@vistehno
Искусственный интеллект. Высокие технологии - это Telegram канал, посвященный науке, технологиям, изобретениям и урбанистике. Здесь вы найдете актуальную информацию о том, какие высокие технологии становятся доступными сегодня, и как искусственный интеллект изменяет наш мир прямо сейчас. Каждый пост на канале приносит новое знание и понимание того, как высокие технологии влияют на нашу повседневную жизнь.
Администратор канала - @notxxx1, который подбирает самые интересные и актуальные темы для обсуждения. Будьте в курсе последних новостей в мире высоких технологий, следите за тем, как развивается наука и чем нас удивят в ближайшем будущем. Присоединяйтесь к нам, чтобы быть в центре современных технологий и быть в курсе самых актуальных тем!
Канал также сотрудничает с @itchannels_telegram, где вы найдете главное в мире IT, а также с @ai_machinelearning_big_data, посвященным машинному обучению, и @machinelearning_interview, где вы сможете найти интересные статьи и интервью на тему машинного обучения.
20 Nov, 17:01
20 Nov, 16:01
20 Nov, 12:01
20 Nov, 09:02
19 Nov, 08:01
17 Nov, 12:00
16 Nov, 11:01
15 Nov, 07:36
14 Nov, 20:45
14 Nov, 10:01
14 Nov, 08:00
13 Nov, 14:10
13 Nov, 13:02
13 Nov, 10:04
13 Nov, 09:00
13 Nov, 08:01
11 Nov, 18:56
11 Nov, 15:00
10 Nov, 13:01
09 Nov, 13:00
09 Nov, 08:41
08 Nov, 17:00
08 Nov, 15:01
08 Nov, 10:00
08 Nov, 08:00
07 Nov, 14:01
06 Nov, 20:38
06 Nov, 16:01
05 Nov, 13:02
04 Nov, 09:06
01 Nov, 16:20
01 Nov, 14:19
01 Nov, 12:56
31 Oct, 10:02
30 Oct, 15:01
29 Oct, 11:00
29 Oct, 09:01
28 Oct, 14:04
28 Oct, 12:01
28 Oct, 10:01
27 Oct, 12:01
27 Oct, 10:00
25 Oct, 14:34
24 Oct, 15:18
24 Oct, 13:18
23 Oct, 16:42
23 Oct, 12:01
22 Oct, 19:05
22 Oct, 17:05
22 Oct, 12:00
21 Oct, 13:00
21 Oct, 06:58
20 Oct, 12:01
19 Oct, 09:00
17 Oct, 16:01
16 Oct, 12:31
# Install miniGRU-pytorch
pip install minGRU-pytorch
# Usage
import torch
from minGRU_pytorch import minGRU
min_gru = minGRU(512)
x = torch.randn(2, 1024, 512)
out = min_gru(x)
assert x.shape == out.shape
# Sanity check
import torch
from minGRU_pytorch import minGRU
min_gru = minGRU(dim = 512, expansion_factor = 1.5)
x = torch.randn(1, 2048, 512)
# parallel
parallel_out = min_gru(x)[:, -1:]
# sequential
prev_hidden = None
for token in x.unbind(dim = 1):
sequential_out, prev_hidden = min_gru(token[:, None, :], prev_hidden, return_next_prev_hidden = True)
assert torch.allclose(parallel_out, sequential_out, atol = 1e-4)
15 Oct, 14:01
14 Oct, 14:00
14 Oct, 12:00
14 Oct, 08:22
13 Oct, 13:00
12 Oct, 11:00
12 Oct, 09:28
11 Oct, 16:19
11 Oct, 11:01
07 Oct, 12:37
07 Oct, 08:01
06 Oct, 10:22