1 分•作者: ivanjermakov•3 个月前
返回首页
最新
1 分•作者: georgekats•3 个月前
1 分•作者: dnw•3 个月前
1 分•作者: intenex•3 个月前
只是好奇现在大家对“氛围检查”的看法。
你上一次亲手写下真正有意义的代码是什么时候?
这里有人完全不使用 LLM 吗?很好奇想看看大家回答和理由的范围!
1 分•作者: TheWiggles•3 个月前
1 分•作者: nairboon•3 个月前
1 分•作者: mrsalty•3 个月前
您好,
我从事开源项目构建的时间不长,但目前我正在专注于一个项目,这个项目占用了我大量的时间,并且我希望能够长期维护它。
我遇到的问题是,我拥有开源部分(代码、公开文档等),但也存在一些私有资产(主要是私有文档、我的个人笔记、AI迭代等),这些我不想公开。同时,我也不想只将私有内容保存在本地,因为它们是宝贵的资产,可能会丢失,所以 `.gitignore` 并不是一个解决方案。
因此,我现在维护两个仓库,一个私有仓库和一个公共仓库。我先推送到私有仓库,然后通过一个脚本将(公共)资产复制到公共仓库中。但这带来了很大的额外开销,并且由于多种原因,这让我非常头疼。
您以前遇到过这种情况吗?有什么比较顺畅的解决方案吗?
祝好!
1 分•作者: luckypeter•3 个月前
1 分•作者: yiweileng•3 个月前
1 分•作者: Michelangelo11•3 个月前
7 分•作者: cyounkins•3 个月前
2 分•作者: phaedrus044•3 个月前
这个想法最初并非为了发行。我二十多岁时,我们有十二个人组成了一个 WhatsApp 群组,每周四雷打不动地约定好一起看当周的精彩电影。
随着时间的推移,生活发生了变化,大家结婚、搬家、优先事项也随之转移,这个持续了近十年的仪式也随之瓦解。
疫情期间,由于我们大多数人都拥有 VR 头显,我们重新联系起来,开始一起看电影——我们设置了一个共享流,并在旁边进行 Google 聊天,这样在电影播放时我们就能听到彼此的声音。
VR 在重现影院氛围方面表现出人意料地好——但最糟糕的是独自一人坐在虚拟影院里。调暗灯光(在虚拟环境中,这样你就看不到空座位了),然后进行一个视频通话,让我们能听到彼此的声音,感觉就像大家又聚在一起了。
即使不那么频繁,自疫情以来我们也断断续续地这样做,并且很享受。它帮助我们与曾经共享的仪式——电影——保持联系。最近,这个范围已经扩展到电视剧。
我最近遇到一位做电影的朋友,我向他展示了这个,他问我们为什么不考虑将其作为一个平台推广。这让我开始思考。
鉴于我热爱电影,并且有软件背景,我们可以考虑构建一个专门的 VR 应用,而无需单独设置视频通话来传输音频。所以我们构建了一个,并一直在测试它,我们非常喜欢。
现在我们正在向公众开放。独立电影制作人在制作电影时面临着巨大的挑战——而发行(正如 Stephen Follows 最近的文章所示)是另一个巨大的障碍。大多数人都会被压垮。鉴于电影制作人通过 Instagram/YouTube 建立观众群,提供一个他们可以直接通过售票来变现观众的渠道,而无需花费数年时间走遍全国进行巡演来收回成本,这似乎是一个值得解决的问题。
你可以在 www.contraband.watch 上查看,上线才一周,我们已经有了一个相当活跃的社区注册并参与其中。如果你是一位电影制作人(或有这样一位朋友),希望利用这个平台/进行测试,请告诉我。如果你拥有 VR 设备并喜欢看电影,加入我们的行列
54 分•作者: ohong•3 个月前
2 分•作者: bean469•3 个月前
3 分•作者: lifeisstillgood•3 个月前
在没有孩子和房贷的年代,我曾拥有一个家庭实验室,现在想重新开始。<p>我也认为,再过几个月,人工智能泡沫就会破裂,届时可能会有一些数据中心淘汰下来的显卡可以买到。<p>在 eBay 上购买听起来很疯狂,那么从清仓、翻新设备等渠道获取计算资源的正规途径是什么呢?
1 分•作者: Brajeshwar•3 个月前
1 分•作者: securemepro•3 个月前
1 分•作者: zeeez•3 个月前
2 分•作者: ttiurani•3 个月前
1 分•作者: wimaxs•3 个月前
大家好,我启动这个项目是因为我想要一个类似于 llama.cpp 和 stable-diffusion.cpp 的项目,但用于本地 3D 生成模型:原生可执行文件,无需 Python/PyTorch 运行时,并支持 CUDA 和 Vulkan 后端。
我主要在 NVIDIA RTX 4090 上进行了测试。我对 AMD 和 Intel GPU 上的 Vulkan 结果特别感兴趣,因为它们的驱动行为和内存分配可能有所不同。如果您尝试使用,GPU、驱动、操作系统详情以及失败日志将非常有帮助。
目前的主要限制是性能。该实现尚未经过大量优化,因此推理速度目前比成熟、完全优化的 PyTorch 或 Vulkan 后端慢。在内核、内存使用和调度方面仍有很大的改进空间。