Кинопаб очень удобный. Я долго на него не подписывался, потому что стремился честно покупать контент. Но, если авторы сами отказываются получать деньги, я себя из-за их капризов ограничивать не стану, поэтому тот же Нетфликс был заменен на Кинопаб.
Кто не знает, это такой пиратский платный сайт с фильмами и сериалами. Платность избавляет его от рекламного мусора, который вы в неадекватных количествах можете увидеть, если просто наберёте в гугле "Такой-то сериал смотреть онлайн". Ну и владельцы стремятся, например, предоставлять 4k-версии и разные аудиодорожки, где это возможно.
Веб, нативные приложения под все платформы (удобная установка везде кроме iOS, конечно же), в том числе под умные телевизоры. Киллер-фича: персональное зеркало, чтобы не морочиться с VPN. Есть всё, что на Нетфликсе, и еще много чего сверху.
В общем, сделано людьми для людей и мимо корпораций. Круто, что такие штуки существуют.
#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