Open-source projekt OpenDLSS-NR je 'bitově přesná reimplementace' neuronové rendrovací sítě DLSS 5 od společnosti NVIDIA, jenže pro grafické API Vulkan (DLSS slouží k vylepšování klasickým způsobem vyrendrovaných snímků pomocí lokálních modelů umělé inteligence, a to v reálném čase). Projekt není nijak spojen se společností NVIDIA, je pouze pro OS Windows a natrénované váhy modelu si uživatelé musí obstarat sami. Zdrojový kód je k dispozici na GitHubu, pod licencí MIT s výjimkou pro komponenty třetích stran.
Společnost Cloudflare představila Clef a Clef-Flash, open-source rozhodovací modely určené pro rychlou a konzistentní klasifikaci vstupů. Na rozdíl od klasických LLM vracejí tyto modely deterministické striktně typované strukturované odpovědi s exaktními pravděpodobnostmi, tedy odpovědi ve stylu přelomového modelu Jev.
… více »Byla vydána beta verze Ubuntu 26.10 s kódovým názvem Stonking Stingray. Přehled novinek v poznámkách k vydání. Dle plánu by Ubuntu 26.10 mělo vyjít 15. října 2026.
Byla vydána verze 1.99.0 programovacího jazyka Rust (Wikipedie). Podrobnosti v poznámkách k vydání. Vyzkoušet Rust lze například na stránce Rust by Example.
Od 13. do 15. října proběhne v Praze OpenSSL Conference 2026. Na YouTube lze zhlédnout videozáznamy přednášek z loňského roku.
Eben Upton oznámil další zdražení jednodeskových počítačů Raspberry Pi. Tentokrát 2 GB varianty o 12,50 dolarů. Nově 2 GB Raspberry Pi 4 stojí 67,50 dolarů a 2 GB Raspberry Pi 5 stojí 77,50 dolarů.
OpenMandriva ROME, tj. průběžně aktualizovaná (rolling) edice linuxové distribuce OpenMandriva, byla vydána ve verzi 26.09. Vedle Flatpaku také s podporou Snapu.
Edison Design Group po více než 30 letech zveřejnil zdrojový kód svého EDG C/C++ front-endu. Ten proslul širokou podporou standardů C++ a kompatibilitou s dialekty kompilátorů od Microsoftu, GNU, Clangu, Sunu a dokonce i s prehistorickým cfrontem. EDG byl použit například v kompilátoru Intel C++ Classic, kompilátoru NVCC od firmy NVIDIA pro platformu CUDA nebo v našeptávači kódu IntelliSense v produktech společnosti Microsoft. Projekt nyní spravuje organizace The C++ Alliance a kód je dostupný pod licencí Apache 2.0, doplněnou o výjimky projektu LLVM.
Pocket Tank je malé kapesní virtuální akvárium postavené na vývojové desce ESP32-S3-Touch-AMOLED-1.8. Na dvoujádrovém mikrokontroléru ESP32-S3 s 8 MB PSRAM a 16 MB flash paměti běží jak simulace akvária, tak i malý jazykový model určující chování rybiček. Lokální model o velikosti 7,56 MB se 14 miliony parametrů vznikl destilací modelu Gemma 4 26B, tedy učitele s 26 miliardami parametrů. Kromě firmwaru pro skutečný modul s AMOLED
… více »Open-source nástroj Jevstiller vytváří (destiluje) malý lokální model, který se průběžně učí z odpovědí komerční služby Jev. Běžné dotazy vyřizuje přímo na vlastním hardware, čímž může řádově zkrátit čas odezvy a snížit provozní náklady díky menšímu využívání zpoplatněného API. Nejisté požadavky Jevstiller posílá do Jevu, rovněž průběžně kontroluje náhodná dvě procenta dotazů Jevem. Pokud se lokální model začne s Jevem rozcházet,
… více »
complex = {__mt={} }
function complex.new(r, i)
local new={real=r, imaginary=i or 0}
setmetatable(new,complex.__mt)
return new
end
function complex.__mt.__add(c1, c2)
return complex.new(c1.real + c2.real, c1.imaginary + c2.imaginary)
end
function complex.__mt.__sub(c1, c2)
return complex.new(c1.real - c2.real, c1.imaginary - c2.imaginary)
end
function complex.__mt.__mul(c1, c2)
return complex.new(c1.real * c2.real - c1.imaginary * c2.imaginary,
c1.real * c2.imaginary + c1.imaginary * c2.real)
end
function complex.expi(i)
return complex.new(math.cos(i),math.sin(i))
end
function complex.__mt.__tostring(c)
return "("..c.real..","..c.imaginary..")"
end
--[[---------------------------------------------------------------------
Cooley–Tukey Fast Fourier Transformation -
Zdroj: https://en.wikipedia.org/wiki/Cooley-Tukey_FFT_algorithm -
]]-----------------------------------------------------------------------
function FFT(vect)
local n=#vect
if n<=1 then return vect end
local odd,even={},{}
for i=1,n,2 do
odd[#odd+1]=vect[i]
even[#even+1]=vect[i+1]
end
FFT(even)
FFT(odd)
for k=1,n/2 do
local t=even[k] * complex.expi(-2*math.pi*(k-1)/n)
vect[k] = odd[k] + t
vect[k+n/2] = odd[k] - t
end
return vect
end
--[[-----------------------------------------------------------------------
Inverse Fast Fourier Transformation -
]]-------------------------------------------------------------------------
function IFFT(amplitudes)
local N = #amplitudes
local input = 1 / N
local i=nil
for i=1, N do
amplitudes[i].imaginary = -amplitudes[i].imaginary
end
FFT(amplitudes)
for i=1, N do
amplitudes[i].imaginary = -amplitudes[i].imaginary
amplitudes[i].real = amplitudes[i].real * input
amplitudes[i].imaginary = amplitudes[i].imaginary * input
end
return amplitudes
end
function toComplex(vector)
vect={}
for r,i in ipairs(vector) do
vect[r]=complex.new(i)
end
return vect
end
-- test
data = toComplex{1, 1, 1, 1, 0, 0, 0, 0}
print("orig:", unpack(data))
print("fft :", unpack(FFT(data)))
print("ifft:", unpack(IFFT(data)))
Řešení dotazu:
neumim dělat lulu :D :D :D :D ale ten tvuj lulu zdrojáček mi vrací
orig: (1,0) (1,0) (1,0) (1,0) (0,0) (0,0) (0,0) (0,0) fft : (4,0) (1,-2.4142135623731) (0,0) (1,-0.41421356237309) (0,0) (1,0.41421356237309) (0,0) (1,2.4142135623731) ifft: (1,-0) (1,-5.5511151231258e-17) (1,2.4894981252574e-17) (1,-5.5511151231258e-17) (5.5511151231258e-17,0) (5.5511151231258e-17,5.5511151231258e-17) (0,-2.4894981252574e-17) (5.5511151231258e-17,5.5511151231258e-17)
noa to é na mínus sedmnáctou (jako nakalkulačce hele :O ;D) sou tak děsně mrňavý čísla že je asi jako mužem považovat za nuly takže to máš asi jako dobře :D ;D
joa ty mrňavý čisilka se při výpočtech berou z nepřesnosti s děláním s floatama/číslama s plovoucí desetinou tečkou hele :O ;D
Tiskni
Sdílej: