Купил доступ к mega darknet, а теперь страница блокируется! Попробовал другие VPN, перезагрузил устройство, но вроде бы ничего не помогает. Кто знает, как открыть этот сайт? Помогите, пожалуйста!

телеграм ссылка mega

Коллеги, у меня тут дилемма. Есть возможность наладить производство высокотехнологичного компонента, но сам я эту технологию не разрабатывал. Получил права на использование, но теперь сижу и думаю: а насколько это вообще перспективно? Мне кажется, что без полного понимания всех нюансов, без внутренней экспертизы, мы рискуем упереться в стену.

Что думаете? Кто-нибудь имел опыт такого рода? Удалось ли успешно вывести продукт на рынок, или это всегда путь к разочарованию и убыткам?

Крáкен маркетплейс ссылка

Фундаментальная наука — это чистое золото для будущего человечества. Все эти исследования, которые кажутся абсолютно бесполезными здесь и сейчас, на самом деле закладывают основу для будущих прорывов. Вспомните теорию относительности Эйнштейна — кто тогда мог подумать, что это приведет к GPS? Или открытие структуры ДНК — кто знал, что это даст нам генную инженерию? Нельзя останавливать исследования ради сиюминутной выгоды. А вы как думаете, насколько важно финансировать такие, казалось бы, «бесполезные» изыскания?

кракен kraken dark link

Привет, гики! Решил тут копнуть глубже в новые релизы фреймворков для машинного обучения, и наткнулся на PyTorch Lightning v3.0. На самом деле, это уже старый релиз, вышел в конце 2023-го, но я только сейчас выбрал время, чтобы протестировать его на паре своих мини-проектов, которые занимаются анализом временных рядов. Ну, знаете, такие штуки, где пытаешься предсказать что-то на основе прошлых данных. Очень много мелких, но приятных нововведений, которые действительно упрощают жизнь разработчика, особенно когда идет активная научная работа.

Что понравилось больше всего? Ну, во-первых, новый `Trainer` API. Он стал еще более декларативным. Теперь можно тонко настраивать логирование, чекпоинты и даже распределенное обучение прямо в инициализации, а не через кучу колбэков, как было раньше. Это прямо реально уменьшает бойлерплейт код. Плюс, они добавили поддержку новых бэкендов для логирования, типаWeights & Biases, куда интегрировался чуть ли не в два клика. У меня старая версия уже была настроена под TensorBoard, и переход прошел гладко

auto_device_map — это вообще отдельная песня. Раньше, если модель большая, приходилось ручками раскидывать слои по GPU или CPU, что тот еще квест. Теперь Lightning сам пытается это сделать, учитывая доступную память. Конечно, не всегда идеально, и иногда стоит вмешаться, но для старта — просто бомба. Сэкономило мне, думаю, часов пять отладки на одном из экспериментов.

Из минусов? Ну, типа, некоторые старые API, которые были помечены как deprecated, реально убрали. Если кто-то переезжает с v1 или v2, готовьтесь к рефакторингу. Я, к счастью, не сильно глубоко использовал те самые устаревшие части, так что мой переход был относительно безболезненным.

Итоговое впечатление: PyTorch Lightning v3.0 — это шаг вперед. Он делает и без того удобный фреймворк еще более мощным и гибким. Все эти новые технологии, вплетенные в структуру, реально ускоряют процесс от идеи до работающей модели. Имхо, для любых серьезных научных исследований в области ML — это отличный выбор

Интересно, вот, насколько вообще перспективно пытаться анализировать данные с таких площадок? Ну, типа, насколько они вообще открыты, прозрачны и все такое, чтобы вытащить что-то стоящее. У меня тут идея появилась, думаю, может попробовать что-нибудь интересное накопать, используя методы машинного обучения, но даже не знаю, с чего начать.

Кто-нибудь знает, может, есть какие-то открытые проекты или библиотеки для работы с данными с Крáкен маркетплейс, или же, может, кто-то просто поделится опытом? Думаю, если покопаться глубже, можно найти интересные закономерности, но вот технически как к ним подступиться - вопрос.

ссылка на Крáкен