11 апреля 2024, после всех переносов, ракета Ангара А5 с разгонным блоком Орион, она же «Ангара тяжелая», стартовала с космодрома Восточный. Пресс центр Роскосмоса не смог нормально описать ни орбиту, ни как дела, ни что за блок Орион - анонам пришлось самим искать информацию: Запуск ракеты Ангара — неделю спустя, Разгонный блок Орион от Ангары на нужной орбите. После выхода на какую-то, условно «опорную» орбиту, хотя это и не она, от РН отделилась попутная нагрузка в виде 3 микро - нано - спут…
Великие умы обсуждают «флопсы» на ваттШёл 2022 год. Я обратил внимание на новый интересный проект CUTLASS, отличающийся очень высокой скоростью выполнения операций умножения матриц. Я взял большую задачу по умножению матриц — 8192 x 8192 x 8192, и померял производительность в PyTorch, где используется библиотека cuBLAS.python mm_bench.py > CuBLAS: 258 TeraflopsПолучилось неплохо — задействованными оказались 83% «флопсов». А теперь проверим производительность CUTLASS с использованием профилир…
Кот ФибоначчиНедавно делал небольшой скрипт для браузера, который может рисовать спираль Фибоначчи поверх фотографий на вебстранице. Все это делалось для того, чтобы проверить свою догадку, по поводу форм встречающихся в природе - вписываются ли они в спираль или нет. Рисовать я ее хотел не поверх котов, а поверх фото, которые немного даже поинтереснее будут, и поэтому и пишу такое длинное предисловие, потому что в отличие от поста в личном блоге, здесь аудитория может отнестись к таком не сил…
Структуры данныхСпециализированные структурыАтомПредставляет базовую единицу наблюдаемости. Класс Atom в atom.ts хранит текущее состояние наблюдаемого значения и управляет взаимодействиями наблюдателей и обновлениями состояния. Он предоставляет методы: Отслеживание наблюдателей: reportObserved вызывается, когда производная обращается к значению атома, позволяя производной записать атом в список своих зависимостей. Уведомление наблюдателей: reportChanged вызывается, когда значение атома изменяет…
После окончания нативного Android приложения от заказчика последовало предложение написать мини-приложение VK. Так как я имел опыт написания кода только для нативных приложений, то для меня это был интересный челенж. Немного погуглив пришел к тому, что добрые разработчики из Jet Brains разработали Kotlin JS - оболочку над React (а Kotlin мой основной язык). Вдохновившись статьей https://habr.com/ru/companies/vk/articles/521192/ я приступил к написанию кода.Итак, чем хорош Kotlin для разработки …
C++ rewrite of PPPwn (PlayStation 4 PPPoE RCE)PPPwn c++ This is the C++ rewrite of PPPwn Features Smaller binary size A wide range of CPU architectures and systems are supported Run faster under Windows (more accurate sleep time) Restart automatically when failing at stage1 Can be compiled as a library integrated into your application Nightly build You can download the latest build from nightly.link. For Windows users, you need to install npcap before run this program. For macOS users, you ne…
手机往下滑 ❤️ 定期更新 ❤️ 免费/白嫖/公益/节点/机场/订阅/vpn/翻墙食用方法 🍖 复制下方生成的订阅链接 将已复制的链接导入代理软件 测速，选择一个【有值】的且延时较低的节点连接即可 优质订阅(𝟏小时前更新) https://shz.al/RjZR https://shz.al/TH8X https://oss.v2rayse.com/proxies/data/2024-05-11/KNjyAv3.txt https://oss.v2rayse.com/proxies/data/2024-05-12/5W7bT6U.txt https://shz.al/aCE4 https://oss.v2rayse.com/proxies/data/2024-05-09/IoGUImT.txt https://oss.v2rayse.com/proxies/data/2024-05-11/LEGDOle.txt ★★★★ 失效的订阅链接会被定期更换🆕新订阅会在其位置生成 部分地区被墙🚫可用其它慢速梯子兑换本站的高速订阅 永久白嫖高速订阅，如果喜欢请转发❤️收藏本站…
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.TimesFM TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting. Paper: A decoder-only foundation model for time-series forecasting, to appear in ICML 2024. Google Research blog Hugging Face checkpoint repo This repo contains the code to load public TimesFM checkpoints …
Gemma 2B with 10M context length using Infini-attention.Gemma 2B - 10M Context Gemma 2B with recurrent local attention with context length of up to 10M. Our implementation uses <32GB of memory! Features: 10M sequence length on Gemma 2B. Runs on less than 32GB of memory. Native inference optimized for cuda. Recurrent local attention for O(N) memory. Quick Start Note: This is a very early checkpoint of the model. Only 200 steps. We plan on training for a lot more tokens! Install the requi…