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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #536 · 5.09

Сегодня впервые попробовал Nazgul 5. Очень страшно, но очень круто. О впечатлениях от полета я расскажу завтра, когда будет готово видео. А пока повосхищаюсь самим аппаратом. Nazgul 5 это пятидюймовый гоночно-фристайловый квадрокоптер от китайской компании iFlight. "Пять дюймов" в обозначении класса дронов — это диаметр окружности, описанной вокруг пропеллера. Ещё у меня лежит нераспакованный 7" коптер и идёт по почте 3.5". Такие дроны делаются совсем не так, как у DJI. Здесь всё принесено в жертву эффективности и модульности: рама из листового карбона, распространенный полётный контроллер с open source прошивкой, и, что меня особенно поразило — первый в моей жизни коммерческий серийный продукт, где всерьёз используются 3D-печатные детали. Знаю, что подобное встречается у самих 3D-принтеров, но там скорее некоторая дань моде, а здесь буквально уместное применение: компания предоставляет модели для самостоятельной печати, если ты после падения что-то сломаешь. При этом сборка очень добротная, качество высокое, есть претензия на дизайн. Девайс приятно вертеть в руках, он ощущается эдакой выжимкой "всё нужное и ничего лишнего". Но, конечно, здесь не будет как у DJI: достал из коробки и пошёл летать. Сначала я потратил вечер на всякие настройки прошивки через компьютер и связывание этого всего с пультом и очками. Очки кстати подходят от DJI, а вот пульт нужен специальный, который я разбирал в одном из предыдущих постов. Аккумулятор у такого дрона покупается отдельно и крепится к раме обычными ремнями-липучками. Он даже не ощущается частью общей конструкции, а скорее некоторым грузом, который коптер везёт на себе. В общем, по-своему красивая и гармоничная вещица. А уж в полёте... Но об этом завтра :) #drone#gadgets

Резултати

Намерени 1 подобни публикации

Търсене: #optimizatio

当前筛选 #optimizatio清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8587 · 19.09.2025 г., 09:09

🚀 SakanaAI представил Robust Agentic CUDA Kernel Optimization Это новый подход, где LLM помогает оптимизировать CUDA-ядра для PyTorch. • Слияние операций ускоряет forward/backward-проходы, результаты выше стандартных Torch-базлайнов • Полный пайплайн: PyTorch → генерация CUDA-кода → эволюционная оптимизация во время работы • Проверка через LLM: модели автоматически отмечают неправильные ядра (дает +30% к производительности) • robust-kbench — собственный бенчмарк, где измеряют не только скорость, но и корректность работы LLM Авторы пишут о 2.5x ускорении над PyTorch eager и даже 6x в линейных операциях❗️ Но большинство примеров — это тесты на слияние операций с неотюненной базой, так что цифры спорные. К тому же PyTorch 2.5 уже внедряет похожие оптимизации ), поэтому такие рекорды могут быстро обесцениться. Это интересный подход к самообучающимся AI-компиляторам, но заявленные ускорения стоит проверять на праактике. 🟢Github: https://github.com/SakanaAI/robust-kbench 🟢Статья: https://arxiv.org/abs/2509.14279 @ai_machinelearning_big_data #AI#CUDA#PyTorch#SakanaAI#LLM#Optimizatio