DeadCode Fabric 1.21

Активно ведется разработка свежей версии чита. Пересматриваются новые концепции в подходе к написанию качественного функционала.

В ближайшее время планируется публикация подробного поста о ряде уникальных возможностей, ранее не реализованных ни в одном другом клиенте.

Ожидается, что DeadCode будет очень тесно интегрирован с нейронными сетями.

Я потратил почти неделю на изучение материала и написание своей библиотеки для инференса моделей. Моей целью было решение проблем оверхэда от DJL, который используется, например в LiquidBounce. А также избавление от CUDA, поскольку, несмотря на его производительность, с ним не получится охватить большую аудиторию из-за отсутствия поддержки устройств не от NVIDIA.

На бенчмарках моя библиотека в сравнении с PyTorch:

DeadCode (ALUminium):
Pr: 256
Cft: 22.7483
IPS: 36973.06268361285
Latency: 0.027046718

PyTorch (Python - CUDA):
Device: cuda
IPS: 23290.4788522
Latency: 0.042936 ms

Вывод незначительно отличается из-за валидационных проверок, главный показатель - IPS (Inferences Per Second).