最新

我将微软的 TRELLIS.2（40 亿参数的图像到 3D 模型）移植到 Apple Silicon 上，通过 PyTorch MPS 运行。 原版需要 CUDA，并使用 flash_attn、nvdiffrast 和自定义稀疏卷积内核：这些在 Mac 上都无法运行。 我用纯 PyTorch 替代了 CUDA 专属的运算：一个 gather-scatter 稀疏 3D 卷积，用于稀疏 Transformer 的 SDPA 注意力机制，以及一个基于 Python 的网格提取，替代了 CUDA 的哈希映射操作。 总共改动了 9 个文件，大约几百行代码。 在 M4 Pro (24GB) 上，从单张照片生成约 40 万个顶点网格，耗时约 3.5 分钟。虽然不如 H100 快（只需几秒钟），但它可以在离线状态下运行，无需依赖云端。 [https://github.com/shivampkumar/trellis-mac](https://github.com/shivampkumar/trellis-mac)

我们需要一种安全、多租户的方式来为用户提供 shell 账号，但大多数 VMM 占用内存过多，而容器又不安全。使用 clone 技术后，在大多数情况下，VM 的内存效率现在比容器更高。 由于 HN 上的许多其他项目似乎也在做类似的事情，因此开源是正确的选择。 欢迎随意使用全部或部分内容！

Brygga 尚处于早期开发阶段。核心客户端的功能已实现端到端（连接、加入、发送、接收、持久化），但许多你期望从成熟 IRC 客户端中获得的功能仍未提供。<p>代码库：<a href="https:&#x2F;&#x2F;github.com&#x2F;buggerman&#x2F;Brygga" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;buggerman&#x2F;Brygga</a>