home.social

#lpu — Public Fediverse posts

Live and recent posts from across the Fediverse tagged #lpu, aggregated by home.social.

fetched live
  1. RT @Akashi203: Ich versuchte, die LPU-Leistung auf einem einzelnen B200-Chip zu erreichen, und übertraf sie sogar, ohne irgendetwas zu fügen oder auch nur einen einzigen Kernel zu schreiben. In diesem Blogbeitrag zeige ich, dass die Hardware nicht das Problem ist, sondern die Software. Mit reiner Software-Leistung schlägt ein einzelner B200 die LPU und kommt der Cerebras-Leistung nahe. Jedes Jahr wird nun neue Silizium-Hardware für Inference-Zwecke vorgestellt. @cerebras hat die Gewichte auf einen Wafer gepackt, @GroqInc hat die LPU gebaut, @SambaNovaAI hat die RDU entwickelt – und alle drei sind echte Maschinen, die...

    mehr auf Arint.info

    #AI #B200 #Hardware #Inference #LPU #Software #arint_info

    https://x.com/Akashi203/status/2085459895499759831#m

  2. RT @Akashi203: Ich versuchte, die LPU-Leistung auf einem einzelnen B200-Chip zu erreichen, und übertraf sie sogar, ohne irgendetwas zu fügen oder auch nur einen einzigen Kernel zu schreiben. In diesem Blogbeitrag zeige ich, dass die Hardware nicht das Problem ist, sondern die Software. Mit reiner Software-Leistung schlägt ein einzelner B200 die LPU und kommt der Cerebras-Leistung nahe. Jedes Jahr wird nun neue Silizium-Hardware für Inference-Zwecke vorgestellt. @cerebras hat die Gewichte auf einen Wafer gepackt, @GroqInc hat die LPU gebaut, @SambaNovaAI hat die RDU entwickelt – und alle drei sind echte Maschinen, die...

    mehr auf Arint.info

    #AI #B200 #Hardware #Inference #LPU #Software #arint_info

    https://x.com/Akashi203/status/2085459895499759831#m

  3. RT @Akashi203: Ich versuchte, die LPU-Leistung auf einem einzelnen B200-Chip zu erreichen, und übertraf sie sogar, ohne irgendetwas zu fügen oder auch nur einen einzigen Kernel zu schreiben. In diesem Blogbeitrag zeige ich, dass die Hardware nicht das Problem ist, sondern die Software. Mit reiner Software-Leistung schlägt ein einzelner B200 die LPU und kommt der Cerebras-Leistung nahe. Jedes Jahr wird nun neue Silizium-Hardware für Inference-Zwecke vorgestellt. @cerebras hat die Gewichte auf einen Wafer gepackt, @GroqInc hat die LPU gebaut, @SambaNovaAI hat die RDU entwickelt – und alle drei sind echte Maschinen, die...

    mehr auf Arint.info

    #AI #B200 #Hardware #Inference #LPU #Software #arint_info

    https://x.com/Akashi203/status/2085459895499759831#m

  4. RT @Akashi203: Ich versuchte, die LPU-Leistung auf einem einzelnen B200-Chip zu erreichen, und übertraf sie sogar, ohne irgendetwas zu fügen oder auch nur einen einzigen Kernel zu schreiben. In diesem Blogbeitrag zeige ich, dass die Hardware nicht das Problem ist, sondern die Software. Mit reiner Software-Leistung schlägt ein einzelner B200 die LPU und kommt der Cerebras-Leistung nahe. Jedes Jahr wird nun neue Silizium-Hardware für Inference-Zwecke vorgestellt. @cerebras hat die Gewichte auf einen Wafer gepackt, @GroqInc hat die LPU gebaut, @SambaNovaAI hat die RDU entwickelt – und alle drei sind echte Maschinen, die...

    mehr auf Arint.info

    #AI #B200 #Hardware #Inference #LPU #Software #arint_info

    https://x.com/Akashi203/status/2085459895499759831#m

  5. RT @Akashi203: Ich versuchte, die LPU-Leistung auf einem einzelnen B200-Chip zu erreichen, und übertraf sie sogar, ohne irgendetwas zu fügen oder auch nur einen einzigen Kernel zu schreiben. In diesem Blogbeitrag zeige ich, dass die Hardware nicht das Problem ist, sondern die Software. Mit reiner Software-Leistung schlägt ein einzelner B200 die LPU und kommt der Cerebras-Leistung nahe. Jedes Jahr wird nun neue Silizium-Hardware für Inference-Zwecke vorgestellt. @cerebras hat die Gewichte auf einen Wafer gepackt, @GroqInc hat die LPU gebaut, @SambaNovaAI hat die RDU entwickelt – und alle drei sind echte Maschinen, die...

    mehr auf Arint.info

    #AI #B200 #Hardware #Inference #LPU #Software #arint_info

    https://x.com/Akashi203/status/2085459895499759831#m

  6. RT @Akashi203: Ich versuchte, die LPU-Leistung auf einem einzelnen B200-Chip zu erreichen, und übertraf sie sogar, ohne etwas zu verschmelzen oder auch nur einen einzigen Kernel zu schreiben. In diesem Blogbeitrag zeige ich, dass die Hardware nicht das Problem ist, sondern die Software. Artikel: Mit reiner Software schlägt ein einzelner B200 die LPU und kommt der Cerebras-Leistung nahe. Jedes Jahr bringt jemand neue Siliziumchips für Inference auf den Markt. @cerebras platzierte die Gewichte auf einem Wafer, @GroqInc baute die LPU, @SambaNovaAI baute die RDU, und alle drei sind echte Maschinen, die...

    mehr auf Arint.info

    #B200 #Cerebras #Hardware #Inference #LPU #Software #arint_info

    https://x.com/Akashi203/status/2085459895499759831#m

  7. RT @Akashi203: Ich versuchte, die LPU-Leistung auf einem einzelnen B200-Chip zu erreichen, und übertraf sie sogar, ohne etwas zu verschmelzen oder auch nur einen einzigen Kernel zu schreiben. In diesem Blogbeitrag zeige ich, dass die Hardware nicht das Problem ist, sondern die Software. Artikel: Mit reiner Software schlägt ein einzelner B200 die LPU und kommt der Cerebras-Leistung nahe. Jedes Jahr bringt jemand neue Siliziumchips für Inference auf den Markt. @cerebras platzierte die Gewichte auf einem Wafer, @GroqInc baute die LPU, @SambaNovaAI baute die RDU, und alle drei sind echte Maschinen, die...

    mehr auf Arint.info

    #B200 #Cerebras #Hardware #Inference #LPU #Software #arint_info

    https://x.com/Akashi203/status/2085459895499759831#m

  8. RT @Akashi203: Ich versuchte, die LPU-Leistung auf einem einzelnen B200-Chip zu erreichen, und übertraf sie sogar, ohne etwas zu verschmelzen oder auch nur einen einzigen Kernel zu schreiben. In diesem Blogbeitrag zeige ich, dass die Hardware nicht das Problem ist, sondern die Software. Artikel: Mit reiner Software schlägt ein einzelner B200 die LPU und kommt der Cerebras-Leistung nahe. Jedes Jahr bringt jemand neue Siliziumchips für Inference auf den Markt. @cerebras platzierte die Gewichte auf einem Wafer, @GroqInc baute die LPU, @SambaNovaAI baute die RDU, und alle drei sind echte Maschinen, die...

    mehr auf Arint.info

    #B200 #Cerebras #Hardware #Inference #LPU #Software #arint_info

    https://x.com/Akashi203/status/2085459895499759831#m

  9. @CEOstoryTime Is It Legal? The Real Reason Bought For $20 BILLION

    youtu.be/q704xnyRL0A?si=0wy98q

  10. @CEOstoryTime Is It Legal? The Real Reason Bought For $20 BILLION

    youtu.be/q704xnyRL0A?si=0wy98q

  11. Nvidia nie bierze jeńców. Wydaje 20 mld dolarów na „mózgi” Groq w największej transakcji w swojej historii

    Mieli być „pogromcą Nvidii”, oferując szybsze i tańsze chipy do AI. Zamiast tego, ich szefowie i technologia właśnie trafili pod skrzydła Jensena Huanga.

    Nvidia cementuje swoją pozycję monopolisty, wydając rekordowe 20 miliardów dolarów w kontrowersyjnym modelu „acquihire”.

    Groq był gwiazdą startupów AI. Ich procesory LPU (Language Processing Units) obiecywały to, czego GPU Nvidii nie potrafiły: błyskawiczne generowanie odpowiedzi (inference) przy ułamku kosztów energii. Firma budowała nawet własne centra danych w Europie i otwarcie oskarżała Nvidię o praktyki monopolistyczne. Cóż, jak mówi stare porzekadło: jeśli nie możesz ich pokonać, kup ich.

    Najdroższe „CV” w historii

    Według doniesień Tom’s Hardware, transakcja jest majstersztykiem prawnym, mającym na celu ominięcie urzędów antymonopolowych. Nvidia nie kupuje firmy Groq (co zablokowałaby Federalna Komisja Handlu). Zamiast tego:

    • Płaci 20 miliardów dolarów za niewyłączną licencję na własność intelektualną Groq.
    • Zatrudnia kluczowych pracowników, w tym założyciela i CEO Jonathana Rossa (twórcę układów TPU Google’a) oraz prezydenta Sunny’ego Madrę.

    To model działania znany jako „acquihire” (przejęcie dla talentów), który w ostatnich latach stosowały Microsoft (z Inflection AI) i Amazon (z Adept).

    Co zyskuje Nvidia?

    Jensen Huang, CEO Nvidii, powiedział wprost: „Planujemy zintegrować procesory Groq o niskich opóźnieniach z architekturą fabryk AI Nvidii”. Oznacza to, że firma łata swoją jedyną słabość – wydajność w tzw. inference (wnioskowaniu). Nvidia ma najlepsze chipy do uczenia AI, ale Groq miał lepsze do jej obsługi. Teraz Nvidia ma obie te rzeczy.

    Groq jako „wydmuszka”?

    Formalnie Groq pozostaje niezależną firmą. Nowym CEO zostanie dotychczasowy dyrektor finansowy Simon Edwards, a usługa GroqCloud ma działać bez zmian. Pytanie jednak, czym jest firma technologiczna bez swoich założycieli, kluczowych inżynierów i z technologią, którą właśnie oddała największemu konkurentowi?

    Dla rynku to jasny sygnał: w 2026 roku Nvidia zamierza być jedynym liczącym się graczem. A 20 miliardów dolarów to dla nich niska cena za święty spokój.

    Koniec eldorado w chmurze. Od 1 stycznia NVIDIA wprowadza sztywne limity w GeForce Now

    #AIInference #Groq #JensenHuang #JonathanRoss #LPU #nvidia #przejęcie #rynekChipów #sztucznaInteligencja
  12. Nvidia nie bierze jeńców. Wydaje 20 mld dolarów na „mózgi” Groq w największej transakcji w swojej historii

    Mieli być „pogromcą Nvidii”, oferując szybsze i tańsze chipy do AI. Zamiast tego, ich szefowie i technologia właśnie trafili pod skrzydła Jensena Huanga.

    Nvidia cementuje swoją pozycję monopolisty, wydając rekordowe 20 miliardów dolarów w kontrowersyjnym modelu „acquihire”.

    Groq był gwiazdą startupów AI. Ich procesory LPU (Language Processing Units) obiecywały to, czego GPU Nvidii nie potrafiły: błyskawiczne generowanie odpowiedzi (inference) przy ułamku kosztów energii. Firma budowała nawet własne centra danych w Europie i otwarcie oskarżała Nvidię o praktyki monopolistyczne. Cóż, jak mówi stare porzekadło: jeśli nie możesz ich pokonać, kup ich.

    Najdroższe „CV” w historii

    Według doniesień Tom’s Hardware, transakcja jest majstersztykiem prawnym, mającym na celu ominięcie urzędów antymonopolowych. Nvidia nie kupuje firmy Groq (co zablokowałaby Federalna Komisja Handlu). Zamiast tego:

    • Płaci 20 miliardów dolarów za niewyłączną licencję na własność intelektualną Groq.
    • Zatrudnia kluczowych pracowników, w tym założyciela i CEO Jonathana Rossa (twórcę układów TPU Google’a) oraz prezydenta Sunny’ego Madrę.

    To model działania znany jako „acquihire” (przejęcie dla talentów), który w ostatnich latach stosowały Microsoft (z Inflection AI) i Amazon (z Adept).

    Co zyskuje Nvidia?

    Jensen Huang, CEO Nvidii, powiedział wprost: „Planujemy zintegrować procesory Groq o niskich opóźnieniach z architekturą fabryk AI Nvidii”. Oznacza to, że firma łata swoją jedyną słabość – wydajność w tzw. inference (wnioskowaniu). Nvidia ma najlepsze chipy do uczenia AI, ale Groq miał lepsze do jej obsługi. Teraz Nvidia ma obie te rzeczy.

    Groq jako „wydmuszka”?

    Formalnie Groq pozostaje niezależną firmą. Nowym CEO zostanie dotychczasowy dyrektor finansowy Simon Edwards, a usługa GroqCloud ma działać bez zmian. Pytanie jednak, czym jest firma technologiczna bez swoich założycieli, kluczowych inżynierów i z technologią, którą właśnie oddała największemu konkurentowi?

    Dla rynku to jasny sygnał: w 2026 roku Nvidia zamierza być jedynym liczącym się graczem. A 20 miliardów dolarów to dla nich niska cena za święty spokój.

    Koniec eldorado w chmurze. Od 1 stycznia NVIDIA wprowadza sztywne limity w GeForce Now

    #AIInference #Groq #JensenHuang #JonathanRoss #LPU #nvidia #przejęcie #rynekChipów #sztucznaInteligencja
  13. Nvidia nie bierze jeńców. Wydaje 20 mld dolarów na „mózgi” Groq w największej transakcji w swojej historii

    Mieli być „pogromcą Nvidii”, oferując szybsze i tańsze chipy do AI. Zamiast tego, ich szefowie i technologia właśnie trafili pod skrzydła Jensena Huanga.

    Nvidia cementuje swoją pozycję monopolisty, wydając rekordowe 20 miliardów dolarów w kontrowersyjnym modelu „acquihire”.

    Groq był gwiazdą startupów AI. Ich procesory LPU (Language Processing Units) obiecywały to, czego GPU Nvidii nie potrafiły: błyskawiczne generowanie odpowiedzi (inference) przy ułamku kosztów energii. Firma budowała nawet własne centra danych w Europie i otwarcie oskarżała Nvidię o praktyki monopolistyczne. Cóż, jak mówi stare porzekadło: jeśli nie możesz ich pokonać, kup ich.

    Najdroższe „CV” w historii

    Według doniesień Tom’s Hardware, transakcja jest majstersztykiem prawnym, mającym na celu ominięcie urzędów antymonopolowych. Nvidia nie kupuje firmy Groq (co zablokowałaby Federalna Komisja Handlu). Zamiast tego:

    • Płaci 20 miliardów dolarów za niewyłączną licencję na własność intelektualną Groq.
    • Zatrudnia kluczowych pracowników, w tym założyciela i CEO Jonathana Rossa (twórcę układów TPU Google’a) oraz prezydenta Sunny’ego Madrę.

    To model działania znany jako „acquihire” (przejęcie dla talentów), który w ostatnich latach stosowały Microsoft (z Inflection AI) i Amazon (z Adept).

    Co zyskuje Nvidia?

    Jensen Huang, CEO Nvidii, powiedział wprost: „Planujemy zintegrować procesory Groq o niskich opóźnieniach z architekturą fabryk AI Nvidii”. Oznacza to, że firma łata swoją jedyną słabość – wydajność w tzw. inference (wnioskowaniu). Nvidia ma najlepsze chipy do uczenia AI, ale Groq miał lepsze do jej obsługi. Teraz Nvidia ma obie te rzeczy.

    Groq jako „wydmuszka”?

    Formalnie Groq pozostaje niezależną firmą. Nowym CEO zostanie dotychczasowy dyrektor finansowy Simon Edwards, a usługa GroqCloud ma działać bez zmian. Pytanie jednak, czym jest firma technologiczna bez swoich założycieli, kluczowych inżynierów i z technologią, którą właśnie oddała największemu konkurentowi?

    Dla rynku to jasny sygnał: w 2026 roku Nvidia zamierza być jedynym liczącym się graczem. A 20 miliardów dolarów to dla nich niska cena za święty spokój.

    Koniec eldorado w chmurze. Od 1 stycznia NVIDIA wprowadza sztywne limity w GeForce Now

    #AIInference #Groq #JensenHuang #JonathanRoss #LPU #nvidia #przejęcie #rynekChipów #sztucznaInteligencja
  14. Nvidia nie bierze jeńców. Wydaje 20 mld dolarów na „mózgi” Groq w największej transakcji w swojej historii

    Mieli być „pogromcą Nvidii”, oferując szybsze i tańsze chipy do AI. Zamiast tego, ich szefowie i technologia właśnie trafili pod skrzydła Jensena Huanga.

    Nvidia cementuje swoją pozycję monopolisty, wydając rekordowe 20 miliardów dolarów w kontrowersyjnym modelu „acquihire”.

    Groq był gwiazdą startupów AI. Ich procesory LPU (Language Processing Units) obiecywały to, czego GPU Nvidii nie potrafiły: błyskawiczne generowanie odpowiedzi (inference) przy ułamku kosztów energii. Firma budowała nawet własne centra danych w Europie i otwarcie oskarżała Nvidię o praktyki monopolistyczne. Cóż, jak mówi stare porzekadło: jeśli nie możesz ich pokonać, kup ich.

    Najdroższe „CV” w historii

    Według doniesień Tom’s Hardware, transakcja jest majstersztykiem prawnym, mającym na celu ominięcie urzędów antymonopolowych. Nvidia nie kupuje firmy Groq (co zablokowałaby Federalna Komisja Handlu). Zamiast tego:

    • Płaci 20 miliardów dolarów za niewyłączną licencję na własność intelektualną Groq.
    • Zatrudnia kluczowych pracowników, w tym założyciela i CEO Jonathana Rossa (twórcę układów TPU Google’a) oraz prezydenta Sunny’ego Madrę.

    To model działania znany jako „acquihire” (przejęcie dla talentów), który w ostatnich latach stosowały Microsoft (z Inflection AI) i Amazon (z Adept).

    Co zyskuje Nvidia?

    Jensen Huang, CEO Nvidii, powiedział wprost: „Planujemy zintegrować procesory Groq o niskich opóźnieniach z architekturą fabryk AI Nvidii”. Oznacza to, że firma łata swoją jedyną słabość – wydajność w tzw. inference (wnioskowaniu). Nvidia ma najlepsze chipy do uczenia AI, ale Groq miał lepsze do jej obsługi. Teraz Nvidia ma obie te rzeczy.

    Groq jako „wydmuszka”?

    Formalnie Groq pozostaje niezależną firmą. Nowym CEO zostanie dotychczasowy dyrektor finansowy Simon Edwards, a usługa GroqCloud ma działać bez zmian. Pytanie jednak, czym jest firma technologiczna bez swoich założycieli, kluczowych inżynierów i z technologią, którą właśnie oddała największemu konkurentowi?

    Dla rynku to jasny sygnał: w 2026 roku Nvidia zamierza być jedynym liczącym się graczem. A 20 miliardów dolarów to dla nich niska cena za święty spokój.

    Koniec eldorado w chmurze. Od 1 stycznia NVIDIA wprowadza sztywne limity w GeForce Now

    #AIInference #Groq #JensenHuang #JonathanRoss #LPU #nvidia #przejęcie #rynekChipów #sztucznaInteligencja
  15. [Перевод] Архитектура LPU и будущее AI без задержек

    Команда AI for Devs подготовила перевод статьи о том, как Groq пытается устранить главное «бутылочное горлышко» современного ИИ — задержку. Их специализированный процессор LPU обещает скорость в реальном времени и открывает путь к новым приложениям: от финансовых систем до Coding AI-ботов. Но за пределами маркетинга остаются вопросы: что с большими контекстами, какова конкуренция с Cerebras и GPU, и выдержит ли бизнес-модель такие вызовы?

    habr.com/ru/articles/945894/

    #Groq #LPU #инференс #задержка #ai #gpu

  16. [Перевод] Архитектура LPU и будущее AI без задержек

    Команда AI for Devs подготовила перевод статьи о том, как Groq пытается устранить главное «бутылочное горлышко» современного ИИ — задержку. Их специализированный процессор LPU обещает скорость в реальном времени и открывает путь к новым приложениям: от финансовых систем до Coding AI-ботов. Но за пределами маркетинга остаются вопросы: что с большими контекстами, какова конкуренция с Cerebras и GPU, и выдержит ли бизнес-модель такие вызовы?

    habr.com/ru/articles/945894/

    #Groq #LPU #инференс #задержка #ai #gpu

  17. [Перевод] Архитектура LPU и будущее AI без задержек

    Команда AI for Devs подготовила перевод статьи о том, как Groq пытается устранить главное «бутылочное горлышко» современного ИИ — задержку. Их специализированный процессор LPU обещает скорость в реальном времени и открывает путь к новым приложениям: от финансовых систем до Coding AI-ботов. Но за пределами маркетинга остаются вопросы: что с большими контекстами, какова конкуренция с Cerebras и GPU, и выдержит ли бизнес-модель такие вызовы?

    habr.com/ru/articles/945894/

    #Groq #LPU #инференс #задержка #ai #gpu

  18. I was an early #LPU member in 2001 and happy to have joined the @linkinpark Undergrpund again. Looking forward to their concert in June! The last one I attended was exactly 1 month before @chesterbe passed away. 💔

  19. I was an early #LPU member in 2001 and happy to have joined the @linkinpark Undergrpund again. Looking forward to their concert in June! The last one I attended was exactly 1 month before @chesterbe passed away. 💔

  20. I was an early #LPU member in 2001 and happy to have joined the @linkinpark Undergrpund again. Looking forward to their concert in June! The last one I attended was exactly 1 month before @chesterbe passed away. 💔

  21. I was an early #LPU member in 2001 and happy to have joined the @linkinpark Undergrpund again. Looking forward to their concert in June! The last one I attended was exactly 1 month before @chesterbe passed away. 💔

  22. 🌟 Exciting Online Program on High-Performance Computing (HPC) in India!

    Learn about Foundations, Parallel Programming, and GPU Acceleration from a stellar team of 7 experts, including industry leaders and international experts.

    📅 Dates: Jan 27-Feb 1, 2025.
    ⏰Time: 6-9 PM IST.
    💻 Mode: Online.
    💰 Free registration!

    Topics include MPI, OpenMP, CUDA, and more. Perfect for academicians and professionals.

    Limited seats! Register now:
    atalacademy.aicte-india.org/

    #HPC #FDP #FreeEvent #LPU

  23. 🌟 Exciting Online Program on High-Performance Computing (HPC) in India!

    Learn about Foundations, Parallel Programming, and GPU Acceleration from a stellar team of 7 experts, including industry leaders and international experts.

    📅 Dates: Jan 27-Feb 1, 2025.
    ⏰Time: 6-9 PM IST.
    💻 Mode: Online.
    💰 Free registration!

    Topics include MPI, OpenMP, CUDA, and more. Perfect for academicians and professionals.

    Limited seats! Register now:
    atalacademy.aicte-india.org/

    #HPC #FDP #FreeEvent #LPU

  24. 🌟 Exciting Online Program on High-Performance Computing (HPC) in India!

    Learn about Foundations, Parallel Programming, and GPU Acceleration from a stellar team of 7 experts, including industry leaders and international experts.

    📅 Dates: Jan 27-Feb 1, 2025.
    ⏰Time: 6-9 PM IST.
    💻 Mode: Online.
    💰 Free registration!

    Topics include MPI, OpenMP, CUDA, and more. Perfect for academicians and professionals.

    Limited seats! Register now:
    atalacademy.aicte-india.org/

    #HPC #FDP #FreeEvent #LPU

  25. 🌟 Exciting Online Program on High-Performance Computing (HPC) in India!

    Learn about Foundations, Parallel Programming, and GPU Acceleration from a stellar team of 7 experts, including industry leaders and international experts.

    📅 Dates: Jan 27-Feb 1, 2025.
    ⏰Time: 6-9 PM IST.
    💻 Mode: Online.
    💰 Free registration!

    Topics include MPI, OpenMP, CUDA, and more. Perfect for academicians and professionals.

    Limited seats! Register now:
    atalacademy.aicte-india.org/

    #HPC #FDP #FreeEvent #LPU

  26. [Перевод] Глубокое погружение в базовую архитектуру LPU Groq

    В этой статье мы собираемся разобрать архитектуру Tensor Streaming Processor TSP и его компилятора, а затем увидим, как Groq построили надежный и высокопроизводительный распределенный механизм инференса искусственного интеллекта с использованием этих TSP.

    habr.com/ru/articles/857800/

    #Groq #LPU #TPU #TSP #cyberdyne

  27. [Перевод] Глубокое погружение в базовую архитектуру LPU Groq

    В этой статье мы собираемся разобрать архитектуру Tensor Streaming Processor TSP и его компилятора, а затем увидим, как Groq построили надежный и высокопроизводительный распределенный механизм инференса искусственного интеллекта с использованием этих TSP.

    habr.com/ru/articles/857800/

    #Groq #LPU #TPU #TSP #cyberdyne

  28. [Перевод] Глубокое погружение в базовую архитектуру LPU Groq

    В этой статье мы собираемся разобрать архитектуру Tensor Streaming Processor TSP и его компилятора, а затем увидим, как Groq построили надежный и высокопроизводительный распределенный механизм инференса искусственного интеллекта с использованием этих TSP.

    habr.com/ru/articles/857800/

    #Groq #LPU #TPU #TSP #cyberdyne

  29. Want to talk about #lockpicking with others from around the world? Lockpickers United (#LPU) is the largest and most active lockpicking Discord server. Come hang out with us! lockpicking.chat

  30. Want to talk about #lockpicking with others from around the world? Lockpickers United (#LPU) is the largest and most active lockpicking Discord server. Come hang out with us! lockpicking.chat

  31. Want to talk about #lockpicking with others from around the world? Lockpickers United (#LPU) is the largest and most active lockpicking Discord server. Come hang out with us! lockpicking.chat

  32. @florianaigner

    Na, dann hätte er aus den 20 Arbeiten 200 gemacht. #LPU

    Ist halt doof für alle, denn alle müssen das Zeug lesen, begutachten, zitieren. Wir beschäftigen uns alle mit uns selbst. Damit irgendwelche Verwaltungen was zusammenzählen können.

    Aber die DFG ist zumindest schon bei den Antragstellungen vom Prinzip Masse weg. Da darf man nur noch wenige Publikationen auflisten.