Тип проекта: Asset Pack
Инструменты: MagicaVoxel,Unity, Photoshop
Всего ассетов: ~530 воксельных моделей
Рубрика «optimization»
Создание воксельных ассетов: Разбор личного кейса
2026-06-12 в 7:11, admin, рубрики: Gamedev, optimization, unity, voxel, разработка игр
Вторая жизнь MacBook Air 2011: Как Linux Mint, ZRam и магия Swapspace сотворили чудо
2026-05-08 в 14:57, admin, рубрики: LinuxMint, MacBookAir, optimization, Swapspace, ZRAMУ каждого из нас есть старый верный друг. Мой друг — это MacBook Air 2011 года. Тонкий алюминиевый корпус, стильный и красивый дизайн, с отличной клавиатурой с подсветкой, но с приговором от Apple: всего 2 ГБ оперативной памяти, которые невозможно проапгрейдить. Современная macOS превратила его в «кирпич», который задумывался на минуту при каждом клике.
Но я решил, что списывать его на свалку истории рано. Выход нашелся там, где его всегда ищут энтузиасты: в мире открытого ПО.
Linux Mint: Глоток свежего воздуха
Я снес тяжелую, неповоротливую macOS и поставил Linux Mint MATEЧитать полностью »
Сепаратор для логов. Сжимаем логи для контекста LLM без потери читаемости
2026-05-04 в 4:13, admin, рубрики: compression, devops, llm-инструменты, logzip, mcptools, optimization, python, Rust, token managementЯ думаю, многим знакомо устройство под названием сепаратор-то, что отделяет сливки от молока. Моя библиотека logzip занимается примерно тем же самым - отделяет сливки больших логов, оставляя самую суть перед подачей их на анализ в LLM.
Предупрежу сразу - я не писатель, я читатель, но не мог поделиться результатами своей работы. Так что не прошу судить строго за подачу материала.
Началось все с того, что я здесь на Хабре прочитал статью https://habr.com/ru/articles/1026040/ камрада @sergeivskЧитать полностью »
userver 3.0 — большой релиз фреймворка для IO‑bound‑программ, переход на C++20
2026-04-22 в 7:02, admin, рубрики: c++, C++20, json, json-schema, optimization, optimizations, userver, С++, С++20
Привет! На связи Антон Полухин из Техплатформы Городских сервисов Яндекса. После большого релиза 🐙 userverЧитать полностью »
Опыт разработки picows, самой быстрой библиотеки веб-сокетов для asyncio
2026-04-19 в 14:46, admin, рубрики: aiohttp, asyncio, benchmark, client, optimization, picows, python, websocketsDiscriminated Unions: Что не так с реализациями объединений в C#?
2026-04-18 в 18:46, admin, рубрики: .net, C#, Discriminated unions, high performance, optimization, serialization, source generators, unity
В жизни каждого C# программиста рано или поздно наступает момент, когда switch по objectЧитать полностью »
Как помочь вашему RAG адаптироваться? Принимайте DRAG with KNEE! Часть 1
2026-03-29 в 6:22, admin, рубрики: hierarchical structure, knee, optimization, rag, retrieval augmented generationВсе мы проходили через это: скармливаешь RAG‑системе сложный PDF на 50 страниц, а она в ответ либо галлюцинирует, либо вываливает на LLM простыню нерелевантного текста, съедая ваш бюджет на токены быстрее, чем вы успеваете сказать «GPT-4o». Проблема в том, что классический подход со статическим top_k — это костыль, который либо не додает контекста, либо вызывает у модели информационное «ожирение» (заполняет контекст нерелевантным мусором). Нашему RAG нужно помочь адаптироваться к безжалостной среде разрозненных документов!
Black-White Array: новая структура данных с O(log N) аллокаций
2026-01-14 в 6:27, admin, рубрики: allocation, computer science, optimization, orderedset, Алгоритмы, индексы, множество, оптимизация, производительность, структуры данныхКратко
Black-White Array (BWA) — это упорядоченная структура данных с амортизированным временем операций вставки/поиска/удаления 
и Читать полностью »
Умный Learning Rate Scheduler: Управляем скоростью обучения, анализируя ускорение
2025-10-26 в 19:35, admin, рубрики: AI, deep learning, learning rate, machine learning, optimization, pytorchМы привыкли использовать ReduceLROnPlateau если val_loss не улучшается N эпох подряд - режем learning_rate. Это работает. Мы ждем, пока обучение врежется в стену, и только потом реагируем.
А что, если мы могли бы увидеть эту стену заранее? Что, если бы мы могли сбросить скорость плавно, еще на подходе к плато, и снова нажать на газ, если впереди откроется новый спуск?
Я хочу поделиться концепцией умного LR шедулера, который управляет скоростью обучения, анализируя не сам loss, а скорость его изменения.
Проблема ReduceLROnPlateau: Мы реагируем на симптом, а не на причину
Умный Early Stopping: обучаем нейросети, анализируя тренд, а не шум
2025-10-25 в 7:26, admin, рубрики: Early Stopping, optimization, training, оптимизация обучения, ранняя остановкаПривет! Каждый, кто обучал нейронные сети, знаком с механизмом Early Stopping. Этот механизм останавливает обучение, когда метрика перестаёт улучшаться, экономя время и предотвращая переобучение. Классическая реализация проста и понятна, если loss на валидации не улучшается в течение N эпох мы останавливаемся и сохраняем лучшую модель.
Проблема классического подхода: реакция на шум
Ландшафт функции потерь редко бывает идеально гладким. В процессе обучения loss может немного дрожать - незначительно расти на пару эпох, а затем находить новую, еще более глубокую долину.