Пока после пожара отключен лифт, я сходил физически в магазин за продуктами. Сто лет как не был, доставка слишком удобное изобретение.
Уже на месте понял, что у меня с собой нет физических денег, тем более монет, а даже в современных Лентах по неведомой мне причине тележки до сих пор берутся за монетку. Типа, такой островок древнейшей отсталости посреди всех этих оплат телефоном, автоматизированных касс и переносных считывателей, которые берёт сам покупатель.
В итоге, порядок действий был такой:
1. Через СБП перекинул 100р на Сбер, потому что он умеет авторизовывать человека в банкомате без карты.
2. Высветил на банкомате QR-код для авторизации.
3. Отпечатком пальца залогинился в приложение Сбера, чтобы прочитать этот код.
4. Снял без карты 100р.
5. Отнёс их физически в автомат-разменник, стоявший в том же магазине.
PROFIT!
Вот так комбинация передовых технологий позволила решить проблему, связанную с технологиями пещерных людей. Завтра всё-таки поставлю на печать брелок для обмана этих тележек.
#life
#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