syhw

#!/bin/bash

# tmux requires unrecognized OSC sequences to be wrapped with DCS tmux;
# <sequence> ST, and for all ESCs in <sequence> to be replaced with ESC ESC. It
# only accepts ESC backslash for ST.
function print_osc() {
    if [[ -n $TERM ]] ; then
        printf "\033Ptmux;\033\033]"
    else
        printf "\033]"

syhw

 category |          model              |     FLOPS     |     HPOPS     | AVX / cores / cuda cores...
CPU       | i9-8950HK (MacBookPro)      |  278 GFLOPS   |  556 GOPS?  | AVX2, 6 cores
CPU       | E5-2698 v4                  |  704 GFLOPS   |  1.4 TOPS?  | AVX2, 20 cores
CPU       | Xeon Plat. 8160 (~GCP/AWS)  |  3.2 TFLOPS   |  6.4 TOPS?  | AVX512 x2, 24 cores (2.1*24*512/32*2*2)
CPU       | Threadripper 2990WX         |  1.5 TFLOPS   |  3 TOPS?    | AVX2, 32 cores (3*32*256/32*2)
GPU       | K80                         |  8.7 TFLOPS   |             | 2496 cuda cores x2 (=4992)
GPU       | 1080 Ti                     | 10.6 TFLOPS   |             | 3584:224:88	
GPU       | AMD RX Vega 64              | 11.5 TFLOPS   |  23 TOPS    | 4096:256:64
GPU       | M60                         |  9.6 TFLOPS   |             | 2048:128:64 x2 (i.e. x2 GPU dies)
GPU       | P100 (NVLink)               | 10.6 TFLOPS   |  21 TOPS    | 3584:224:88?

syhw

5v5 matches
number of heroes in the pool = K
dimension of the embedding = E
 - encode a hero as a one-hot of heroes = 1-of-K
 - learn a (K, E) matrix to go from hero -> vector (+ bias)
   (notice that it can do set-of-heroes -> vector too)
 - learn a logistic regression from both the embeddings of team1 and team2 to predict the winner by backprop through the embedding.
 - do stats and t-SNE plots of embeddings of single heroes or combinations (teams) of heroes
 - ...
 - PROFIT!!!

syhw

#!/usr/bin/perl
use strict;
use warnings;
use Time::HiRes qw/usleep/;

my $b; &load_bear;

sub rd {
   print "\n\e[17A";
}

syhw

Pourquoi un message M porté par une personne X est différent du message M porté par une personne Y:

0) Tout message M que tu peux partager en un article est incomplet! Il se base forcément sur un "sens commun", et des connaissances de
base en commun (note que pour les personnes X et Y, ses sous-entendus sont sans doute différents). Sinon ce message contiendrait toute
l'information pour recréer et la situation et le raisonnement. Donc ce qui se passe dans la tête de l'auditoire est I=f(M), avec f
dépendent du lecteur.

1) Déjà une bonne preuve (au sens mathématique) qui part des mauvais postulats, c'est très difficile à détecter, parce que l'on passe
plus de temps à regarder le raisonnement que les faits de départ. => Donc je me méfie des bonnes rhétoriques dans la bouche de gens qui
par ailleurs ont déjà menti.

syhw

"""
A deep neural network with or w/o dropout in one file.
"""

import numpy
import theano
import sys
import math
from theano import tensor as T
from theano import shared

syhw

import numpy as np
from scipy.stats import bernoulli

N_EXPS = 200  # number of experiences to conduct TODO test 10k or 20k EXPS
N_BAGS = 10  # number of bags
N_DRAWS = 100  # number of draws
SMOOTHER = 1.E-2  # shrinkage parameter
EPSILON_BANDIT = 0.1  # epsilon-greedy bandit epsilon
EPSILON_NUM = 1.E-9  # numerical epsilon

syhw

"""
A deep neural network with or w/o dropout in one file.

License: Do What The Fuck You Want to Public License http://www.wtfpl.net/
"""

import numpy, theano, sys, math
from theano import tensor as T
from theano import shared
from theano.tensor.shared_randomstreams import RandomStreams

syhw

"""
A deep neural network with or w/o dropout in one file.
"""

import numpy
import theano
import sys
import math
from theano import tensor as T
from theano import shared

syhw

"""
A deep neural network with or w/o dropout in one file.
"""

import numpy
import theano
import sys
import math
from theano import tensor as T
from theano import shared