🔌 Kompute — универсальный фреймворк для GPU-вычислений, работающий с Vulkan и поддерживающий графические карты AMD, NVIDIA, Qualcomm и других производителей. Проект разработан с упором на производительность, асинхронную обработку и кроссплатформенность, включая мобильные устройства.
Фреймворк предлагает гибкость для разработчиков, позволяя работать с тензорами, шейдерами и параллельными вычислениями. Под капотом — чистая интеграция с Vulkan, что делает его мощным инструментом для машинного обучения, игрового движка и других GPU-интенсивных задач. Проект поддерживается Linux Foundation и активно развивается с открытым исходным кодом.
🤖 GitHub
@cpluspluc
Фреймворк предлагает гибкость для разработчиков, позволяя работать с тензорами, шейдерами и параллельными вычислениями. Под капотом — чистая интеграция с Vulkan, что делает его мощным инструментом для машинного обучения, игрового движка и других GPU-интенсивных задач. Проект поддерживается Linux Foundation и активно развивается с открытым исходным кодом.
🤖 GitHub
@cpluspluc
🔥7❤🔥3🥰2
This media is not supported in your browser
VIEW IN TELEGRAM
Регистрация на конференцию Яндекса C++ Zero Cost Conf закрывается 28 июля!
Напоминаем программу:
— Доклады: Алиасинг памяти, Performance Puzzlers, C++20 Модули (Москва); Векторизация 2025, C++ vs C в роботах (Белград); Линейная алгебра в C++ (Питер) и другие. Полный список докладов можно посмотреть на сайте.
— Код-ревью с поиском и исправлением ошибок в коде — во всех городах.
— В Москве дополнительно проведут код-гольф на C++, воркшоп по Perforator и Case Lab по надежности сервисов.
Конференция пройдет уже 2 августа, успейте зарегистрироваться на сайте.
Напоминаем программу:
— Доклады: Алиасинг памяти, Performance Puzzlers, C++20 Модули (Москва); Векторизация 2025, C++ vs C в роботах (Белград); Линейная алгебра в C++ (Питер) и другие. Полный список докладов можно посмотреть на сайте.
— Код-ревью с поиском и исправлением ошибок в коде — во всех городах.
— В Москве дополнительно проведут код-гольф на C++, воркшоп по Perforator и Case Lab по надежности сервисов.
Конференция пройдет уже 2 августа, успейте зарегистрироваться на сайте.
🔥8❤4🎉4
⛓️ CUDA Core Compute Libraries (CCCL) — единый репозиторий от NVIDIA, объединяющий три ключевые библиотеки для работы с CUDA: Thrust, CUB и libcudacxx. Проект упрощает разработку высокопроизводительных вычислений, предлагая переносимые абстракции для разных GPU-архитектур.
Библиотеки поддерживают атомарные операции через cuda::atomic_ref и интеграцию с CMake. CCCL можно использовать как с официальным CUDA Toolkit, так и отдельно через GitHub или Conda, что удобно для экспериментов с новыми функциями до их выхода в стабильных версиях CUDA.
🤖 GitHub
@cpluspluc
Библиотеки поддерживают атомарные операции через cuda::atomic_ref и интеграцию с CMake. CCCL можно использовать как с официальным CUDA Toolkit, так и отдельно через GitHub или Conda, что удобно для экспериментов с новыми функциями до их выхода в стабильных версиях CUDA.
🤖 GitHub
@cpluspluc
❤6🔥2🥰2
⚡️ Почему лучшие разработчики всегда на шаг впереди?
Потому что они знают, где брать настоящие инсайд!
Оставь “программирование в вакууме” в прошлом, выбирай свой стек — подпишись и погружайся в поток идей, лайфхаков и знаний, которые не найдёшь в открытом доступе.
ИИ: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Devops: t.me/DevOPSitsec
Базы данных: t.me/sqlhub
Мл собес t.me/machinelearning_interview
C++ t.me/cpluspluc
Docker: t.me/DevopsDocker
Хакинг: t.me/linuxkalii
МЛ: t.me/machinelearning_ru
Data Science: t.me/data_analysis_ml
Javascript: t.me/javascriptv
C#: t.me/csharp_ci
Java: t.me/java_library
Python собеседования: t.me/python_job_interview
Мобильная разработка: t.me/mobdevelop
Golang: t.me/Golang_google
React: t.me/react_tg
Rust: t.me/rust_code
ИИ: t.me/vistehno
PHP: t.me/phpshka
Android: t.me/android_its
Frontend: t.me/front
Big Data: t.me/bigdatai
МАТЕМАТИКА: t.me/data_math
Kubernets: t.me/kubernetc
Разработка игр: https://t.me/gamedev
Физика: t.me/fizmat
SQL: t.me/databases_tg
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
Папка FRONTEND: https://t.me/addlist/mzMMG3RPZhY2M2Iy
🎓954ГБ ОПЕНСОРС КУРСОВ: @courses
😆ИТ-Мемы: t.me/memes_prog
🇬🇧Английский: t.me/english_forprogrammers
🧠ИИ: t.me/vistehno
🖥 Chatgpt для кода в тг: @Chatgpturbobot -
📕Ит-книги: https://t.me/addlist/BkskQciUW_FhNjEy
💼ИТ-вакансии t.me/addlist/_zyy_jQ_QUsyM2Vi
Подпишись, чтобы всегда знать, куда двигаться дальше!
Потому что они знают, где брать настоящие инсайд!
Оставь “программирование в вакууме” в прошлом, выбирай свой стек — подпишись и погружайся в поток идей, лайфхаков и знаний, которые не найдёшь в открытом доступе.
ИИ: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Devops: t.me/DevOPSitsec
Базы данных: t.me/sqlhub
Мл собес t.me/machinelearning_interview
C++ t.me/cpluspluc
Docker: t.me/DevopsDocker
Хакинг: t.me/linuxkalii
МЛ: t.me/machinelearning_ru
Data Science: t.me/data_analysis_ml
Javascript: t.me/javascriptv
C#: t.me/csharp_ci
Java: t.me/java_library
Python собеседования: t.me/python_job_interview
Мобильная разработка: t.me/mobdevelop
Golang: t.me/Golang_google
React: t.me/react_tg
Rust: t.me/rust_code
ИИ: t.me/vistehno
PHP: t.me/phpshka
Android: t.me/android_its
Frontend: t.me/front
Big Data: t.me/bigdatai
МАТЕМАТИКА: t.me/data_math
Kubernets: t.me/kubernetc
Разработка игр: https://t.me/gamedev
Физика: t.me/fizmat
SQL: t.me/databases_tg
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
Папка FRONTEND: https://t.me/addlist/mzMMG3RPZhY2M2Iy
🎓954ГБ ОПЕНСОРС КУРСОВ: @courses
😆ИТ-Мемы: t.me/memes_prog
🇬🇧Английский: t.me/english_forprogrammers
🧠ИИ: t.me/vistehno
📕Ит-книги: https://t.me/addlist/BkskQciUW_FhNjEy
💼ИТ-вакансии t.me/addlist/_zyy_jQ_QUsyM2Vi
Подпишись, чтобы всегда знать, куда двигаться дальше!
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2👍2🔥2🖕2
🧠 Задача: Реализация `TypeList` с поддержкой операций на этапе компиляции
📌 Описание
Реализуйте шаблонный класс
1. Получение длины списка (`length`)
2. Получение типа по индексу (`at<N>`)
3. Добавление типа в начало списка (`push_front<T>`)
4. Удаление первого типа (`pop_front`)
5. Проверка наличия типа в списке (`contains<T>`)
6. Фильтрация по условию (например, только целочисленные типы) (`filter<Predicate>`)
Всё это должно работать на этапе компиляции, без использования
🧩 Пример использования
🛠 Требования к реализации
Используйте только возможности шаблонов и constexpr.
Не используйте std::tuple, std::array, if constexpr (если хотите усложнить — можно).
Предпочтительно использование C++17 или выше.
Код должен компилироваться и проходить все static_assert.
🧪 Бонусное задание
Реализуйте print_types() — функцию, которая выводит все типы из списка в std::cout (можно использовать typeid, PRETTY_FUNCTION или другие хаки).
@cpluspluc
📌 Описание
Реализуйте шаблонный класс
TypeList, который представляет собой список типов на этапе компиляции (compile-time type list). Он должен поддерживать следующие операции:1. Получение длины списка (`length`)
2. Получение типа по индексу (`at<N>`)
3. Добавление типа в начало списка (`push_front<T>`)
4. Удаление первого типа (`pop_front`)
5. Проверка наличия типа в списке (`contains<T>`)
6. Фильтрация по условию (например, только целочисленные типы) (`filter<Predicate>`)
Всё это должно работать на этапе компиляции, без использования
std::tuple или других runtime-контейнеров.🧩 Пример использования
#include <type_traits>
#include <iostream>
// Пример предиката
template<typename T>
struct is_integral : std::is_integral<T> {};
int main() {
using MyList = TypeList<int, char, float, double, short>;
static_assert(MyList::length == 5);
static_assert(std::is_same_v<MyList::at<0>, int>);
static_assert(std::is_same_v<MyList::at<2>, float>);
using WithBool = MyList::push_front<bool>;
static_assert(WithBool::length == 6);
static_assert(std::is_same_v<WithBool::at<0>, bool>);
using Popped = WithBool::pop_front;
static_assert(std::is_same_v<Popped, MyList>);
static_assert(MyList::contains<int>);
static_assert(!MyList::contains<bool>);
using OnlyIntegral = MyList::filter<is_integral>;
static_assert(std::is_same_v<OnlyIntegral, TypeList<int, char, short>>);
return 0;
}
🛠 Требования к реализации
Используйте только возможности шаблонов и constexpr.
Не используйте std::tuple, std::array, if constexpr (если хотите усложнить — можно).
Предпочтительно использование C++17 или выше.
Код должен компилироваться и проходить все static_assert.
🧪 Бонусное задание
Реализуйте print_types() — функцию, которая выводит все типы из списка в std::cout (можно использовать typeid, PRETTY_FUNCTION или другие хаки).
@cpluspluc
❤8🔥3👍2
🎬 Blender 4.5 LTS — главное обновление года для 3D-художников
Новая долгосрочная версия популярного графического пакета принесла ключевые улучшения: полную поддержку Vulkan в EEVEE, ускоренную загрузку текстур и революционный инструмент Point Cloud для работы с облаками точек.
Особого внимания заслуживает обновлённый Grease Pencil с экспортом анимированных SVG и интеграцией с композитингом. Рендеринг теперь на 40% быстрее благодаря многопоточной компиляции шейдеров.
🔗 Ссылка - *клик*
@cpluspluc
Новая долгосрочная версия популярного графического пакета принесла ключевые улучшения: полную поддержку Vulkan в EEVEE, ускоренную загрузку текстур и революционный инструмент Point Cloud для работы с облаками точек.
Особого внимания заслуживает обновлённый Grease Pencil с экспортом анимированных SVG и интеграцией с композитингом. Рендеринг теперь на 40% быстрее благодаря многопоточной компиляции шейдеров.
🔗 Ссылка - *клик*
@cpluspluc
👍6❤5🔥5
Forwarded from Machinelearning
В основе технологического стека - семейство моделей Codestral, с обновленной моделью Codestral 25.08.
Эта версия показала измеримые улучшения, подтвержденные на реальных кодовых базах: на 30% увеличилось количество принятых автодополнений, на 10% вырос объем сохраняемого после подсказки кода, а число генераций, когда модель производит слишком длинный и некорректный код, сократилось на 50%.
В режиме чата модель также стала лучше: ее способность следовать инструкциям выросла на 5% по метрике IF Eval v8, а общие возможности в программировании улучшились в среднем на 5% по тесту MultiplE.
За это отвечает Codestral Embed, модель для создания векторных представлений, специально спроектированная для кода, а не для обычного текста. По заявлениям Mistral, она превосходит эмбеддинг-решения от OpenAI и Cohere в реальных задачах по извлечению кода.
Ключевое преимущество - возможность настройки размерности эмбеддингов (до 256 измерений с квантованием до INT8), что позволяет балансировать между качеством поиска и хранением данных, сохраняя высокую производительность.
Они реализованные через Devstral - агентскую систему на базе фреймворка OpenHands. Система ориентирована на задачи рефакторинга, генерации тестов и создание pull-реквестов.
На бенче SWE-Bench Verified модель Devstral Small 1.1 выбивает 53.6%, а Devstral Medium - 61.6%, значительно опережая Claude 3.5 и GPT-4.1-mini.
Devstral Small (24 млрд параметров) может работать на одной Nvidia RTX 4090 или Mac с 32 ГБ ОЗУ, что идеально для локальных или изолированных сред.
Все эти возможности объединяются в плагине Mistral Code для IDE от JetBrains и VS Code. Он автодополняет код с помощью Codestral 25.08 и автоматизирует рутину: написание коммитов или docstring’ов через Devstral, и семантический поиск на базе Codestral Embed.
Плагин учитывает контекст из
Git diffs, истории терминала и инструментов статического анализа.Для корпоративных клиентов предусмотрено развертывание в облаке, VPC или полностью on-prem, а также интеграция с SSO, ведение логов аудита и отсутствие обязательной телеметрии.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2❤1🔥1