1.24行代码完成批量缩星
2.NVIDIA Modulus 23.03安装和使用方法
3.Mistral联合英伟达开源12B小模型：碾压Llama 3，英伟单张4090可跑
4.硬核观察 #1112 1/7 的达源代码 Linux 内核代码是 AMD GPU 驱动代码
5.英伟达被黑客攻击,DLSS源代码泄露,业务会受影响吗?
6.小模型卷起来了：Mistral联合英伟达开源12B小模型，128k上下文
24行代码完成批量缩星
在星空摄影中，开英处理大量照片以制作延时视频时，伟达缩星成为了一项挑战。英伟手动在PS中逐一操作或自编图像处理动作，达源代码量比选股公式源码耗时且效率低。开英本文提供了一种编程解决方案，伟达利用免费工具starnet++ V2批量处理，英伟实现快速批量缩星。达源代码
starnet++ V2能有效去除TIFF格式中的开英星星，只需调用程序即可实现批量操作。伟达对于配备英伟达GPU的英伟电脑，通过CUDA接口加速处理，达源代码可显著提升效率，开英显卡下速度提升可达5至6倍。
在使用代码前，请确保已下载并安装starnet++ V2（官网下载window 位版本），并将其放置于C盘特定目录。
附源代码（代码由AI自动生成），以下为使用方法概述：
首先将包含照片的文件夹命名为output，然后运行脚本nostar.py。脚本将自动处理output文件夹中的所有TIFF文件，将去星后的保存到output/starless目录下，无需人工干预。
处理效果显著，银行源码交易TIFF格式大小约为M，去星过程大约需要2分钟，此阶段主要利用CPU资源。若拥有英伟达显卡，可参考专门网页了解GPU加速方法。
最终成果如下，显示批量处理后的效果。
使用本文提供的方法，星空照片的缩星效率得到极大提升，尤其对处理大量时尤为明显。通过合理利用GPU资源，进一步加速了处理过程，提高了工作效率。值得注意的是，英伟达的CUDA库体积庞大，可能需要手动下载某些dll文件，以确保程序正常运行。
NVIDIA Modulus .安装和使用方法
如果你对NVIDIA的Modulus .版本感兴趣，以下是你需要了解的安装和使用指南。从年开始，Modulus将进行重大更新，建议直接从.版本开始，因为它将成为新开发的基础，旧版本将不再维护，所有功能将迁移至此。usdt分账源码 Modulus .开源，可在GitHub获取。新版本主要由两个部分组成：Modulus包和modulus-sym包。sym包整合了大量API接口，以下是部分核心模块的导入示例： from modulus.sym.hydra import to_absolute_pathfrom modulus.sym.solver import Solver
from modulus.sym.domain import Domain
...
from modulus.sym.utils.io.plotter import ValidatorPlotter
安装步骤如下：首先，从GitHub下载modulus源代码，确保选择正确的版本，然后构建镜像：
#docker build -t modulus:ci --target ci -f Dockerfile .启动镜像，在其中安装modulus-sym：
#pip install .可能需要额外安装一些依赖，如：
sudo apt-get install libx-6sudo apt install libgl1-mesa-glx
sudo apt-get install libxrender1
完成以上步骤后，你就可以开始编写并运行Modulus .的代码了。对于进一步的技术交流和疑难解答，我们建议加入以下QQ群： 群名称：英伟达Modulus仿真技术交流（PINN）群号：
这里是一个活跃的社区，可以与同行分享经验和解决问题。祝你在使用Modulus .的过程中顺利！Mistral联合英伟达开源B小模型：碾压Llama 3，单张可跑
小模型，成为本周的AI焦点。
相较于动辄数千亿参数的大模型，小模型展现出其独特的魅力。它们在计算成本、训练与部署的便捷性上有着显著优势，尤其适合在计算资源有限、对数据安全性要求较高的场景中应用。因此，stripe发卡源码科技巨头如OpenAI和谷歌等纷纷致力于训练高效的小模型，推动了小模型领域的快速发展。
在这股浪潮中，Mistral AI携手英伟达联合推出了最新的小模型Mistral NeMo，其参数量达到了亿（B），上下文窗口为k，是一款旨在在资源有限的情况下实施AI解决方案的强大工具。
Mistral NeMo以其卓越的性能在多轮对话、数学、常识推理、世界知识和编码准确性上脱颖而出，超越了同参数规模的其他模型。在MMLU基准测试中，虽然在某些方面稍逊于Gemma 2 9B，但在多个关键基准上，Mistral NeMo均表现出色，实现了对Gemma 2 9B和Llama 3 8B的超越。
为了促进模型的商用化，Mistral NeMo以Apache2.0许可证的形式开放了预训练的基本检查点和指令微调检查点，允许企业在商业场景中灵活使用。同时，该模型经过量化感知训练，在FP8推理下实现了性能与效率的完美平衡，既保证了准确性，又显著减少了内存消耗和部署速度，传奇古月源码使模型在各种场景下都能高效学习与处理任务。
Mistral NeMo专为在单个NVIDIA LS、NVIDIA GeForce RTX 或NVIDIA RTX GPU上运行而设计，其高效能、低成本以及高度安全性使其成为了企业用户的理想选择。在企业级软件的支持下，Mistral NeMo NIM不仅具有专用功能分支和严格的验证流程，还提供了企业级安全性，确保了模型在商用场景中的稳定性和可靠性。
为了满足全球多语言应用程序的需求，Mistral NeMo模型针对多种语言进行了训练，尤其在英语、法语、德语、西班牙语、意大利语、葡萄牙语、中文、日语、韩语、阿拉伯语和印地语方面表现出色，推动了人工智能模型的全球化进程。此外，Mistral NeMo使用基于Tiktoken的全新分词器Tekken，优化了对多种语言的文本和源代码的压缩效率，使其在处理不同语言的文本时更为高效。
通过高级微调和调整，Mistral NeMo在遵循精确指令、推理、多轮对话和代码生成能力上显著提升，进一步强化了其在AI领域的竞争力。
综上所述，Mistral NeMo的发布标志着企业级AI工具的又一突破性进展，为企业用户提供了高效、可访问和强大的AI解决方案。随着AI生态系统的不断发展，Mistral NeMo的出现不仅加速了AI能力向最终用户普及的进程，也为AI领域的未来创新奠定了坚实的基础。
硬核观察 # 1/7 的 Linux 内核代码是 AMD GPU 驱动代码
Linux 内核代码的硬核观察揭示了一个显著的事实：AMD GPU 驱动代码占据了内核源代码的1/7以上，具体超过了万行。这其中包括AMD为每代新GPU提供的大量自动生成的头文件，它们就像详尽的文档，反映出AMD对驱动开发的投入。相比之下，英伟达开源的Nouveau驱动代码只有约万行，显示出AMD在内核贡献上的巨大影响力。
尽管AMD在代码贡献上积极主动，但老王对此提出疑问：在内核中不断增加代码是否真的有益？尤其考虑到ReiserFS的命运。曾经流行的ReiserFS日志文件系统因开发者的个人问题而停滞，最终在Linux 5.及后续版本中被标记为废弃。其后，随着主要开发者入狱，ReiserFS项目逐渐消亡，反映出开发者社区对项目污点的敏感和项目延续性的依赖。
另一个例子是Visual Studio for Mac，微软的Mac版开发工具，从开源到闭源，最终被计划在年废弃。VS Mac曾作为.NET IDE，但与Windows版本的差距明显。微软在发现VS Code更受欢迎后，逐渐淘汰边缘项目，而MonoDevelop的开源替代品DotDevelop仍在持续发展中。
英伟达被黑客攻击,DLSS源代码泄露,业务会受影响吗?
黑客帝国再起风云：英伟达遭遇大规模数据窃取/
据彭博社、每日电讯报和TheVerge权威报道，全球科技巨头英伟达近期遭受了黑客的猛烈攻击。据披露，这家南美黑客组织LAP$声称窃取了超过1TB的独家技术资料，引发了业界的广泛关注。幸运的是，LAP$已备份数据，使得英伟达的反击行动未能得逞。
尽管如此，英伟达在一份针对Hardwarexx德国硬件爱好者网站的声明中坚称，此次事件并未造成业务中断的威胁。他们迅速采取行动，强化网络安全，聘请专家应对，并与执法部门保持紧密合作。尽管存在威胁参与者获取员工凭证和部分专有信息的风险，但英伟达团队正在全力以赴进行调查，以确保信息安全。
值得注意的是，TechPower报道称，黑客已将深度学习超级采样(DLSS)的源代码公之于众，这项技术是英伟达的看家本领，尤其在游戏性能提升方面发挥关键作用。尽管英伟达曾因封闭源代码引发争议，但现在开源技术如FSR和XeSS的竞争加剧。然而，尽管DLSS的源码泄露，但其2.2版本的技术实力仍被公认为行业领先。
编辑观点：/对于内容创作者，我们尊重知识产权，呼吁所有厂商避免非法使用这些技术。对于大学生来说，这是一个了解行业领先技术的好机会，能够丰富学习内容，提升技能储备。尽管面临挑战，但英伟达的安全意识与持续投资表明，他们将继续在技术保护上保持领先地位。
此次事件提醒我们，网络安全是永恒的话题，每个行业参与者都需加强防护。希望大家从中获益，共同维护科技领域的健康发展。
小模型卷起来了：Mistral联合英伟达开源B小模型，k上下文
小模型时代来临：Mistral与英伟达联手开源B小模型Mistral NeMo，其k的上下文窗口使其在多语言应用和效率上表现出色。这款亿参数的模型旨在提供低成本、易用且高效的AI解决方案，尤其适合计算资源受限和数据安全要求高的场景。
OpenAI的GPT-4o mini以其美分/百万输入token和美分/百万输出token的定价，展示了智能成本的大幅下降，而Mistral NeMo则在性能上与9B的Gemma 2和8B的Llama 3展开竞争，尽管参数量较多，但展示了SOTA级别的推理能力。Mistral NeMo还支持量化感知训练，可进行FP8推理，且拥有更高效的分词器Tekken，压缩文本和源代码的效率显著提升。
英伟达应用深度学习研究副总裁Bryan Catanzaro强调了小模型的便捷性和多样性，指出Mistral NeMo可以轻松部署在本地硬件，如RTX GPU，这对于企业用户特别是关注数据隐私和延迟的企业来说具有吸引力。Mistral NeMo的k上下文窗口对于处理长文档和复杂任务具有显著价值，但主要定位在笔记本和台式电脑而非移动设备上。
这次发布预示着AI软件市场的潜在变革，它可能促使企业更加倾向于本地部署的AI解决方案，从而缓解对数据隐私、成本和延迟的顾虑。对于资源有限的小企业来说，这提供了与大公司竞争的新机会。然而，Mistral NeMo的实际效果和围绕它的生态系统建设将决定其长远影响。总的来说，Mistral NeMo标志着AI在企业环境中的应用正朝着更高效、可部署的方向发展，未来是否会撼动大模型的地位，还需拭目以待。
