После GRAMPS эмоции исключительно положительные, нет лишнего (GRAMPS создан для глубоких исследований, процентов 90 функций мешают для "домашних" деревьев, плюс много багов и легаси). Есть баги по UI, но не напрягают.
ESP32 прекрасно справляется с распознаванием лиц и объектов. А библиотека TinyML-CAM, к примеру:
For image frames, the digital signal processing (DSP) based features extraction time is ≈ 12 ms, while classification time is ≈ < 20 𝜇𝑠 (1/1000th of DSP).
Не актуально. Это довольно специфичное расширение для ownCloud:
This extension adds a user info endpoint to ownCloud Server which is based on the Microsoft Graph API specification.
The user info endpoint enhances ownCloud Server 10 with capabilities for a Bridge setup which is a hybrid deployment between ownCloud Server 10 and ownCloud Infinite Scale. It enables ownCloud Infinite Scale components like the built-in Identity Provider (Kopano Konnect) for OpenID Connect authentication with ownCloud Server 10 to be used. With this, ownCloud providers can make the new generation ownCloud Web user interface available using the ownCloud Server 10 backend.
В данной ситуации, на столь малом датасете в большой модели параметры "размажутся", т.к. они достаточно общие, нет основной "линии". Поэтому большая модель здесь лишняя и на таком датасете GPT-2 (medium - large) будет меньше отходить от датасета.
Я много экспериментирую и результат, который даёт GPT-2 large на хорошем датасете, лучше, чем LoRA на крупной модели. В особенности на написании длинных связанных текстов с "скользящим окном контекста". Большая модель в таких задачах начинает повторяться, заикаться. При полном обучении результат лучше, но затраты на обучение слишком велики, плюс "закладки на вежливость" в базовой модели сильно влияют на результат.
Также любая языковая модель - это и есть бредогенератор, почти как дополненые вниманием цепи Маркова. На хорошем датасети и цепи Маркова очень хорошо работают. Еще на ЕС-1841 в дремучих годах делал текстовую RPG.
Все зависит от цели обучения. Всегда желательно перед целевым обучением прогнать хотя бы эпоху на текстах, с тематикой итоговой модели. Можно в 2 этапа, сначала на маленьких блоках (256, 512), потом на максимально возможном (2048 или менее, в зависимости от модели) и НЕ добавлять в этот базовый датасет разметку и токены (BOS, EOS и прочие). Далее уже обучать на целевом датасете. Важно учесть, что все гайды и рекомендации для _англоязычных_ моделей не подходят под русский язык, он очень сложный и комплексный, любая ошибка будет бросаться в глаза.
А какой смысл использовать достаточно крупную модель там, где хватит и простой gpt-2 на 300M параметров? И нет проблем с зацикливанием, обучением, скоростью?
У меня модели по wh40k (en_l_wh40k_full, l_wh40k_full), WoW (ru_warcraft) и StarTrek (ru_startrek) чудесно работают и в генерацию текстов и в ролеплей при 700M параметров. А здесь испрользуется неплохая изначально модель и в ней портятся веса тренировкой на урезанном, неправильно форматировнном датасете. В итоге чем модель кормили - то и получили. К тому же при обучении LoRA вы никогда точно не знаете, какие веса заморожены и что вы обучаете. Для StableDiffusion ошибка в сотку в 50% обученных весов всё равно даст картинку "похожую" на требуемый результат, а в LLM оно так не работает, все "восторги" от быстродообученных LLM при помощи LoRA полагаются на хорошее обучение базовой модели, которое не смогли испортить. Метрики качества обучения очень условны и охватывают вовсе не генерацию того, что хочется получить.
Зависит от материала, но в основном, мыло, тёплая вода. Часть моделей имеет съёмные рабочие части. Основная беда у всех материалов--быстрая деградация поверхности, ПВХ и его производные начинают становиться липкими, мелкие кусочки отходят, пыль, волосы, шерсть, входят в сам материал. Силикон также быстро теряет свой внешний вид, маленькая царапина начинает расти, часто силиконовые смазки разрушают силикон.
Занимаюсь продажами подобных «девайсов», так вот, там даже подобия AI нет, даже в самых дорогих моделях. Про сенсоры вообще печалька, если и есть, то микрики стоят в нужных местах (штуки 3 на всю куклу), которые включают записанные звуки рандомно.
Все это на фотках издалека хорошо смотрится и как хороший манекен с большим количеством степеней свободы можно использовать.
У меня на чердаке уже девятый год огромное гнездо шершней. По наблюдениям, они его каждый год новое отстраивают. Размер с мизинец каждой особи, т.е. больше 4 см. Краснодарский край. Скорее всего это азиатский, если по размерам судить.
Животное архиполезное, как оказалось. Употребляет в пищу как гусениц американской бабочки, так и гусениц самшитной огнёвки. Бонусом обнулили около десятка ульев на соседнем участке, пчёлы теперь не беспокоят (кусали). Осы тоже на участке не появляются.
В дом иногда залетают, но не агрессивные, с окна на руку аккуратно перемещал и на улицу выносил. Осенью, когда яблоки и груши забраживают на деревьях шершни валяются пьяными.
Эти точки работают от родного инжектора с 12 В, хотя заявлено 802.3af/at. Они не работают ни с коммутаторами и инжекторами Cisco, ни с Zyxel. С другими не проверял.
У микротиков вообще странный подход к PoE.
Куплены точки доступа RBcAPL-2nD, в характеристиках на официальном сайте — 802.3af/at. Но не работают ни с одним из моих PoE коммутаторов с стандартами 802.3af/at. Родные инжектора из коробки работают, там как раз Passive POE.
И эти «родные» инжектора сюрпризом оказались. При уборке были перепутаны кабеля от точки доступа и телевизора, телевизор нормально показывал IPTV пару минут, затем дымок и запах гари. Успел кабель вытащить из телевизора. Примечательно, что телевизор прекрасно работает, сеть не пострадала. Скорее всего сборка трансформаторов гальванической развязки подгорела и воняла. Так что осторожнее, если есть такие инжектора в сети.
Зачем вы так с утра?
Пользуюсь bonsai с ранних версий.
После GRAMPS эмоции исключительно положительные, нет лишнего (GRAMPS создан для глубоких исследований, процентов 90 функций мешают для "домашних" деревьев, плюс много багов и легаси). Есть баги по UI, но не напрягают.
Первый нейросетка рисовала, характерные "артефакты" и несовпадение отдельных элементов на обеих "фотках"
ESP32 прекрасно справляется с распознаванием лиц и объектов.
А библиотека TinyML-CAM, к примеру:
Не актуально. Это довольно специфичное расширение для ownCloud:
Странно, что не взяли ESP32-CAM для проекта. Там приемлемо работает распознавание лиц.
Ну и не Arduino там плата
Через deepspeed работает, но прирост скорости не кратен количеству GPU. Для 2х 4090 для разных сеток максимум выжимал +65%
В данной ситуации, на столь малом датасете в большой модели параметры "размажутся", т.к. они достаточно общие, нет основной "линии". Поэтому большая модель здесь лишняя и на таком датасете GPT-2 (medium - large) будет меньше отходить от датасета.
Я много экспериментирую и результат, который даёт GPT-2 large на хорошем датасете, лучше, чем LoRA на крупной модели. В особенности на написании длинных связанных текстов с "скользящим окном контекста". Большая модель в таких задачах начинает повторяться, заикаться. При полном обучении результат лучше, но затраты на обучение слишком велики, плюс "закладки на вежливость" в базовой модели сильно влияют на результат.
Также любая языковая модель - это и есть бредогенератор, почти как дополненые вниманием цепи Маркова. На хорошем датасети и цепи Маркова очень хорошо работают. Еще на ЕС-1841 в дремучих годах делал текстовую RPG.
Все зависит от цели обучения. Всегда желательно перед целевым обучением прогнать хотя бы эпоху на текстах, с тематикой итоговой модели. Можно в 2 этапа, сначала на маленьких блоках (256, 512), потом на максимально возможном (2048 или менее, в зависимости от модели) и НЕ добавлять в этот базовый датасет разметку и токены (BOS, EOS и прочие). Далее уже обучать на целевом датасете.
Важно учесть, что все гайды и рекомендации для _англоязычных_ моделей не подходят под русский язык, он очень сложный и комплексный, любая ошибка будет бросаться в глаза.
А какой смысл использовать достаточно крупную модель там, где хватит и простой gpt-2 на 300M параметров? И нет проблем с зацикливанием, обучением, скоростью?
У меня модели по wh40k (en_l_wh40k_full, l_wh40k_full), WoW (ru_warcraft) и StarTrek (ru_startrek) чудесно работают и в генерацию текстов и в ролеплей при 700M параметров. А здесь испрользуется неплохая изначально модель и в ней портятся веса тренировкой на урезанном, неправильно форматировнном датасете. В итоге чем модель кормили - то и получили. К тому же при обучении LoRA вы никогда точно не знаете, какие веса заморожены и что вы обучаете. Для StableDiffusion ошибка в сотку в 50% обученных весов всё равно даст картинку "похожую" на требуемый результат, а в LLM оно так не работает, все "восторги" от быстродообученных LLM при помощи LoRA полагаются на хорошее обучение базовой модели, которое не смогли испортить. Метрики качества обучения очень условны и охватывают вовсе не генерацию того, что хочется получить.
Всякие киберскины и прочее это и есть ПВХ, иногда даже без фталатов
Зависит от материала, но в основном, мыло, тёплая вода. Часть моделей имеет съёмные рабочие части. Основная беда у всех материалов--быстрая деградация поверхности, ПВХ и его производные начинают становиться липкими, мелкие кусочки отходят, пыль, волосы, шерсть, входят в сам материал. Силикон также быстро теряет свой внешний вид, маленькая царапина начинает расти, часто силиконовые смазки разрушают силикон.
Все это на фотках издалека хорошо смотрится и как хороший манекен с большим количеством степеней свободы можно использовать.
Скорее всего измерения некорректные и выдают не реальную латенси, а с учетом VBS, которую включили на win11, что и привело к проблемам
У меня на чердаке уже девятый год огромное гнездо шершней. По наблюдениям, они его каждый год новое отстраивают. Размер с мизинец каждой особи, т.е. больше 4 см. Краснодарский край. Скорее всего это азиатский, если по размерам судить.
Животное архиполезное, как оказалось. Употребляет в пищу как гусениц американской бабочки, так и гусениц самшитной огнёвки. Бонусом обнулили около десятка ульев на соседнем участке, пчёлы теперь не беспокоят (кусали). Осы тоже на участке не появляются.
В дом иногда залетают, но не агрессивные, с окна на руку аккуратно перемещал и на улицу выносил. Осенью, когда яблоки и груши забраживают на деревьях шершни валяются пьяными.
Куплены точки доступа RBcAPL-2nD, в характеристиках на официальном сайте — 802.3af/at. Но не работают ни с одним из моих PoE коммутаторов с стандартами 802.3af/at. Родные инжектора из коробки работают, там как раз Passive POE.
И эти «родные» инжектора сюрпризом оказались. При уборке были перепутаны кабеля от точки доступа и телевизора, телевизор нормально показывал IPTV пару минут, затем дымок и запах гари. Успел кабель вытащить из телевизора. Примечательно, что телевизор прекрасно работает, сеть не пострадала. Скорее всего сборка трансформаторов гальванической развязки подгорела и воняла. Так что осторожнее, если есть такие инжектора в сети.