Kurgan-Telecom Ru | Информационные технологии

В данной статье я описываю свой опыт разработки приложений с OpenCL/SYCL.

Вычисления на видеокартах ассоциируются преимущественно с графикой, научными вычислениями и с недавних пор с нейросетями. Но чаще всего с графикой.

Тем не менее, графические процессоры обладают свойствами, за счёт которых их очень удобно использовать в задачах, напрямую не связанных с перечисленным выше. И главное из этих свойств – массовый параллелизм.

Самый краткий ввод в гетерогенное программирование: у нас есть две роли — хост и девайс, задача хоста – формировать задачи и отдавать их на девайс, в то время как задача девайса обработать их и вернуть результат. При этом хост и девайс могут быть одним вычислительным устройством (это не обязательно CPU + GPU, так как CPU может отдавать задачи сам себе).

Начитавшись за последние пару месяцев статей про вайбкодинг и воодушевившись, что сейчас в микрофон ноута скажу «ОК Гугл, сделай мне скрипт для кодирования фото и видео архива за 15 лет» и далее как в фильме Она (2013), нейросеть мне разберет по полочкам, то что откладывалось и накапливалось.. Я столкнулся с суровой реальность :( Но дело сделал! Поэтапное решение под катом.

TL;DR: TeamViewer заблокировал все бесплатные подключения из России в 2022 году. AnyDesk с апреля 2025 года блокируется Роскомнадзором — тысячи жалоб, соединения не устанавливаются или обрываются. Российские аналоги стоят от 72 000 ₽/год и заточены под корпорации. Я сделал Portal — удалённый рабочий стол на WebRTC с прямым P2P-соединением, без серверов-посредников. macOS + Windows. 1 устройство бесплатно. Сайт — portal-app.ru. Telegram — @portalremote.

Что случилось с TeamViewer

5 мая 2022 года TeamViewer объявил о полном прекращении работы в России и Беларуси. Компания:

Заблокировала все бесплатные (нелицензионные) подключения из России и в Россию

Прекратила продажу новых лицензий

Отказалась продлевать существующие контракты

Если вы сейчас скачаете TeamViewer и попробуете подключиться — получите «Невозможно подключиться к партнёру». Всё. Без вариантов. Двадцать лет люди привыкали к этому инструменту, а потом в один день он просто перестал работать.

Я сейчас пребываю в перманентном шоке от происходящего. И дело все в нейронках, а точнее в NanoBanana, Suno и Kling. Мы за каких-то три-четыре года дошли от первых попыток через Midjourney сгенерировать что-то реалистичное на фото, до генерации неотличимого от настоящего видео. Да, всего каких-то три года, и все соцсети уже завалены роликами, сгенерированными полностью нейронками. И самое печальное, что теперь непонятно, вот эта говорящая голова настоящая, или это цифровой аватар. А голос настоящий, или нет? Или локация в кадре вообще существует в реальности? А что будет еще через пару лет?

Я инженер ОВиК, и меня достало каждый день гуглить перевод кгс/см² в бары. Универсальные конвертеры не знают про Гкал/ч и кгс/м², а инженерные калькуляторы — платные или с рекламой. Написал своё Android-приложение на Python/Kivy: 10 категорий, 60 единиц измерения (включая все инженерные), 5 калькуляторов (скорость в трубе, тепловая мощность с гликолями, расширительный бак по СП 60.13330, потери на клапане, площадь изоляции). Работает полностью офлайн, бесплатно, без рекламы. Рассказываю как сделал, с какими граблями столкнулся и как выложил в RuStore.

Современный процессор способен выполнять миллиарды операций в секунду, но его реальная производительность упирается не в вычисления, а в ожидание данных. Почему кэш измеряется десятками килобайт, оперативная память — гигабайтами, а накопители — терабайтами? Почему DRAM нужно постоянно обновлять, SSD живут ограниченное число циклов записи, а HDD до сих пор остаются актуальными для архивов?

В этой статье разберём полную иерархию памяти:
• как устроена SRAM и почему используется в кэше,
• чем физически отличается DRAM и как она работает,
• за счёт чего 3D NAND хранит несколько бит в одной ячейке и при чём тут квантовое туннелирование,
• как магнитные домены на HDD кодируют данные и почему головка «парит» в нанометрах от поверхности.

Разбираем «Додо», «Дикси» и «Золотое Яблоко». Почему скидки перестали работать, как геймификация влияет на LTV и зачем ритейлу виртуальная валюта. Только цифры, механики и выводы.

Привет Хабр! Меня зовут Радион Зарипов, я — аспирант программы «Науки о материалах» в Сколтехе и прохожу в настоящее время стажировку в Sber AI. Значительная часть работы, о которой пойдет речь, была выполнена мной во время летней практики в AIRI, в группе «Дизайн новых материалов», которая исследует возможности применения вычислительных подходов к прогнозированию новых материалов. Совместно с моими коллегами из Сколтеха, AIRI, Sber AI, РХТУ и ИФХЭ РАН мы недавно опубликовали статью в Acta Materialia, где построили подробную фазовую диаграмму карбида технеция. Это не было бы возможным без применения графовых нейронных сетей, которые заменяют существенную часть вычислений.

Здесь мне хотелось бы подробнее рассказать, что именно мы делали и с какими сложностями столкнулись. Текст получился большим и подробным, но если вам интересно, как машинное обучение постепенно меняет материаловедение, эта статья для вас.

Сейчас тренд на замену людей нейросетями, вайбкодинг, и другие вещи которые завернуты в фантик «Беззаботного будущего», всё это мне напоминает предыдущий тренд который был до появления ИИ — «Успешный успех». Нам продают не технологии, а чувства простоты, на который люди каждый раз охотно ведутся.

По ощущениям, этот тот же барабан с цифрами 777, нам показывают пару удачных прокруток, «джекпоты», счастливые лица, а реальная статистика, цена попыток, и неизбежные промахи остаются за кадром.

За последние пару лет в интернете скопилось много статей на данную тему, так зачем же еще одна? Лично для меня была проблема в том, чтобы найти всю информацию по базовой настройке сервера (обновление, защита и т.д.) и в дополнение к этому быстрый способ настройки VLESS в одной статье. Обычно я натыкался на статьи, где есть настройка панели 3X-UI (и то, как я понял, читая комментарии под такими статьями, не всегда правильная) без базовой настройки самого VPS, либо статьи, где всё написано слишком детально, а «много букав» читать, да ещё в последствии воспроизводить самому многим лениво в наше время.

Поэтому в данной инструкции я решил собрать в одном месте и базовую настройку сервера (которую может сделать практически любой, не слишком мудря с настройками), так и настройку Xray без панели 3X-UI всего за пару скриптов.

Объявлено, что в грядущем выпуске Ubuntu 26.04 LTS утилита Software & Updates будет исключена из стандартного набора приложений при чистой установке. В Canonical аргументируют это решение тем, что многие функции инструмента являются избыточно сложными или потенциально опасными для рядовых пользователей.

Основное опасение вызывает возможность отключения доступа к главным репозиториям Ubuntu через графический интерфейс. Случайная деактивация этих источников может привести к невозможности установки критически важных обновлений системы.

По словам Жан-Батиста Лаллемана из Canonical, управление подписками Ubuntu Pro в новой версии дистрибутива перенесено в приложение Центр безопасности (Security Center), реализованное на базе Snap. Отказ от предустановки старой утилиты, написанной на GTK3, позволит инженерам не тратить ресурсы на её поддержку в течение жизненного цикла Ubuntu 26.04.

Изменения затронут только графический интерфейс. Пакет software-properties-common, обеспечивающий работу основных инструментов командной строки для управления репозиториями и PPA, останется в системе. Такие команды, как add-apt-repository, продолжат функционировать в штатном режиме.

Пользователи, которым необходим графический интерфейс для управления зеркалами, PPA или поведением обновлений, смогут установить утилиту самостоятельно. Пакет software-properties-gtk сохранен в репозитории main релиза 26.04 LTS. Для его возвращения достаточно выполнить стандартную команду установки через apt.

 ubuntu

Transactional outbox обычно внедряют ради консистентности, а в итоге получают новый источник «случайной» задержки и постоянный фон нагрузки на базу из-за поллинга. В этой короткой статье разберем простой поворот идеи: не выбрасывая outbox и relay-процесс, попробовать отправлять событие сразу после коммита и превращать поллинг в редкий fallback. Посмотрим, что это даёт по задержкам и нагрузке, и какие неприятные нюансы всплывают с порядком доставки, дублями и наблюдаемостью.

Как насчёт дозы реальности?

Linux — поляризующая тема в технологическом пространстве. Каждый раз, когда кто-то публикует в соцсетях проблему с Windows или (что реже) с macOS, непременно находится какой-нибудь старатель, вклинивающийся в разговор с фразой: «Просто используй Linux, лол».

Да. Спасибо, Кевин. Давай взрослые поговорят, ладно? Спасибо.

Но, возможно, в словах Кевина было больше смысла, чем я когда-то готов был признать.

Одно время я воспринимал Linux как игрушку или как нечто предназначенное для немытых обитателей подвалов, а не для серьёзных пользователей компьютеров. Я думал, что Linux — это синоним фразы «живёт с мамой и не имеет друзей».

Я не мог ошибаться сильнее.

Кэш-монтирование в Docker — это мощный инструмент, который может значительно ускорить процесс сборки образов в CI/CD. Но его правильная настройка в GitLab требует понимания не только работы BuildKit, но и особенностей взаимодействия с различными конфигурациями GitLab Runner — DinD и DooD.

В этой статье я расскажу об устройстве кэш-монтирования в Docker и как его использовать в GitLab CI/CD. На примере простой сборки Python-проекта покажу готовые решения для кэширования зависимостей, чтобы оптимизировать сборку Docker-образов.

Наверняка, с вами бывала ситуация.

Вы едете в метро, или сидите на важном совещании. Или вы засыпаете. Внезапно, какая-то ваша мысль, живя своей жизнью, натыкается на забытый и коварно хранящийся как раз для такого момента взрывоопасно смешной анекдот или такой же убойности историю. И всё — рамки сокрушены, вы неудержимо начинаете вздрагивать от попыток сдержать смех, сгорая под негодующими взглядами окружающих или уже не надеясь уснуть.

Собрал в одном месте полезные возможности Telegram, которые упрощают ежедневную работу с приложением. Все приёмы проверены на практике и активно используются. Формат изложения — краткие инструкции с конкретными примерами.

Данная статья является вырезкой из работы, впервые опубликованной в мае 2023 года. Она была посвящена свободе. В ней были рассмотрены ее различные понятия, а также связанные с ней вопросы, касающиеся устройства общества и построения мира гармонии — того процесса, который принято называть социальным освобождением. Среди прочего, один из ее разделов был посвящен вопросу наличия выбора у человека. Если свобода определяется как возможность выбора, то встает вопрос, существует ли этот самый выбор. Иными словами в этом разделе — который и является приводимой здесь вырезкой — разбирается представление о том, что выбор, это лишь иллюзия.

Стоит отметить, что полноценного понимания наличия выбора у человека невозможно достичь, ограничившись только рассмотрением биологической стороны вопроса, как это сделано в данном очерке. Для этого нужно вникнуть в вопрос соотношения необходимости и случайности как таковых — понять, что необходимость существует только через случайность, что их связь не внешняя, а внутренняя.

Хотя таких разъяснений в этой вырезке нет, тем не менее, представленный здесь материал позволяет увидеть, что рассуждения о том, будто выбор это иллюзия, несостоятельны.

Настройка локальной авторизации через соцсети для своих проектов может стать реальной проблемой если у вас нет купленного домена. В этой статье я постарался описать решение данной проблемы и настройку локальной авторизации через Телеграм и ВКонтакте.

Любая наука только тем и занимается, что строит математические модели (ММ) в своей предметной области. Особенно важно уметь строить адекватные ММ в процессе наладки систем управления по экспериментальным данным, полученным на реальном объекте. В статье рассматривается методика получения аналитических ММ статики, доступная рядовому инженеру, требующая минимальных затрат времени, без привлечения громоздкого программного обеспечения.

Выбор фреймворка для глубокого обучения — это стратегическое решение, влияющее на скорость разработки, стоимость и масштабируемость. Правило «PyTorch — для исследований, TensorFlow — для продакшена» больше не работает. К 2026 году оба фреймворка активно заимствуют лучшее друг у друга: PyTorch наращивает промышленные возможности (TorchServe, ExecuTorch), а TensorFlow с Keras 3 становится гибче для исследований.

Согласно опросу Stack Overflow Developer Survey 2024, PyTorch (10,6%) и TensorFlow (10,1%) находились примерно на одной отметке по частоте использования у разработчиков, а в исследовательских и AI-first-компаниях уверенно лидирует PyTorch. Но есть нюансы.