В Tomorrowland тоже дисплей для отсчёта времени на сдвоенных индикаторах сделали, но видно бюджеты были побольше, ради нескольких секунд экранного времени у них 12 штук ИН-18 ;)
Про картинку в ответ интересно, если по капотом stable diffusion, то она обычно 4 картинки на выбор даёт, а здесь только одна — это в serve.py такие настройки вызова SD?
И можно следующим промтом картинку доработать, т.е. сохранить seed и поправить промпт в SD, чтобы работало скажем такое "добавь к картинке пчёл летающих вокруг цветка"?
Не надо быть сеньором, чтобы схватить поток. Это состояние случается и во время обучения, как раз само собой случается чаще именно за счёт низкой базы, когда всё новое и практически любая задача интересна.
Поток это все же не одержимость или эффект от базы. Это максимальный фокус здесь и сейчас, может длиться час, два, больше, но вынырнуть всё равно придётся. Круто, если задача не долгая, тогда мозг порадуется, что всё готово, если что-то долгое или не вышло за один присест, то будет донимать гениальным решением по ночам ;)
Очень странные показатели AIDA-теста для виртуализации. Часть тестов сильно просели (смотрю на 1 ядро, сравнивать 16 и 8 сложно =). А часть тестов получается быстрее, чем на хосте. Чтение-запись памяти вовсе в два раза быстрее в виртуальной машине.
В какой-то момент, изучая регексы, особенно в языках, где ими очень просто пользоваться (perl, да), начинаешь фантазировать, что можно все задачи со строками решить только регекспами, вплоть до парсинга html!
Но со временем эти фантазии улетучиваются и сначала в регулярках перестаешь применять неочевидные pcre-шные операции, за расшифровкой которых лезешь в man, а потом и вовсе применяешь регуляки для не сложных валидаций, где хватает базового набора, перечисленного в статье.
Для решения задачи писать с любого устройства я выбираю Google docs. После потери кусков текста в редакторе хабра, даже не суюсь туда на этапе творчества. Посмотрите, вдруг подойдёт. Сейчас в docs появился markdown режим, можно на финальном этапе скопировать всё набранное в виде markdown сразу в редактор и дальше картинки расставлять.
Я бы хотел иметь команду навроде docker check IMAGE_NAME latest
Можно с помощью crane или skopeo узнать дайджест образа в регистри без полного скачивания. Ну или даже curl-ом, дайджест в заголовке надо будет словить.
Декларативно задаётся желаемое состояние, но при переходе из одного декларативного состояния в другое могут быть проблемы с окружением.
Я не уверен, что k8sgpt обучен на логах и метриках, там слишком большая вариативность. Скорее похоже на то, что модель обучена по ресурсам Events и по статусам встроенных ресурсов, где как раз отражаются проблемы окружения.
Я бы сказал, что это разные инструменты, но они дополняют друг друга. Если проводить аналогию с обычным кодом, то kubectl-validate это статический анализатор, который не может сообщить о проблемах окружения в рантайме.
Да, у mermaid неоспоримое достоинство по сравнению с plantuml, что его поддерживают gitlab и github в markdown без дополнительных приседаний с рендерингом в картинки. А по фичам, форматированию и отрисовке plantuml конечно сильно выигрывает.
Прям в точку. Почему-то раньше не слышал такого определения, буду теперь использовать, спасибо.
Ещё во всём этом сквозит боязнь ошибиться, боязнь «растратить драгоценное время на ерунду», разбираясь с системой сборки джаваскрипта, вместо изучения платы с транспьютерами. Но выходит скорее наоборот, на самом деле больше времени потратишь на теоретизирование и на поиски статей со сравнениями, чем на практические эксперименты.
Периодически кстати приходится себя выдёргивать из этого состояния паралича и брать первую попавшуюся либу, чтобы уж написать poc, пощупать как это получается и гуглить уже конкретные ошибки.
В Tomorrowland тоже дисплей для отсчёта времени на сдвоенных индикаторах сделали, но видно бюджеты были побольше, ради нескольких секунд экранного времени у них 12 штук ИН-18 ;)
Про картинку в ответ интересно, если по капотом stable diffusion, то она обычно 4 картинки на выбор даёт, а здесь только одна — это в serve.py такие настройки вызова SD?
И можно следующим промтом картинку доработать, т.е. сохранить seed и поправить промпт в SD, чтобы работало скажем такое "добавь к картинке пчёл летающих вокруг цветка"?
Не надо быть сеньором, чтобы схватить поток. Это состояние случается и во время обучения, как раз само собой случается чаще именно за счёт низкой базы, когда всё новое и практически любая задача интересна.
Поток это все же не одержимость или эффект от базы. Это максимальный фокус здесь и сейчас, может длиться час, два, больше, но вынырнуть всё равно придётся. Круто, если задача не долгая, тогда мозг порадуется, что всё готово, если что-то долгое или не вышло за один присест, то будет донимать гениальным решением по ночам ;)
На месте Wiz Research я бы даже заплатил DeepSeek, чтобы их обследовать, это ж какая реклама!
Очень странные показатели AIDA-теста для виртуализации. Часть тестов сильно просели (смотрю на 1 ядро, сравнивать 16 и 8 сложно =). А часть тестов получается быстрее, чем на хосте. Чтение-запись памяти вовсе в два раза быстрее в виртуальной машине.
TUI — новый этап? Просто оставлю эту ссылку https://en.m.wikipedia.org/wiki/Curses_(programming_library)
В какой-то момент, изучая регексы, особенно в языках, где ими очень просто пользоваться (perl, да), начинаешь фантазировать, что можно все задачи со строками решить только регекспами, вплоть до парсинга html!
Но со временем эти фантазии улетучиваются и сначала в регулярках перестаешь применять неочевидные pcre-шные операции, за расшифровкой которых лезешь в man, а потом и вовсе применяешь регуляки для не сложных валидаций, где хватает базового набора, перечисленного в статье.
Для решения задачи писать с любого устройства я выбираю Google docs. После потери кусков текста в редакторе хабра, даже не суюсь туда на этапе творчества. Посмотрите, вдруг подойдёт. Сейчас в docs появился markdown режим, можно на финальном этапе скопировать всё набранное в виде markdown сразу в редактор и дальше картинки расставлять.
Можно с помощью crane или skopeo узнать дайджест образа в регистри без полного скачивания. Ну или даже curl-ом, дайджест в заголовке надо будет словить.
Декларативно задаётся желаемое состояние, но при переходе из одного декларативного состояния в другое могут быть проблемы с окружением.
Я не уверен, что k8sgpt обучен на логах и метриках, там слишком большая вариативность. Скорее похоже на то, что модель обучена по ресурсам Events и по статусам встроенных ресурсов, где как раз отражаются проблемы окружения.
Я бы сказал, что это разные инструменты, но они дополняют друг друга. Если проводить аналогию с обычным кодом, то kubectl-validate это статический анализатор, который не может сообщить о проблемах окружения в рантайме.
АЛ102
Вот упоминание в списке top500
https://top500.org/system/169762/
x509sha1=1 это не "явный отказ от поддержки", а как раз возврат поддержки sha1, чтобы можно было использовать старый хэш.
P.s. почитал дальше, перевод в целом неудачный какой-то.
Интуитивно, принципиальная модель, начерченная на плоскости это будто бы 2D модель. Почему 1D?
Лучше принести plantuml в гитлаб ;)
Да, у mermaid неоспоримое достоинство по сравнению с plantuml, что его поддерживают gitlab и github в markdown без дополнительных приседаний с рендерингом в картинки. А по фичам, форматированию и отрисовке plantuml конечно сильно выигрывает.
Ну или более оптимистично — уменьшение энтропии
Немного душнизма: производство чипов это фотолитография, не литьё.
Прям в точку. Почему-то раньше не слышал такого определения, буду теперь использовать, спасибо.
Ещё во всём этом сквозит боязнь ошибиться, боязнь «растратить драгоценное время на ерунду», разбираясь с системой сборки джаваскрипта, вместо изучения платы с транспьютерами. Но выходит скорее наоборот, на самом деле больше времени потратишь на теоретизирование и на поиски статей со сравнениями, чем на практические эксперименты.
Периодически кстати приходится себя выдёргивать из этого состояния паралича и брать первую попавшуюся либу, чтобы уж написать poc, пощупать как это получается и гуглить уже конкретные ошибки.