Впервые что-то подобное слышу про GtkWave. Позвольте полюбопытствовать какие конкретно аспекты работы с ним вызывают повышенное слюноотделение, быть может более опытные товарищи поделятся советами как обуздать опенсорс.
Т.е. в доступном пользователю тайп-си будет в числе прочего прямой доступ к SWD? Считаю плохой практикой вешать на пользовательский что-то левое, способное окирпичить девайс, тем более в устройствах, которые выпускаются не в единичном экземпляре.
Когда деревья были зеленее, а контактов в разъёме USB было меньше, использовались аппаратные решения на базе микросхем USB-switch: в кабель на стороне device добавлялся резистор на пин ID, а USB-switch на основе анализа номинала сопротивления внутри девайса аппаратно коммутировал DP/DN к USB/UART/SWD/whatever you want...
Дьявол кроется в мелочах: все эти "работы мечты" в SpaceX, Lockheed Martin, etc разбиваются об одно маленькое, но обязательное требование: This position requires a goverment security clearance, you must be a US Citizen for consideration
"Сокращение времени обучения в N раз" - процедура не бесплатная, более того имеющая какой-то запас масштабируемости в рамках уже используемого железа/подхода при увеличении стоимости железа в M раз.
Т.о. вопросы (от эксплуатантов этой инфраструктуры) остаются прежними при выборе/сравнении GPU vs FPGA:
при единоразовой трате на оборудование в Х рублей сколько обученных ИНС можно получить в год/месяц/день?
какие эксплуатационные расходы необходимы для получения одной обученной ИНС на этом оборудовании?
И даже если на графиках GPU vs FPGA (X/Y: time/$) FPGA где-то догонит и перегонит GPU, то это может быть очень большой срок, который врядли устроит эксплуатантов (и склонит их выбор в сторону FPGA). А если они не готовы платить, то уже имеем то, что имеем: "общее низкое число специалистов, слабое сообщество, бесконечная сложность написания кода по сравнению с PyTorch". Рыночек порешал, как говорится.
А во главе всего — отсутствие решающего преимущества
В начале статьи очень много рассуждений об абстрактных преимуществах и недостатках обучения ИНС на том или ином железе, но потом почему-то сразу резкий переход на обсуждение конкретных имплементаций в ПЛИС, а что и ради чего оптимизируем - как-то упущено.
В капиталистическом обществе эксплуатантов интересуют только две вещи: CapEx & OpEx. Лично я не вижу у ПЛИС для задачи обучения ИНС какого-то картбаланша, чтобы при удачном стечении обстоятельств (имплементации какой-либо супер-мега-архитектуры) они "выстрелили". Пиковыми TOPSами в обществе в 2023г как-то уже меряться неприлично, всем подавай реальный коэффициент утилизации на конкретной задаче.
PS: Если у вас есть инсайт, то с удовольствием бы послушал - может действительно ветер сменился и пора расчехлять синтезатор.
Время работы камеры (RunTimeValue). Интересный элемент данных: как долго камера работала с момента последнего включения. В современном мире постоянно включённых смартфонов возникает вопрос относительно актуальности этой информации.
Вполне осмысленная информация, учитывая, что включение смартфона и включение сенсора - независимые процессы. Через какое-то время работы сенсора из-за нагрева шумы матрицы возрастают, так что из серии фото, сделанных в одном месте в одно время может полезно знать при выборе фото, что предпочтение стоит отдать первым в серии, а не трёхзначным номерам
Впервые что-то подобное слышу про GtkWave. Позвольте полюбопытствовать какие конкретно аспекты работы с ним вызывают повышенное слюноотделение, быть может более опытные товарищи поделятся советами как обуздать опенсорс.
Любой. Хоть 16кГц. Сконвертировать в нужный налету нет проблем.
Любой. Хоть 16кГц. Сконвертировать в нужный налету нет проблем.
Какое решение рекомендуете для headless on-device, когда денойзер нужен, а СберДжаз - нет:
RNNnoise
DEMUCS
FullSubNet
доработанный FullSubNet
?
Сайт автора хостится на github.io
Исходник кода, который "исполняется на сайте автора":
Hidden text
https://github.com/EtherDream/headphone-morse-transmitter/blob/main/index.html
Hidden text
Имплементировал его во времена лихорадки.
Если вам нужен результат каждый такт (конвейер), то хэша хуже Стрибога придумать сложно.
Процитирую себя самого же с Электроникса:
вот за ссылки на презентации и гитхаб отдельное спасибо.
..а план был хорош: в случае бана Flipper Zero как компании, открыть компанию Flipper One для выпуска мультитула Flipper One.
1.Вам указали, что заголовок "Чем заменить Raspberry Pi в промышленности?" вводит в заблуждение и кликбейтит.
2.Вы парировали, что CM4 - это не Raspberry Pi.
3.Вам привели факт от вендора, что CM4 это Raspberry Pi.
4.Вы парировали, что это условности
5.см. пп.1
Raspberry Pi Ltd c вами не согласятся:
Hidden text
Т.е. в доступном пользователю тайп-си будет в числе прочего прямой доступ к SWD? Считаю плохой практикой вешать на пользовательский что-то левое, способное окирпичить девайс, тем более в устройствах, которые выпускаются не в единичном экземпляре.
Когда деревья были зеленее, а контактов в разъёме USB было меньше, использовались аппаратные решения на базе микросхем USB-switch: в кабель на стороне device добавлялся резистор на пин ID, а USB-switch на основе анализа номинала сопротивления внутри девайса аппаратно коммутировал DP/DN к USB/UART/SWD/whatever you want...
Так возьмите microUSB - там не перепутаешь, тем паче вы выбрали SWD (2 сигнала всего). Зачем с тайп-си так заморачиваться?
Дьявол кроется в мелочах: все эти "работы мечты" в SpaceX, Lockheed Martin, etc разбиваются об одно маленькое, но обязательное требование:
This position requires a goverment security clearance, you must be a US Citizen for considerationпро эти расширения ходят s/легенды/мемы/
Благодарю за развёрнутый ответ.
"Сокращение времени обучения в N раз" - процедура не бесплатная, более того имеющая какой-то запас масштабируемости в рамках уже используемого железа/подхода при увеличении стоимости железа в M раз.
Т.о. вопросы (от эксплуатантов этой инфраструктуры) остаются прежними при выборе/сравнении GPU vs FPGA:
при единоразовой трате на оборудование в Х рублей сколько обученных ИНС можно получить в год/месяц/день?
какие эксплуатационные расходы необходимы для получения одной обученной ИНС на этом оборудовании?
И даже если на графиках GPU vs FPGA (X/Y: time/$) FPGA где-то догонит и перегонит GPU, то это может быть очень большой срок, который врядли устроит эксплуатантов (и склонит их выбор в сторону FPGA). А если они не готовы платить, то уже имеем то, что имеем: "общее низкое число специалистов, слабое сообщество, бесконечная сложность написания кода по сравнению с PyTorch". Рыночек порешал, как говорится.
В начале статьи очень много рассуждений об абстрактных преимуществах и недостатках обучения ИНС на том или ином железе, но потом почему-то сразу резкий переход на обсуждение конкретных имплементаций в ПЛИС, а что и ради чего оптимизируем - как-то упущено.
В капиталистическом обществе эксплуатантов интересуют только две вещи: CapEx & OpEx. Лично я не вижу у ПЛИС для задачи обучения ИНС какого-то картбаланша, чтобы при удачном стечении обстоятельств (имплементации какой-либо супер-мега-архитектуры) они "выстрелили". Пиковыми TOPSами в обществе в 2023г как-то уже меряться неприлично, всем подавай реальный коэффициент утилизации на конкретной задаче.
PS: Если у вас есть инсайт, то с удовольствием бы послушал - может действительно ветер сменился и пора расчехлять синтезатор.
А вы тоже подписаны на хаб "Глобальные системы позиционирования" (GNSS) и недоумеваете куда попали?
Вполне осмысленная информация, учитывая, что включение смартфона и включение сенсора - независимые процессы. Через какое-то время работы сенсора из-за нагрева шумы матрицы возрастают, так что из серии фото, сделанных в одном месте в одно время может полезно знать при выборе фото, что предпочтение стоит отдать первым в серии, а не трёхзначным номерам
[sarcasm mode]
На что только готовы пойти люди, лишь бы не использовать ESP32