitalOcean:
«Вот тебе 60 дней на самостоятельные поиски способа оплаты, обязательно найди способ сам и оплати»
Google:
«Мы понимаем, что ты не можешь заплатить. Но ты нам должен. Но не можешь. Ничего с этим не можем сделать тоже. Спасибо за обращение»
Ну то есть в Гугле даже не уточнили, даётся ли отсрочка, заблочат ли мой аккаунт навсегда итд, они по сути просто повторили факты из моего вопроса: в России заплатить нельзя. Хотя из этих трёх компаний только они выставляли счёт в рублях.
Ну ладно, не хотят, фиг с ними.
#web
#DL
📱
Zeus New Pytorch Ecosystem Tool
Zeus is an open source toolkit for measuring and optimizing power consumption of deep learning workloads.
🖥Github
-----
Main channel: @repo_science
Coupons: @freecoupons_reposcience
-----
#dl
Park, Chanwook, Sourav Saha, Jiachen Guo, Hantao Zhang, Xiaoyu Xie, Miguel A. Bessa, Dong Qian, et al. 2025. “Unifying Machine Learning and Interpolation Theory via Interpolating Neural Networks.” Nature Communications 16 (1): 1–12.
https://www.nature.com/articles/s41467-025-63790-8
#dl
A few cool ideas in this model.
Introducing Gemma 3n: The developer guide - Google Developers Blog
https://developers.googleblog.com/en/introducing-gemma-3n-developer-guide/
#dl
There is this new lib called scale. One could compile CUDA code to use it on AMD GPU.
https://docs.scale-lang.com/manual/how-to-use/
I don't know who is more pissed off, NVidia or AMD.
#dl
This repo is really nice.
yuanchenyang/smalldiffusion: Simple and readable code for training and sampling from diffusion models
https://github.com/yuanchenyang/smalldiffusion
#dl
Google & USC benchmarked a prompt based forecasting method, and the results are amazing.
Cao D, Jia F, Arik SO, Pfister T, Zheng Y, Ye W, et al. TEMPO: Prompt-based Generative Pre-trained Transformer for time series forecasting. arXiv [cs.LG]. 2023. Available: http://arxiv.org/abs/2310.04948