https://arxiv.org/abs/2504.13126 Ja wiem, że ten temat niewielu zainteresuje, więc nawet tagi przyciąłem, żeby nie spamować zbytnio. Mnie za to interesuje bardzo .

Artykuł proponuje nową metodę symulacji przepływów turbulentnych opartą na ML. Wykorzystuje hybrydową architekturę U-Net i operatora Fouriera (Fourier to był gość, gdzie się nie obrócisz w AI/ML to się nań natykasz), co pozwala na szybsze i dokładniejsze przewidywanie turbulencji nad przeszkodami. Model łączy zalety sieci konwolucyjnych i operatorów Fouriera, dając lepsze wyniki niż choćby LES (Large Eddy Simulation) i to mniejszym kosztem. Model dobrze radzi sobie z różnymi warunkami początkowymi i kształtami przeszkód - a to bynajmniej nie standard.

#turbulencje #uczeniemaszynowe #machinelearning #fizyka

#sztucznainteligencja #uczeniemaszynowe

Okazuje się że moja karta graficzna ma za mało VRAM-u

Zdalne maszyny wymagają rezerwacji z miesięcznym wyprzedzeniem

więc pozostaje mi uczenie na CPU

Wg wyliczeń, widzimy się za jakieś 48 godzin

Pytanie do ogarniających ludzi #machinelearning #uczeniemaszynowe #sztucznainteligencja #datascience

Dopiero wczoraj ogarnąłem podstawy PyTorch na tyle, żeby zrobić prosty model do klasyfikacji danych ze zbioru MNIST.

Ogólnie coś tam matematyki i ML ogarniam (wcześniej używałem tensorflow), więc to nie jest też tak że wczoraj sie nauczyłem co to jest ML.

Trafiłem na pracę Microsoftu o modelu do czytaniu struktury tabel ze zdjęć https://arxiv.org/pdf/2208.04921

Problem w tym że model nie został nigdzie opublikowany, ogólnie niewiele znalazłem na ten temat poza pracami naukowymi od tych samych ludzi.

Wg waszej oceny, jak bardzo możliwe odtworzenie tego modelu, i uzyskanie chociaż zbliżonej skuteczności?

Znalazłem nowszą, bardziej rozbudowaną wersje tej samej pracy https://arxiv.org/pdf/2303.11615 w które jest jakby więcej szczegółów. Niestety moja wiedza jest zbyt skromna żeby po przeczytaniu ocenić na podstawie tej pracy czy uda mi sie to powtórzyć

Jeżeli chcecie pomóc w rozwoju naszego rodzimego bielika, to tu macie arene na której wpisujecie prompt, dostajecie dwie odpowiedzi z dwóch modeli i wybieracie, która odpowiedź jest lepsza. Więc rozwijacie bielika i macie darmowy dostęp do innych LLM

Wystarczy się zalogować przez np. githuba.

#uczeniemaszynowe #informatyka #sztucznainteligencja

https://arena.speakleash.org.pl/

Te modele językowe są demotywujące.

Chce zaimplementować raycasting w swojej grze przeglądarkowej, więc się ucze o nim, a chatgpt potrafi mi wyrzucić cały dzialający prototym systemu znaneg z wolfensteina czy dooma.

Musiałem tylko delikatnie poprawić inicjowanie aplikacji w pixijs, ale sam raycasting działał z miejsca. Zawsze gdy mi wygeneruje działający taki duży kod, to tracę ochotę to zgłębiania tematu

#technologia #uczeniemaszynowe

https://raycastingdemo.arhenet.pl/

Czy ktoś zna jakiś fork SD który umożliwia użycie multi-gpu do inferencji?

Nie chodzi mi o dzielenie batcha pomiędzy GPU bo to chyba potrafi StableSwarmUI tylko o generowanie jednego obrazu równolegle na >1 GPU.

#stablediffusion #ai #sztucznainteligencja #uczeniemaszynowe #bukmacherka#machinelearning #sztuka #grafika #sd

Teraz mamy super serwerownie, do odpalenia GPT 4, później będzie można go odpalić na byle laptopie, przez co sztuczna inteligencja bardzo się rozmnoży i upowszechni, a w dalekiej przyszłości będziemy mieli możliwość łatwego przeobrażania dowolnego przedmiotu w inteligentny, tak że sztuczna inteligencja będzie się sama rozmnażała w ten sposób.

#strumienmysli #rozkminydlazabawy #ai #sztucznainteligencja #artificialintelligence #machinelearning #uczeniemaszynowe #si