Традиционно полёт на коптере сравнивают с птицей или, например, подъёмом на высокое место и обзором оттуда. Пока я летал в горах, мне пришло в голову другое сравнение — выход из тела.
Это ощущение есть именно в FPV-очках — твоё физическое тело как бы теряет материальность, потому что, помимо зрения, которое теперь идёт из камеры коптера, ты ещё и концентрируешься на управлении, из-за чего чувствуешь только кончики пальцев на стиках.
Это очень любопытно: технологии позволяют вполне реально переживать то, что до этого было описано, как эзотерическая практика, весьма далёкая от науки и объективности.
Постарался сделать это видео расслабляющим. Переключите плеер в высокое качество и не забудьте звук.
#drone#travel#hobby
https://www.youtube.com/watch?v=Prz2c3z73tE&r=3
#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