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

TGINSIGHT SIMILAR POSTS

Найти похожее

Источник @procode404 · Post #3471 · 1 мар.

​⌨️Фреймворк SvelteJS: главный конкурент ReactJS и VueJS За последние годы SvelteJS приобретает все большую популярность среди фронтенд-разработчиков. И зачастую его даже выбирают вместо устоявшихся и проверенных фреймворков. В этом плейлисте автор расскажет про SvelteJS и пройдется по всем его основным фичам. 1. Что такое SvelteJS (отличие от React, Angular, Vue) [6:04] 2. Как работает SvelteJS [12:37] 3. Переменные и стили в SvelteJS [12:48] 4. Как добавлять события в SvelteJS [10:56] 5. Реактивность в SvelteJS [10:59] 6. Как SvelteJS работает с формами (bind) [7:44] 7. Как работают условные операторы в SvelteJS [8:22] 8. Как создавать компоненты в SvelteJS [10:29] 9. Как работают циклы в SvelteJS. Зачем нужен key [14:24] #javascript

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