🔵 عنوان مقاله
▶  Pointers for Performance?

🟢 خلاصه مقاله:
مقاله‌ای که مورد بررسی قرار گرفته، به بحث در مورد تاثیر بازگرداندن یک اشاره‌گر (pointer) به جای یک مقدار (value) از یک تابع در زبان برنامه‌نویسی Go پرداخته است. در زبان Go، اجرای عملکردها با بازگرداندن مقادیر عموماً توصیه می‌شود مگر آنکه دلایل مشخصی برای استفاده از اشاره‌گرها وجود داشته باشد. مقاله بیان می‌کند که بازگرداندن اشاره‌گرها می‌تواند در مواردی که با اندازه های بزرگ داده‌ساختاری سروکار داریم یا عملیات‌های پیچیده‌ای نیاز به انجام است، مفید باشد. این امر به دلیل کاهش تکرار کپی کردن داده‌ها در حافظه است. اما، استفاده نادرست از اشاره‌گرها می‌تواند به مشکلاتی مانند نشت حافظه و دسترسی‌های ناامن منجر شود. مقاله تأکید می‌کند که تصمیم گیری برای بازگرداندن اشاره‌گر یا مقدار باید با توجه به الزامات کارایی و امنیت مشخص شود و نباید به صورت کلی بدون در نظر گرفتن جزئیات پیاده‌سازی صورت گیرد.

🟣لینک مقاله:
https://www.youtube.com/watch?v=ISOjCvpNiYA

➖➖➖➖➖➖➖➖
👑 @gopher_academy

میدونستید ایفون طول چیزش کوتاهه ؟ همین سیمکارت خورش

سیمکارت پشت و روش میخوره، ینی این جا واسه دوتا سیمکارته، یکی این ورش میخوره و با اون گیره پلاستیکیه نگرش میداره یکی هم اون ورش و میکنی توش

مسخرس، مگه نه ؟ 😂

@SEYED_BAX

جالبه ایفون محصول امریکاییه بعد این گوشی چینیا حتی sd کارت هم میزنن روی همین خشاب سیمکارت

مگه برعکس نبود ؟ چینی باید کوچیکتر میزد
@SEYED_BAX

اینم لابد محصول آفریقا

@SEYED_BAX

البته پیشرفت علم ثابت کرده که به سایز نیست، به جربزه هستش

همین ی چسه ، 1024 گیگ میتونه توی خودش نگه داره

تنها چیز کوچیکی که میتونه بیشتر از این چیز تو خودش نگه داره:
قلب کوچیک پر غصه ی منه 🥺

@SEYED_BAX

تغییرات این هفته کی‌دی‌ای پلاسما


https://pointieststick.com/2024/08/30/this-week-in-plasma-inhibiting-inhibitions-and-more/

@SohrabContents

قبلا در مورد regex صحبت کردم
اهل حل کردن جدول هستید ؟
جدول کلمات متقاطع با عبارت باقاعد regular expression regex
فکر میکنید میتونید این جدول را حل کنید ؟
سایت برای کمک
regexr.com‎

@DevTwitter | <MehrdadLinux/>

این روش برای اکثر مدل‌های با پسوند .safetensor کار می‌کنه

وقتی یک مدلی به تازگی منتشر می‌شه یا روی مدل‌هایی که برای تسک خاص؛ زبان خاص هستند ممکن هست اون مدل رو روی Ollama نداشته باشید و بدون تعارف Ollama یکی از راحت‌ترین گزینه‌های برای تجربه و تست مدل‌ها هست.

برای همین توانایی تبدیل و سرو مدل‌های مختلف به فرمت Ollama بسیار گزینه مهمی هست؛ بعنوان مثال اگر در خاطرتون باشه موقع انتشار llama3 به دلیل اشتباه در نحوه تبدیل این مدل خروجی‌های اشتباهی هم از Ollama دریافت میشد و آپدیت این مورد حدودا ۳ روز زبان برد (روی توییتر بسیاری از اکانت‌ها به تیم ollama توییت زدند.)

من توی این پست سعی کردم به راحت‌ترین روش اشاره کنم و در نهایت مسیر سخت رو هم بهش اشاره خواهم کرد برای دوستانی که علاقه دارند خودشون پیگیری کنند.
وقتی یک مدل جدید منتشر میشه اول از همه شما باید به معماری اون تگاه کنید؛ توی فایل config.json یا توی توضیحات huggingface همیشه به این موضوع اشاره میشه که یک مدل بر پایه چه مدل یا مدل‌هایی توسعه داده شده؛ اگر پایه مدل llama, mistral, gemma, ... حتما توسط این تکنیک پشتیبانی میشه (از همون ساعت انتشار مدل) اما اگر معماری مدل بر پایه این مدل‌ها نباشه؛ اول باید توسط تیم llama.cpp پشتیبانی بشه و بعد تیم ollama پشتیبانی رو اضافه خواهد کرد؛ پس یک تکنیک پیشرفته تر برای تبدیل مدل‌ها استفاده از llama.cpp هست که توی این پست بهش نخواهم پرداخت.

برای مثال آموزشی من با یک مدل حجم کم شروع خواهم کرد که همه بتونند تست و تمرین کنند؛ مدل

HuggingFaceTB/SmolLM-135M-Instruct

توی اولین قدم شما باید؛ مدل بالا یا هرمدلی که دلتون میخواد (مطمئن بشید معماری بیس مدل پشتیبانی میشه) رو روی هارد خودتون ذخیره کنید (با استفاده از هر تکنیکی که علاقه دارید.)

بعد از اون مثل آموزش افزایش طول context برای llama3.1 روی ollama که قبلتر قرار گرفته؛ باید یک Modelfile ایجاد کنید. توی پوشه‌ای که مدل دانلود شده یک فایل جدید به اسم Modelfile ایجاد کنید و متن زیر رو داخلش بنویسید:

FROM .
PARAMETER stop <|im_start|>
PARAMETER stop <|im_end|>
PARAMETER temperature 0.1
PARAMETER top_p 0.95

TEMPLATE """{{ if .System }}<|im_start|>system
{{ .System }}<|im_end|>
{{ end }}{{ if .Prompt }}<|im_start|>user
{{ .Prompt }}<|im_end|>
{{ end }}<|im_start|>assistant
{{ .Response }}<|im_end|>
"""

توی Modelfile شما ۲ تا تنظیم رو واجب هست که داشته باشید؛

FROM

که به ollama می‌گید مدل رو از کدوم مسیر روی سیستم‌عامل شما می‌تونه بخونه؛ توی مثال بالا از . استفاده شده که توی سیستم عامل Linux به معنای همین پوشه هست (ما modelfile رو داخل پوشه دانلود مدل hugging face قرار دادیم)

TEMPLATE

که به ollama می‌گه چطور باید پرامپت؛ سیستم پرامپت رو برای مدل ارسال کنه و البته چطور پاسخ مدل رو دریافت و تمیز کنه؛ jinja template فرمتی هست که استفاده میشه و همیشه توی ریپورت‌های انتشار مدل بطور دقیق به template format اشاره میشه پس باید داکیومنت مدلی که می‌خواید تبدیل کنید رو برای این بخش بخونید برای مثال تمپلیت گزارش شده این مدل بصورت خام و بدون Jinja بصورت زیر بود (که من برای ollama اون رو بهبود دادم) :

<|im_start|>system
YOUR SYSTEM PROMPT.<|im_end|>
<|im_start|>user
YOUR PROMPT.<|im_end|>
<|im_start|>assistant
RESPONSE.<|im_end|>

اگر مدلی به پرامپت تمپلیت اشاره نکرد؛ به احتمال ۹۰٪ از فرمت بالا استفاده می‌کنه.
همین ۲ تا بخش برای ساخت مدل کفایت می‌کنه؛ اما امکان داره بعضی وقت‌ها بخواید بصورت دیفالت یکسری از پارامتر‌ها رو ست کنید مثل temperature, top_p توی مثال بالا.
یا حتی بعضی وقتا بخشی از توکن‌های تمپلیت توی خروجی به شما نشون داده بشه که با PARAMETER stop می‌تونید به ollama بفهمونید که توکن قبل از اون آخرین توکن تولید شده توسط مدل بوده و stop رو نباید توی خروجی نمایش بده.

بعد از اینکه فایل ساخته شد؛ ترمینال رو توی همون پوشه باز کنید؛ اگر خواستید مدل رو بدون quantization داشته باشید دستور:

ollama create <NAME>:<TAG> -f Modelfile

رو میزنید و بجای <NAME>:<TAG> اسم و تگ مدل رو بهش میدید؛ اسم واجب هست و چیزی میشه که توی ollama list نمایش داده میشه؛ اما تگ واجب نیست و مقدار دیفالت اون latest خواهد بود.

برای quantize کردن مدل؛

ollama create <NAME>:q4_0 -f Modelfile --quantize q4_0

انواع quantization های موجود رو می‌تونید توی document های ollama بخونید ولی q4_0 یکی از معروف‌ترین موارد هست. (معروفترین؛ بهترین نیست لزوما).

در نهایت هم می‌تونید از دستور

ollama run <NAME>:<TAG>

برای اجرای مدل استفاده کنید و در صورت که علاقه داشتید مدل رو روی سایت ollama هم قرار بدید.

توی این آموزش چون مدل SmolLM برپایه معماری‌هایی که قبلا پشتیبانی میشده نیست شما به ollama 3.7 نیاز دارید.
اگر امکان آپدیت نداشتید؛ یا معماری مدل هنوز توسط ollama پشتیبانی نمی‌شد. (هفته قبل)
باید از llama.cpp برای تبدیل استفاده می‌کردید.

گوشی‌های android بخصوص نسل SnapDragon 8 Gen3 توانایی اجرای این مدل با تعداد توکن بسیار بالایی رو دارا هست.

اخباری از توسعه پارچ در این چندهفته اخیر.

ما مثل همیشه درحال بهبود پارچ و اضافه کردن ویژگی‌های جدید به اون هستیم. در این چندهفته اخیر ما بر روی موارد زیر کار کردیم.

۱- پشتیبانی اولیه از SecureBoot به صورت آزمایشی
۲- پشتیبانی اولیه از میزکار کازمیک و خوش‌آمدگوی آن
۳- بهبود پارچ پروفایلر
۴- پیاده‌سازی اولیه پارچ استور و پارچ بکاپ
۵- پیاده‌سازی اولیه آپادانا

لازم به ذکر است که برخی از این تغییرات در رلیز بعدی پارچ منتشر خواهند شد.


@ParchLinux

✅قبلا در مورد regex صحبت کردم
⁉️حالا اهل حل کردن جدول هستید ؟ 😁

جدول کلمات متقاطع با عبارت باقاعد regular expression regex

فکر میکنید میتونید این جدول را حل کنید ؟
از این سایت برای درست بودن عبارت میتوانید استفاده کنید

✅ توضیح برای دوستانی که شاید آشنا نیستند
عبارت باقاعده regex یک رشته معمولی مثل این

([@.A-Z])\w+

که با پردازشگر های regex پردازش میشند و برای جستجو و مطابقت یک یا چند الگوی خاص استفاده میشوند
در سایت چطور متوجه میشن ایمیل را اشتباه وارد کردید ؟

[^@ \t\r\n]+@[^@ \t\r\n]+\.[^@ \t\r\n]+

اینجوری😁 یاد بگیرید سخت نیست

در بخش کامنت ها میتوانیم با هم بحث کنیم و حلش کنیم و بیشتر عبارت باقاعده regex یا ( regular expression) یاد بگیریم 😎

سایت منبع مسئله

داوشمون فشاری شده

@SEYED_BAX

چیکار داره می‌کنه qwen2-vl بالاتر از همه رقبای open source, close source و با لایسنس Apache2 البته مدل ۷۲ میلیارد پارامتری فعلا فقط از طریق API در دسترس هست.

تمام تست‌های واقعی که یوتیوبر‌ها و ... ساختند رو سخت‌هاش رو من روش تست کردم همرو به درستی جواب داد.

مدل ۸ میلیارد و ۲ میلیارد هم اکنون در دسترس هست (می‌تونید دانلود کنید) ولی هنوز lama.cpp آماده نشده.

که باتوجه به توییت‌ها و ... به زودی (رفتن برای 2nd try) بعد از این روی ollama هم خواهد آمد (آموزش بالا)

خیلیا میپرسن چطوری برنامه نویسی یاد بگیریم، اونم فارسی

بهترین روش اینه از نظر من :

https://www.instagram.com/reel/C_VoZsrN1pV/?igsh=Njk2MWMzNmZydGds

@SEYED_BAX

Youtube

سورس کدش برای ایده و یادگیری خوبه

#کمال_گرایی در ذات اگر همراه با شناخت و #پذیرش واقعیت ها باشد، بر عکس تصور عموم، یکی از اصول #توسعه بخصوص #توسعه_پایدار می باشد.
خیلی شنیدیم و خوندیم که کمال گرایی خیلی چیز بدی هست و باید ازش فرار کنیم! عموما این حرف و نوشته ها را در جاهایی میشنویم و میبینیم که اصول گفت و گو و گفتمان در اونجا حاکم نیست. مثال عینی همین اول بزنیم، اگر خیلی ساده بخوایم ماهیتی را در این دنیا خوب و بد تقسیم بندی کنیم و تا یک خصیصه بد داشت، بگیم بده، خوب تقریبا هر چیزی در این دنیا میره تو دسته بدها! یکم فکر کنید! اینطور نیست؟ مثلا اگر آتش و چاقو نباشه عملا حیات انسانی به شکل فعلیش امکان ناپذیر میشه چون این دو در ماهیت می توانند در دسته بدها هم باشند!
ولی بیایید بر عکس بقیه جاها اینجا اشاره کنیم کمال گرایی نه بد، بلکه با شناخت صحیح تنها خصیصه ای هست که پیشران توسعه هست! قبلا هم تلاش کردیم مفهوم توسعه را بهتر تبیین کنیم، اینجا برای توسعه تعریف "بالا بردن ظرفیت های اعضای یک سیستم (ما) برای مواجهه با پیچیدگی های آن سیستم (دنیای پیرامون ما)" را نقل می کنیم. همونطور که در تعریف کمال هم اشاره به "استانداردهایی برای بالاترین سطح عملکرد" میشه، می تونیم انطباق ظرفیت و استاندارد را در هر دو تعریف مورد کنکاش قرار دهیم.

ولی روی دیگر این نوشته، اهمیت به مفهوم کلمه پذیرش داره. این کلمه در علوم مختلف مورد بررسی و تبیین قرار گرفته ولی تقریبا شناخت یکسانی از آن در همه علوم وجود دارد. مثلا در علم مدیریت به ما توصیه می شود برای سازمان خود حتما بیانیه چشم‌انداز به عنوان یک سند رسمی سازمانی نگارش کنیم. این بیانیه شامل اهداف کمال گرایانه باید باشد در غیر اینصورت ماهیت وجودی سازمان زیر سوال میرود. مثلا بیانیه چشم انداز سازمان SpaceX میشه make humanity a multi-planetary species و با رعایت مفهوم پذیرش واقعیت ها، استراتژی ها و برنامه ریزی هایی برای رسیدن به اهداف خود نگارش می شود.
پس مثل همیشه #تلنگر_ذهنی برامون باشه که اگر کسی خواست آرزوها و امیدهای شما را با برچسب کمال گرایی نابود کنه، بهش این اجازه را ندید و بجاش بهش توضیح بدید که برای رسیدن به اون کمال ها، چه برنامه هایی دارید و واقعیت هایی که پیش رو دارید را ترسیم کنید که اونم بدونه کمال گرایی در ذات مشکل ساز نیست. یادمون باشه چیزی که به عنوان هوش می شناسیم بوسیله برچسب دهی با منطق فازی بدست میاد، پس با منطق بولی، به هم دیگه برچسب نزنیم که به جز تخریب، هدفی در آن وجود ندارد!

پ.ن1: نگارش این پست را خیلی وقت بود می خواستم انجام بدم در خصوص کمال گرایی و پذیرش واقعیت ها ولی با دیدن این ویدئو گفتم وقتشه نوشته بشه. امیدوارم حرف هایی که در فایل تصویری دیدیم و شنیدیم، آغازگر موضوعی باشه که سال هاست خیلی از دغدغه مندان جامعه ایران در موردش بحث و گفت و گو می کنند. امیدوارم تصمیم سازان قلمروی جغرافیای فعلی ایران با رویکردهای علمی و شناخته شده مسیر توسعه جامعه ایران را به مسیر واقعی برگردانند تا به نقطه غیر قابل بازگشت نرسیده ایم.
پ.ن2: اشاره به مفهوم واقعیت کردیم و حیف هست یک اشاره کوچولو به مشکل بزرگ ما، یعنی #فیلترینگ اینترنت نکنیم. یادمون باشه کلا فیلترینگ (در معنای عام) در هر جایی باعث پنهان کردن یا بدتر از آن کتمان واقعیت ها میشه. ولی با توجه به افزایش قابل توجه سطح علمی جامعه، این کتمان ها 100% موثر نیست و با ایجاد عدم شناخت در اعضای جامعه، قطعا باعث افزایش سطح خشونت در جامعه میشه و عملا #توسعه_پذیری را از جامعه هدف میگیره.