У ВК день рождения. В прошлые годы я писал огромные простыни о том, какие ошибки допускает руководство, как можно было бы их исправить, и желал любимой соцсети всё-таки выбраться из ямы бестолкового менеджмента.
С тех пор лучше не стало, поэтому простыню я не буду писать, надоело. Одни из самых пишущих и интересных авторов среди моих знакомых уже почти все ушли по другим соцсетям (даже в отвратительнейший Фейсбук!), и это самый что ни на есть яркий сигнал, на мой взгляд.
Но приведу ещё любопытный момент. Под постом гендира ВК бОльшая часть комментариев — негативные или резко-негативные. С одной стороны, значительная часть этих комментариев про платную музыку, то есть от детей или дураков, которых можно игнорировать. С другой стороны, когда тот же Телеграм пишет новости о себе, ответы в основном положительные и хвалебные, даже восторженные. Но администрация, конечно, об этом нюансе задумываться не станет. У них там статистика про миллиард просмотров видео в день, отчёты о росте, им не до этого.
#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