Посты про путешествие вызвали самый большой отток подписчиков в Телеграме за всё время существования канала. При этом ВКонтакте, наоборот, активность повысилась в эти дни.
Всё чаще подтверждается, что от Телеграма ждут всё-таки некоторой единой тематики. То есть человек подписывается не на блог такого-то автора, а на блог про такие-то штуки. А я вот так и не остановился ни на какой единственной теме: хочется писать про разное.
Но да, я и сам не люблю трэвел-блоги. На мой взгляд они какие-то очень уж одинаковые. Хотя вот смотрел на ютубе про мотопутешествия и про чувака на товарных поездах. И там и там именно формат путешествия был интересен. В остальном же: если место тебе не нравится, то смотреть не хочешь. А если нравится, то обычно до него сложно добраться, и ты понимаешь, что вероятнее всего никогда в жизни там не окажешься.
Но я всё равно сужать тематику блога не стану. У меня ещё кстати много съёмок, в том числе с коптера, займусь монтажом, как время освободится.
#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