TGTGInsightаналитика telegramLIVE / telegram public index
← [404] — программирование

TGINSIGHT SIMILAR POSTS

Найти похожее

Источник @procode404 · Post #3441 · 7 февр.

​​👨‍💻Программирование на Golang для начинающих Плейлист по разработке на go. В ходе уроков вы сможете познакомиться с основами языка и его синтаксисом, а также сможете на практике написать своего Telegram-бота. 1. Типы и переменные [15:01] 2. Переменные и ошибки с ними [16:26] 3. Циклы [14:41] 4. Массивы и срезы [9:33] 5. Словари [7:45] 6. Функции [10:14] 7. Структуры [10:28] 8. Парсер на Golang. Telegram и Go [13:54] 9. Telegram bot. Используем webhook [10:54] 10. Telegram bot. Собираем данные пользователей [6:13] 11. Фильтр сообщений для Telegram [5:11] 12. Telegram bot. Отправляем фото из облачного хранилища [7:12] 13. Упаковываем приложение в Docker [7:22] #go

Hashtags

Результаты

Найдено 1 похожих постов

Поиск: #image23

当前筛选 #image23清除筛选
Earth&Climate Tech

@earth_climate_tech · Post #381 · 04.09.2023, 21:57

​​IMAGE'23 и генерация моделей по подсказке Всем привет! Пропал-пропал, был на конференции IMAGE'23. Это такая огромная, на тысяч 6-7 человек, геотехническая конференция в Хьюстоне для специалистов в области геонаук, полезных ископаемых и (уже) декарбонизации. Самые большие секции были посвящены машинному обучению в геонауках. На одной из них я показал наши эксперименты в области Генеративного ИИ (Generative AI), а именно первые наброски того как можно генерировать реалистичные геологические\сейсмические модели с помощью семантически понятного текста. Типа говоришь "йоу, модель, сделай мне низкочастотный сейсмический разрез с двумя сбросовыми разломами в восточной части и добавь немного шума". И на выходе получаешь реалистичный сейсмический разрез удовлетворяющий твоему описанию, или получаешь сразу несколько разных разрезов, ведь генерация стохастическая. Использовали мы немного модифицированную версию знаменитой нейронки Dalle-E2 от Open AI, которую обучили с нуля. Точнее три ее компонента: ✅CLIP - для семантической связи между текстом и изображением(моделью) и преобразования последнего в векторное представление; ✅ Diffusion Prior - для стохастической генерации текстовых векторных представлений в текстовые представления изображения(модели) и ✅ Decoder - для стохастической генерации самих изображений(моделей) из их векторного представления. Последняя нейроночка использует диффузионную модель. Получилось неплохо! На второй картинке пример моделей, которые сгенерировались по соответствующей подсказке. Конечно отправлять в продакшн еще рановато, но идея, кажется, работает не только на кошечках и собачках. #Image23#conference#ML#AI#subsurface