Ну не может быть, блядь, всё настолько, блядь, хуёво суки падлы вы чё

84802de34...f0.jpeg, 108.52 KB, 1080x1163, exif ggl iq id3

Спасибо что предупредил насчет роки; хотел его установить на лаптоп для работы в офисе, если такая появится, лол. Тогда Oracle linux ставим?
Сейчас сижу на LainOS, вообще арч стабильный, но дальше Hyperland мне не хватает мозгов зарайсить систему. Хочу попробовать Qubes ещё, а так вообще внутренний голос указывает что пора Генту устанавливать без оглядки назад, и что, мол, тогда жизнь наладится.

6394cb62d...44.jpeg, 325.14 KB, 1200x585, exif ggl iq id3

>>hRd
> Тогда Oracle linux ставим?
Лучше Дебияна так до сих пор ничего не увидел.
> роки
Я его таки установил, но там ублюдошный адаптивный мобильный рабочий стол и прочие еудобства.
> арч
В прошлом году поставил — и сразу ебля почалась с пакетами. Комьюнити конечно ок, через их вики дебиян удобно настраивать.
> Mint
Как будто неплохо, но пришлось снести, потому что даже объяснять не хочу почему. Ну при fractional scaling игры в стиме запускались с разъехавшимся масштабированием, но его все ругают. Хотя нужно, и выглядит кошерно.
> Hyprland
Невидел. Стоит увидеть?
> LainOS
Непробывал. Стоит испытать?
> Qubes
XFCE проклято, зажуковано, самими разработчиками XFCE. Очень жаль.

За последний год интересных тредов не было. Читай старые.
https://archive.is/0-chan.ru
https://archive.ph/2.0-chan.ru

Ну мужики, вообще ребята.

>>hR4
А хули нам?

КАНОПУС /тхред лол

Бамп

Бамп

2f0b1cc3a...2d.jpeg, 259.09 KB, 604x604, exif ggl iq id3

>>hQP
Создание системы Retrieval-Augmented Generation (RAG) для домашнего использования — интересная задача. Вот несколько ключевых моментов и подводных камней, которые стоит учесть:

1. Понимание RAG: RAG сочетает в себе извлечение информации и генерацию текста. Это значит, что система сначала ищет релевантные документы, а затем использует их для генерации ответа.

2. Сбор данных: Вам нужно будет оцифровать ваши книги и мангу, если они еще не в цифровом формате. Это можно сделать с помощью OCR (оптического распознавания символов).

3. Предобработка данных: Текст нужно будет очистить и, возможно, разбить на более мелкие части для удобства поиска.

4. Выбор моделей:
- Извлечение: Используйте модели для поиска, такие как BM25 или более современные, основанные на трансформерах, например, DPR (Dense Passage Retrieval).
- Генерация: Для генерации текста можно использовать модели вроде GPT или T5.

5. Инфраструктура: Убедитесь, что у вас достаточно вычислительных ресурсов. Модели на основе трансформеров могут требовать значительных вычислительных мощностей.

6. Тонкая настройка: Возможно, потребуется дообучение моделей на ваших данных для улучшения качества.

7. Этика и авторские права: Убедитесь, что правоторговцы и вымогатели, паразитирующие на чужом труде, не получат ни цента.

8. Тестирование и оценка: Регулярно проверяйте качество работы системы и вносите коррективы.

Для начала изучите основы машинного обучения и работы с трансформерами. Курсы на Coursera или книги, такие как "Deep Learning" от Ian Goodfellow, могут быть полезны. Также ознакомьтесь с библиотеками, такими как Hugging Face Transformers и Faiss для поиска.

https://nervengas.com/privacy/?c301f4f64560bc2f#EcVDd5pBtzqA7uLZTPSRKvNnmSkEjDJXT4HGEQt4Y2kR
pass 55555

Привет, петушочьки

Нультигеч упав.

73ccedcf3...7e.jpeg, 133.44 KB, 1057x1681, exif ggl iq id3

>>hQL