Pull to refresh
0
0
Павел М. @arquolo

Data Scientist

Send message
А для связки Linux-клиент + Windows-сервер есть какой-то способ подключаться по RDP? Связку Remmina + FreeRDP не предлагать, в сравнении с mstsc оно очень сильно тормозит. Хотя возможно, я плохой сварщик.

Самое главно забыли — больше не надо импортировать typing. Теперь можно делать так:


a: list[int] = []
Который обертка вокруг mmap, существующего с Python 2.x
Нет, у него переобучение — это не когда «на трейне — отлично, на тесте — хреново», а когда с увеличением количества эпох на тренировочной (и единственной, ибо весь тест слит туда) выборке данных не растёт точность.
Его в ods.ai уже на протяжении 5700 сообщений народ переубедить пытается.
А docstrings уже починили? Сижу на последней VSCode Insiders, и ни один из популярных форматов (sphinx/google/numpy) не работает.
Скобок можно ещё меньше
r=range(1,11);for y in r:print(*(x*y for x in r),sep='\t')

58
И с pCloud тоже норм (особенно под Linux, Dropbox вроде не разрешает установку на шифрованные разделы)
ключевое — выделил. 3.5ггц — «трупобуст», при активации которого камушек жрет намного более заявленных 15Вт. но — недолго, до перегрева, потом — скидывает частоты до базовой 2.6ГГц, потому как
i5-7300U на 3.5 ГГц «жрет» именно 15-20 Вт, если Ваш экземпляр ест больше, то Вам следует сделать underclocking (в среднем можно выгадать -70 мВ, или 5-7 Вт).
Мой i7-8750H (втрое больше ядер, тот же техпроцесс), на базовой частоте (2.2 ГГц) ест 15-17 Вт, а 45 Вт достигает лишь при 3.7 ГГц на все ядра.
Вот ещё пример. Заметьте 3.6 ГГц при 50 Вт на всех 6 ядрах.
У Вас график про качество онлайн образования сломался.
Лучше бы разместить категории по порядку: much worse/slightly worse/same/slightly better/much better/no opinion. Так будет заметна общая тенденция.

А как же ROCm? Там уже есть поддержка TensorFlow 1.8. Даже бенчмарки есть, правда для TF1.3. Т.е. связку из Keras+TensorFlow можно использовать в том числе и на видеокартах от AMD.

Вопрос на ту же тему: можно ли как-то из консоли запущенной на одной Windows 10 подключиться к консоли на другой Windows 10, в которой уже запущено некое консольное же приложение?
Иными словами, есть ли какой-нибудь аналог GNU Screen под Windows?

Помимо гаммы в sRGB (такой же как в ITU-R Rec.709), существует пара OETF/EOTF разработанная специально для LCD-панелей (ITU-R Rec.1886, 2011г.). sRGB-гамма хорошо работает только с CRT-панелями (для которых она и создавалась), для LCD следует использовать Rec.1886.
И еще, в sRGB функция f(x)=x^(1/2.2) как раз и является OETF для CRT-панелей.
projectorworld.ru/blog/721.html
www.itu.int/dms_pubrec/itu-r/rec/bt/R-REC-BT.1886-0-201103-I!!PDF-E
colour-science.org/posts/the-importance-of-terminology-and-srgb-uncertainty
sRGB Gamma как раз и является OETF, и да, она совпадает с гамма-функцией CRT-экрана. Также стоит учесть, что она попала в стандарт аж в 1996 году. Сейчас же существуют более совершенные OETF функции, которые работают в том числе с HDR-экранами, например в ITU-R Rec. 2100 (стандарт 2016 года).
en.wikipedia.org/wiki/SRGB
en.wikipedia.org/wiki/Rec._2100
Отличная статья, почти все расписано правильно, кроме гамма-коррекции. Стоило упомянуть про функцию передачи, она же OETF (Optical-Electric Transfer Function). Гамма-коррекция применяется не для достижения «перцептивности», а из-за того, что RGB-пространство оперирует интенсивностями или т.н. «линейным» светом, а на субпиксели подаётся напряжение, которое отнюдь не пропорционально этим интенсивностям.

Существует способ изменить размер картинки получив минимум артефактов за практически константное время — использовать интегральное преобразование для исходного изображения, а затем уже для него применять свёртки.
Изменять размер ядра свёртки в зависимости от коэффициента масштабирования не понадобится.
Ну а после свёрток дифференцировать картинку.

Для улучшения качества ресайза при уменьшении изображения можно было считать интегральное изображение, затем его уменьшать теми же сплайнами, затем дифференцировать его обратно. Т.е. делать это за 3 операции: интегрирование ->
ресайз -> дифференцирование. Каждая из этих операций разделяема по направлениям. Если использовать эту схему, то количество семплов, приходящихся на каждый пиксель выходной картинки, никак не будет зависеть от коэффициента масштабирования. Алиасинг полностью исчезнет.

Information

Rating
Does not participate
Location
Екатеринбург, Свердловская обл., Россия
Date of birth
Registered
Activity