Настройка ПК с Linux для обучения моделей на GPU. В статье приводятся ссылки на скрипты, написанные для упрощения процесса настройки ПК с GPU на Linux для обучения моделей машинного обучения. Скрипты и настройка разбита на три ключевых этапа: настройка удалённого доступа с помощью ssh/vnc/rdp, установка драйверов Nvidia и CUDA для работы с GPU, а также конфигурация инструментов разработки, таких как Docker и Jupyter. Скрипты могут помочь с решением вопросов с установкой или послужить основой для улучшений/изменений чтобы быстро подготовить домашнюю лабораторию к работе.

Big Think с удовольствием побеседовал с Майком Бехтелем о его взглядах, выводах и прогнозах на будущее. Читайте далее, чтобы узнать, почему компании сегодня осознают, что GenAI — это не столько вопрос сокращения расходов, сколько расширение амбиций; что способствует растущему интересу к «технологическому здоровью»; почему ИИ «действует незаметно»; о его шести ключевых направлениях инвестиций; как технологии сегодня выявляют острый дефицит лидеров; и многое другое.

На работе я переписываю запутанный C++ код на Rust.

Из‑за активного использования коллбеков (вздох), Rust иногда вызывает C++, а C++ иногда вызывает Rust. Все это благодаря тому, что оба языка предоставляют C API для функций, которые можно вызывать со стороны противоположного языка.

Это касается функций; но как быть с методами C++? Представляю вам небольшую хитрость, благодаря которой можно переписать, без головной боли, один метод C++ за раз. И, кстати, это работает независимо от языка, на который вы переписываете проект, это не обязательно должен быть Rust!

Всем привет!

При помощи нейронной сети решил проблему классификации фигур на изображениях размера 7 на 7 пикселей. Задача решалась в рамках студенческой лабораторной работы. Статья приводится в качестве руководства для решения подобных академических задач.

Мы открываем кружок, в котором вы можете заниматься современной робототехникой и искусственным интеллектом на самом передовом уровне и задачах. В статье поговорим о том, как это будет и о текущих результатах в обучении роботов хождению.

Возможно, вы уже слышали о том, что Raspberry Pi объявила о выпуске Pico 2, микроконтроллерной платы второго поколения на базе RP2350. Благодаря более высокой тактовой частоте ядра, вдвое большему объему памяти, более мощным ядрам Arm, новым функциям безопасности и обновленным интерфейсным возможностям Pico 2 должен обеспечить значительный прирост производительности и функциональности, сохраняя при этом аппаратную и программную совместимость с предыдущими представителями серии. Сейчас, когда шум вокруг новинки немного стих, пришло время поговорить о ней более подробно. А заодно понять, будет ли она на самом деле стоит 500 рублей. Спойлер: маловероятно!

Привет! Меня зовут Оля, я директор по разработке моделей в Департаменте анализа данных и моделирования. Рада приветствовать всех тех, кто отважился заглянуть под капот розничного взыскания. Будет интересно, обещаю!

В прошлый раз я в основном говорил о трудностях, которые возникают при попытках совместить F# и Godot. Это была вынужденная мера, так как нас в первую очередь интересовало «стандартное» поведение на случай, когда нестандартное и удобное почему-то не сработало. Можно сказать, что мы учились падать без серьёзных последствий перед тем, как научимся совершать броски и болевые приёмы. Нужный ход, если мы не хотим за пару занятий инвалидизировать большую часть группы, но всё-таки это не то, за чем мы пришли в секцию. Теперь пришло время перейти к рутине, а за ней — и к более агрессивным техникам.

Всем привет! С вами команда бенчмарка MERA, мы рады анонсировать долгожданное обновление и рассказать, что нового в нашем проекте.

В прошлом году Альянс в сфере искусственного интеллекта представил сообществу независимую площадку для оценки больших языковых моделей — MERA. Мы выпустили первую версию с текстовыми задачами и опубликовали методологию бенчмарка в академической статье. С этой работой мы выступили в августе на ACL-2024 в Бангкоке (ранг A* в рейтинге конференций в области вычислительной техники ICORE), ведущей международной конференции по обработке естественного языка. С момента релиза бенчмарка мы получили свыше 1000 сабмитов от более чем 100 пользователей сайта. Мы получили обратную связь, учли критику и предложения от участников NLP-сообщества и выпускаем новую версию текстовой модальности бенчмарка MERA.

Привет! Меня зовут Иван Самойлов (@sumshmuck на Хабре), я потихоньку растущий до мидла джун-фронтендер, плюс учу Питон и SQL, чтобы из фронта стать когда-нибудь фуллстеком. А моя страсть — это видеоигры, я в них постоянно рублюсь, когда время позволяет, и разрабатываю мелкие демки в Godot, набиваю скилл на полноценную игру.

Недавно прочитал на Хабре статью про то, как AI изменит всё-всё-всё к 2035 году, и задумался, каким это «всё-всё-всё» может быть для видеоигр. Сейчас нередки очень интересные события и заявления в индустрии, каждое из которых кажется революционным. То к NPC в Скайриме прикрутят джипитишку, которая придумывает реплики на ходу, то научат нейросеть на ходу генерировать DooM (да-да, шутки про то, что Дум запускается на всём). 

Вот я и накидал ряд своих предположений: что нейросети и AI будут делать в игрострое через десять лет, а какие задачи так и останутся прерогативой мясных мешков. Велком под кат, велком в комментарии, — с интересом почитаю ваши мнения и критику.

Вегетарианская паста на столе, вино подано, громкая музыка играет — всё, чтобы отвлечься от насыщенного событиями Дня Благодарения 2023 года. Глава OpenAI Сэм Альтман понял, что не в потоке и не в ресурсе, а потому сбежал на свое ранчо в Напе. Случилось это после того, как он чуть не потерял контроль над компанией, которая «держит в руках будущее человечества».

Однако всё обошлось: Альтмана уволили, потом снова вернули в компанию через пять дней, его лицо появилось на обложке Time. А OpenAI снова продолжила под его началом сотрясать информационное пространство новыми нейросетевыми чудесами.

Недавно Сэм Альтман опубликовал эссе на своем сайте. И там есть ряд интересных моментов, над которыми стоит поразмыслить. Теперь уже, вооружившись «подсказками» из текста главы OpenAI.

Вчера Сэм Альтман на своем сайте опубликовал заметку под заголовком «The Intelligence Age», в которой CEO OpenAI рассуждает о будущем искусственного интеллекта и новой экономической эпохе, с ним связанной.

В мире искусственного интеллекта произошел интересный прорыв. Исследователи разработали новый тип нейронных сетей, который может сделать их работу более прозрачной и понятной. Эти сети, названные сетями Колмогорова-Арнольда (KAN), основаны на математическом принципе, открытом более полувека назад.

Нейронные сети сегодня - это мощнейшие инструменты искусственного интеллекта. Они способны решать сложнейшие задачи, обрабатывая огромные массивы данных. Однако у них есть существенный недостаток - их работа непрозрачна. Ученые не могут до конца понять, как именно сети приходят к своим выводам. Это явление получило название "черного ящика" в мире ИИ.

На устройствах интернета вещей (IoT) зачастую слишком мало ресурсов, и их не хватает, чтобы подтягивать и использовать тяжеловесные образы Docker. В этой статье будет показано, как можно уменьшить образ Docker на 36-91% при помощи инструментов patchelf и strace, не перекомпилируя при этом контейнеризованные приложения. Также рассмотрим, как создавать минимальные образы для собственных приложений, написанных на Rust, Go, C/C++.

Консалтинговая компания Deloitte опубликовала 15-й ежегодный отчет Tech Trends, где представила шесть технологических трендов, которые показывают, как важно компаниям внедрять технологии искусственного интеллекта (ИИ) в свои бизнес-стратегии.

Хабра-редакция КРОК подготовила перевод исследования Deloitte, который будет опубликован в блоге в нескольких частях. В первой части вас ждет краткий обзор всех глав аналитического отчета, а также первая глава под названием «Противостояние интеллектов». Об актуальных мировых трендах в ИТ — читайте под катом.

В командах ML-инженеров часто пользуются метрикой «GPU Utilization» (Загруженность процессора), чтобы понять, насколько активно задействуется в работе процессор. Чтобы узнать эту информацию, обычно достаточно выполнить команду nvidia-smi в строке терминала. Во многих интегрированных наблюдательных инструментах загруженность процессора также отслеживается как основная характеристика производительности. Но иногда, как ни удивительно, эта метрика даёт не слишком точное представление о производительности GPU. На самом деле, GPU можно загрузить на 100%, выполняя лишь операции чтения и записи (в памяти), но при этом 0 вычислений. Эта статья – не о том, как мы это выяснили, а о том, что нам удалось узнать по ходу дела.