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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #590 · 10.10

На выходных чуть-чуть потестировал 3.5-дюймовый дрон iFlight Protek 35. Такие дроны обычно двигаются медленнее, имеют защиту пропеллеров и меньше весят, чем пятёрки или семёрки, поэтому более устойчивы к ударам и другим ошибкам пилотирования. Это позволяет больше рисковать при полёте. Опытные пилоты могут проскакивать в узкие проёмы, а я вот попробовал полетать низко над землёй. Ничего впечатляющего пока, надеюсь на днях удастся съездить полетать нормально. Возить полновесную GoPro 10 этому дрону тяжело. Да, я знаю, что есть облегчённая модель для дронов GoPro 10 Bones, но её нигде не достать за адекватные деньги. Чуть позже напишу об этих урезанных камерах подробнее. В общем, батарейки хватает на 3 минуты, нужно облегчать, деваться некуда. Но уже начинает появляться чувство, что не очень страшно влететь в какие-нибудь ветки или стукнуться о землю (я разок даже стукнулся). Буду тренироваться дальше. #drone#hobby#gadgets

Резултати

Намерени 50 подобни публикации

Търсене: #dl

当前筛选 #dl清除筛选
Repositorio data science

@repo_science · Post #4131 · 18.05.2024 г., 21:06

​​#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 -----

Hashtags

Am Neumarkt 😱

@amneumarkt · Post #691 · 05.10.2025 г., 07:41

#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

Hashtags

Am Neumarkt 😱

@amneumarkt · Post #506 · 13.11.2023 г., 08:30

#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

Hashtags

ПредишнаСтр. 1 от 5Следваща