Пользователь
В одном из прошлых постов, я рассказывал, как снял трейлер несуществующего фильма на фотоаппарат и там было очень много интересных комментариев и замечаний, так что я решил выпустить вторую редакцию трейлера. Доснял несколько кадров, какие-то улучшил, ну и полностью все перемонтировал.
Недавно была опубликована статья под заголовком "Глобально оптимальный, восьмой и наиболее быстрый вид интерпретаторов байткода". Несколько тезисов из статьи вызвали у меня сомнения в их справедливости. Об этом я попробовал написать ряд комментариев тире вопросов к указанной статье. Но основной лейтмотив всех ответов сводился к тому - "а ты напиши свою статью". Подход не столько инженерно-научный, сколько детсадовский. Мне бы хватило и содержательных ответов в формате комментариев, но как говорится - уговорили :).
Итак, что же утверждается автором статьи про наиболее быстрый интерпретатор:
В предыдущей статье (ч.1, ч.2) я рассказывал как построить свою полностью открытую вычислительную систему на опенсорсных решениях — некую синтезируемую систему-на-кристалле, которая будет адаптирована под ваши задачи, в которой всё до последнего триггера находится под вашим управлением и не зависит ни от рыночной конъюнктуры, ни от политических решений. В этой статье я расскажу и покажу как добавить к этой СнК простейший видеоадаптер под тип старого доброго Color Graphics Adapter (CGA), но с современным (HDMI) интерфейсом, с графическим и текстовым режимами и аппаратным скроллингом для плавной прокрутки изображений. Как и в предыдущей статье, речь пойдет о проектировании аппаратуры на языке SpinalHDL и синтезе её для микросхем ПЛИС, используя опенсорсный тул. Все эксперименты я буду проводить на плате «Карно» с ПЛИС Lattice серии ECP5, но весь мой код, за исключением части касающейся настроек PLL, будет аппаратно независимым и легко адаптируемым под любой тип микросхем ПЛИС из поддерживаемых тулчейном Yosys/NextPNR.
Волновой алгоритм — это алгоритм поиска пути, который использует волновое распространение для определения кратчайшего пути от начальной вершины до целевой вершины.
В этой статье мы не будем рассматривать основной принцип данного алгоритма (поиск кратчайшего пути), а лишь обратимся к идее волнового алгоритма. Название алгоритма происходит от способа распространения, напоминающего распространение волн.
В современном мире искусственный интеллект и машинное обучение стремительно развиваются, меняя нашу повседневную жизнь и открывая новые горизонты в различных областях. Одной из ключевых технологий, лежащих в основе этих достижений, являются сверточные нейронные сети (Convolutional Neural Networks, CNN). Эти мощные алгоритмы позволяют эффективно обрабатывать и анализировать изображения, что находит применение в самых разных сферах: от медицинской диагностики до систем безопасности.
CNN подходит для классификации изображений, что делает её отличным выбором для задачи распознавания рукописных цифр.
Совершать невозможное и раздавать пинки здравому смыслу — в этом и состоит жизнь членов Гуррен-Дана! (C) Камина
Эта статья вступает в техническую полемику со статьей 2015 года за авторством Atakua, подходы из которой я и атакую. Atakua исследует 7 видов интерпретаторов байткода, но делает это без уважения - быстрейшей оказывается двоичная трансляция, которая, по сути, уже не интерпретатор байткода, а форма Ahead-Of-Time компилятора. Эта двоичная трансляция транслирует байткод в машинный код, представляющий собой цепочку вызовов скомпилированных сервисных процедур. Тех самых, что в интерпретаторе байткода отвечают за выполнение каждого опкода.
Но Atakua не выжал из интерпретаторов байткода всю скорость которая возможна. Так что эта статья - туториал: как написать интерпретатор байткода, который может обгонять JIT/AOT-компиляцию по скорости. Интересно? Читайте дальше!
Бенчмарк прилагается. Будет немного хардкора и ни одной сгенерированной нейросетью картинки!
Австрийский математик Курт Гёдель еще в 1931 году сформулировал и доказал две теоремы о неполноте. В общем случае первая теорема гласит, что всякая непротиворечивая теория имеет утверждения, которые нельзя доказать средствами этой теории. Теорема оказала значительное влияние на различные научные области и в некоторой степени может способствовать пониманию того, почему галлюцинации в системах ИИ неизбежны.
Сегодня мы обсудим, как современные исследователи решают проблему галлюцинаций LLM, какие методы для этого применяют и как выгодно использовать виртуальную инфраструктуру с GPU для обучения нейросетей.
Привет, Хабр! Меня зовут Кирилл Колодяжный, я разрабатываю системы хранения данных в YADRO и изучаю нестандартные подходы к машинному обучению: создаю ML-проекты на С++.
Это вторая часть цикла о разработке приложения для обнаружения предметов на С++. В прошлом материале мы выяснили, как создать проект в IDE Android Studio, реализовать сессию непрерывного захвата и преобразовать изображение в матрицу OpenCV. Ссылку вы найдете в конце статьи.
В этой статье продолжим реализацию проекта и обсудим следующие шаги:
• Как подключить к проекту библиотеки машинного обучения PyTorch и NCNN.
• Как получить модели YOLOv5 и YOLOv4 для использования на мобильном устройстве.
• Как реализовать инференс моделей для обнаружения объектов.
• Как обработать результаты работы моделей YOLO, реализовав алгоритмы Non-Maximum-Suppression и Intersection-Over-Union.
В конце сравним производительность PyTorch и NCNN и решим, какой фреймворк подойдет для задачи лучше.
В мире мобильных технологий грядет очередная революция, которая может изменить подход к разработке и использованию приложений для Android. Google работает над интеграцией полноценной среды Linux в мобильную ОС. Это может не только упростить процесс создания софта, но и потенциально трансформировать мобильные устройства в полноценные рабочие станции.
Еще вчера вещи, казавшиеся фантастикой, сегодня становятся явью. Биотехнологии продолжают удивлять мир своими достижениями. Здесь речь пойдет о возвращении утраченного человеком зрения. Причины такой утраты могут быть самые разнообразные: увечья, аварии, заболевания и др. пути восстановления также могут различаться.
По данным Международного агентства по профилактике слепоты, сегодня примерно 284 миллиона жителей Земли имеют те или иные нарушения зрения, около 39 миллионов из них полностью его лишены. Слепые люди учатся взаимодействовать с миром и активно жить, независимо от их нарушения зрения. По оценкам, лишь от 2% до 8% слепых людей используют для навигации трость. Другие полагаются на собаку-поводыря, частичное зрение или зрячего помощника. Помимо навигации, слепые люди могут делать почти все, что могут делать зрячие: готовить пищу, наносить макияж, пользоваться компьютером. С помощью доступных технологий и гаджетов и собственной силы воли слепые люди могут быть независимыми.
Более четверти от всего количества слепых людей страдают от нейродегенеративных заболеваний сетчатки, когда гибнут зрительные клетки. В России количество незрячих и слабовидящих превышает 210 тысяч человек. По прогнозу, в ближайшие десятилетия эти цифры в мире будут существенно расти. Уже сейчас ежегодно примерно 45 тысяч человек становятся инвалидами из-за проблем со зрением. Из них более половины — дети и подростки в возрасте до 18 лет.
Ученые всего мира ломают головы над решением проблемы слепоты — над тем, как остановить потерю зрения и как вернуть его уже ослепшим людям. Люди с сильной потерей зрения получают доступ к компьютеру (Интернету) с помощью вспомогательных технологий двумя различными способами. Первый способ — использование дисплея Брайля, который подключается к компьютеру и построчно преобразует текст в Брайль. Второй способ — программа чтения с экрана, которая вслух считывает информацию. Это также реализовано на смартфонах, где есть такие технологии, как TalkBack или VoiceOver.
Другие подходы — оптогенетика и создание чипов, управляемых мыслью.
Сегодня в стране действует образовательный проект Минцифры России для школьников 8-11 классов и студентов колледжей «Код будущего». В рамках проекта молодёжь бесплатно учится программированию на курсах от ведущих ИТ-компаний и вузов России. И в скором времени пройдёт стратегическая сессия по внедрению в «Код будущего» с 2025 года обучения робототехнике. Эта учебная программа должна обеспечить массовость, эффективность и соответствие образовательных программ реальным запросам ИТ-отрасли и рынка труда.
На сессии будет:
Обсуждение места робототехники в «Коде будущего» и её роли в системе подготовки ИТ‑специалистов.
Подготовка детального плана внедрения курсов робототехники: целевая аудитория, содержание образовательных программ, необходимое оборудование и программное обеспечение, подготовка преподавателей, механизмы отбора и мотивации участников.
Создание рабочей группы для дальнейшей проработки стратегии и её реализации.
Зарегистрироваться на трансляцию
И в этой статье я хочу обсудить некоторые вопросы, которые будут подняты на стратегической сессии.
Бонджорно, мои золотые! Это Идар Табухов, скрам-мастер в МТС Диджитал и фанат компьютерных игр. В прошлый раз я рассказывал, во что поиграть на macOS, а сегодня поговорим о взлетах и падениях No Man's Sky.
No Man's Sky от студии Hello Games — одна из самых противоречивых в игровой индустрии. До нее историй от практически полного провала и побивания камнями всех причастных до успеха и восхищенных отзывов игроков и критиков почти не было. Особенно если учесть многолетний путь этого проекта (11 лет, Карл!) и его маленькую команду с ограниченными ресурсами на старте.
Эту ситуацию наилучшим образом описывает древний афоризм: Per aspera ad astra — «через тернии к звездам». И ведь действительно: запуск игры был неудачным. Наверное, если бы разгневанным геймерам позволили, то авторов проекта кинули бы в те самые тернии. Но они (разработчики, не колючие кусты) не сдались и продолжали улучшать игру до тех пор, пока она не стала тем, чем является сегодня. Подробности — под катом.
Когнитивные способности LLM можно оценивать по способности мыслить логически и строить цепочки рассуждений, а можно по способности разгадывать загадки, требующие смекалки и нестандартного мышления. Почему-то всё внимание направлено только на первое и совсем не исследовано второе.
Люди в разной степени владеют этими навыками, а как это у моделей?
И снова здравствуй, Хабр! Мы добрались до второй части повествования о параллельном запуске двух ОС на FPGA с процессорной подсистемой.
В этой статье мы сначала определим минимально необходимые компоненты для запуска Embedded Linux. Затем осуществим сборку под ARM стандартными инструментами производителя и под Soft-CPU «вручную». И наконец, подготовим загрузочный носитель, чтобы подойти во всеоружии к запуску и верификации проекта, которые ожидают нас в заключительной части цикла.
Привет! Я Настя Рысьмятова, руковожу командой LLM в Авито. Эта статья — про то, какие задачи мы решаем с помощью языковых моделей и как адаптируем их под себя. Мой опыт будет интересен прежде всего тем, кто тоже занимается большими языковыми моделями в крупных продуктовых компаниях. А всем остальным любопытно будет узнать, как модели учатся и решают конкретные задачи Авито — например, помогают пользователям писать тексты объявлений.
Сравниваем топовые генераторы изображений: Stable Diffusion 3.5 Large, Midjourney 6.1, Flux 1.1 Pro используя 10 разнообразных промптов.