DPS Build
937 subscribers
139 photos
3 videos
10 files
487 links
AI, coding, data science and startups
Download Telegram
一个英标转接头成为了 Standby 的底座。英标插头是三个触角,手机架上面,角度也正好。
👍1
Forwarded from 帆室邻
画一个
👏2😱1
Apple 发布了一门新的语言,类似于 Yaml 用来写配置的

https://pkl-lang.org
Apple Vision Pro + Dyson Zone headphone
👍2
开始用 Linear 管理项目进度,比 Jira 好用多了。

感觉这些年被 Jira 折磨的痛苦都被抵消了。快把 Jira 干翻!

https://linear.app
DPS Build
开始用 Linear 管理项目进度,比 Jira 好用多了。 感觉这些年被 Jira 折磨的痛苦都被抵消了。快把 Jira 干翻! https://linear.app
CleanShot 2024-03-04 at 19.06.09@2x.png
168 KB
Linear 这是把细节做到了极致:

发篇 blog,他们为两种主题分别准备了对应的插图。不仔细看根本看不出来,我恰好在 Readwise Reader 里阅读这篇文章,所以发现了这个细节。

https://linear.app/blog/rethinking-the-startup-mvp-building-a-competitive-product
Forwarded from DPS Main
Daily Productive Sharing 928 - Infrastructure of OpenAI

随着 ChatGPT 的流行,OpenAI 面临的工程挑战也越来越多。Gergely Orosz 邀请了 OpenAI 的应用工程主管 Evan Morikawa 介绍了他们的最佳实践,其中不少与传统的最佳实践完全不一样:

1 向 ChatGPT 提问后,系统会把提问拆解成 token,然后转换成 embedding,乘以模型的权重之后,然后获得预测值;

2 ChatGPT 底层使用 transformer 架构,使用了 self-attention 机制,又一个致命问题,就是 self-attention 的计算是呈平方增长的;

3 他们将预测问题当作一个 QKV 的模型来处理,Q 指用户的输入,K是用来输出预测值的输入,V 是预测值,其中 K 和 V 可以被缓存,而 Q 无法被缓存;

4 先在最大的硬件瓶颈在于显存大小,即使最先进的 GPU - H100 也有显存瓶颈,而它的架构设计早就在多年前就确定了,短时间也无法更改;

5 当然显卡是跟广义上的短缺问题,好在他们有微软 Azure 的支持,所以可以调用一切闲置的显卡资源。这也就意味着,从第一天开始,他们的服务器调度设计就是全球调度;

6 因为最大的计算瓶颈在于显卡,所以服务器的物理位置就没那么重要,edge computing 在这里也就无所谈起了;

7 监测 GPU 使用率其实没有多少用,因为 GPU 的计算机制和 CPU 完全不一样,看这个使用率只能告诉我们 GPU 是否在计算,无法提供更多细节。

https://letters.acacess.com/daily-productive-sharing-928/
👍1
Homebrew 的图形界面

https://corkmac.app/
👍4
Forwarded from DPS Main
使用 Apple TV 4K 作为旁理由

看了这个视频之后,手痒买了台翻新的 Apple TV 4K,然后设置了旁路由。

视频里用的是 Surge,我用 Shadowrocket 也可以,非常简单:

1. 打开手机上的 Shadowrocket,找到下面的 Data 页面;
2. 在 Apple TV 上下载 Shadowrocket,然后在顶部右侧找到三个矩形的图标,按照提示和 iOS app 配对即可;
3. 接下来 Shadowrocket 会把你手机里的配置同步到 Apple TV 上,这样就可以了;
4. 其余的配置参考下面这个视频

https://youtu.be/1WzhoxdwpeQ
👍1