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
#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