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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #994 · 11.07

Мастерская 1/4 Наконец доделали ремонт на втором балконе. Это был не самый простой процесс, на который я убил свой майский отпуск, несмотря на то, что работы выполняла фирма. А для установки декоративной рейки пришлось смоделировать и напечатать для рабочих на 3D-принтере специальные шаблоны по разметке и позиционированию. Дизайн придумали вместе с Юлей. Сейчас начал создавать в этом помещении свою мастерскую: хранение инструмента, деталей, место для пайки и других работ, зоны под 3D-принтеры и может другие небольшие станки. Да, знаю, что вы подумали — такое красивое помещение и под мастерскую. И я даже согласен с этим. Но мастерская нужна, других мест под неё нет (если не считать абсурдные варианты типа "идти зимой в гараж каждый раз, когда нужно что-то припаять). Поэтому всё буду делать так, чтобы максимально не повредить оформление: всё будет навесное и демонтируемое. Буду показывать, что получается, stay tuned. #diy#life

Hashtags

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