rPman

через sudo, либо пропиши все используемые пользователями команды либо заверни все в скрипт и его разреши запускать только определенным пользователячм

В мире не так много мультимодальных языковых моделей, проявляющих новые свойства, похожих на интеллект.

Самая мощная только одна - chatgpt4 и даже с ней нужно правильно составлять запросы чтобы она работала более менее верно. И даже она будет галлюцинировать, такова природа языковой модели и с этим можно бороться, создавая ансамбль контекстов (каждый контекст - новый чат с ИИ, можно начать с разными запросами, скармливая одну и ту же информацию разными способами) и сравнивая итоговые их ответы, если они одинаковые - значит вероятность верного ответа выше.

Бессмысленно спрашивать нейросеть напрямую, как минимум нужно формировать OneShot запрос, в котором в начале приводится пример ситуации, которую ты у модели запрашиваешь с ответами, плюс нужно выдать ей в контекст обновленную информацию по делу, по текущим изменениям законодательства и кучи других моментов... и контекст не резиновый. На текущий момент он 8 тысяч токенов, это очень мало (у llama, лучшей нейросети из доступных локально, и ее использование без разрешения meta нелегально, контекст в 2к токенов и ее уровень сравним с прошлой версии chatgpt35).

В интерфейсе chatgpt этой функции нет, но если вызывать модели из api то контекст там создается простым помещением всего диалога начиная с самого начала в тело запроса, это значит можно 'откатывать контекст' на любой момент, в результате вместо попытки подсунуть сети сразу всю информацию, сеть можно спрашивать, что ей не хватает, получать ответ, откатывать контекст на момент до этого вопроса и добавлять нужну информацию, повторяя до тех пор пока сеть не даст добро.

Гигабайты в виде одномерного массива в памяти?
Если оно в памяти то какие проблемы, пишешь что то типа mas[pos:pos+size] и получаешь подмассив
это сработает и с numpy массивами

если в файле, то вычисляешь позицию нужного элемента, делаешь туда file.seek и читаешь (чтобы легко было вычислять позицию, пиши фиксированными блоками на строку, дополняя пробелами ну или бинарными форматами)

функция date умеет только англоязычные названия (формат 'F'). Для русских подменяй сам, заведи константу массив (нулевой элемент пустой, так как нумерация месяцев с нуля) типа $month_names=['','Январь','Февраль',... и для вывода пользуйся $month_names[$mon]

Формат в date для месяца бери 'n', он выдаст номер без дополнительного символа 0 в начале (если оставишь 'm' то в массиве имен не будут найдены значения по ключу '01'...)

p.s. есть strftime, оно умеет разные языки, но русский не умеет (хотя в системе все прописано и настроено)

дико интересно, что это за задача в которой размерность на выходе сети - 26 (когда как рукописные буквы это весь русский алфавит - 33 и цифры - 10, сверху еще знаки препинания неплохо бы докинуть)

В подавляющем большинстве случаев распознавание строится по принципу - каждый элемент выходного вектора = искомый объект (т.е. в данной задаче символ) а значение - вероятность (значение от 0 до 1, где 1 - это 100%, сумма всех вероятностей не 1) того что соответствующий объект был подан на вход.

В данном случае судя по всему это символ в позиции 14 с вероятностью 9.9334598e-01 (она тут максимальная)

Ответ на твой вопрос - смотри как формировалась обучающая выборка, как выходы определялись.

тебе ясно сказали нужна либо socks прокси либо http с поддержкой connect tunnel
наверное твоя прокси это не поддерживает

p.s. socks прокси автоматом поднимается если подключаешься по ssh к удаленному серверу, добавив ключ -D1080, будет поднять локальный socks proxy localhost:1080 на удаленный сервер

Зачем? очень важный вопрос, зачем платить ресурсами (память, процессор, накладные расходы дает даже паравиртуализация lxc) да еще и устраивать многоуровневые системы для хранения данных?

Все активно забывают, что доступ к файлам по сети в домашних конфигурациях (это 1гбит) - медленно, больше сотни мегабайт в секунду не получится, плюс заметный оверхед на протоколы (самба дает заметный, особенно это видно когда с мелкими файлами работаешь), плюс нагрузка на процессор NAS (например iscsi выше нагружает чем простой nbd).

Вторая неприятность, большие системы виртуализации типа xen могут вообще не давать удобного (т.е. штатного интерфейса) механизмы работы с локальными образами или с образами nbd (т.е. работать можно но только как ручные настройки, т.е. возвращает в ковыряние в конфигах вместо того чтобы в интерфейсе выбрать что либо).

Как это ни странно, самая удобная система виртуализации для домашнего пользователя (нет кластера и его фишек) - это VirtualBox

Так же штатный libvirt имеет свой интерфейс и он так же рекомендуется как основной инструмент виртуализации (к нему доустанавливаются поддержка lxc а так же сетевых накопителей и становится совсем неплохо), так же для домашнего использования без кластера и его фишек

Для начала работай с файлами не в проводнике а в нормальных файловых менеджерах, типа Far Commander или Total Commander, позволяющих работать со скрытыми и системныви каталогами, корректно обрабатывающих символические ссылки и просто удобнее чем проводник.

* пользовательские файлы в:
\Users\ - все тут можно удалять кроме твоих файлов, их нужно переместить в другой каталог на этом же диске (операция быстрая не требующая копирования), один из подкаталогов - имя твоего пользователя (или несколько, если специально их создавали), например MyUser
\Users\All Users, Default, Default User, Public, Все пользователи, desktop.ini - смело удалять
\Users\MyUser\Desktop, Documents, Downloads, Music, OneDrive, Pictures, Saved Games, Videos - обычно тут хранятся пользовательские файлы
Остальные каталоги можно удалить но в зависимости от установленных приложений лучше перепроверить, к примеру в \Users\MyUser\.ssh могут храниться сертификаты ssh и настройки беспарольной авторизации
\Users\MyUser\AppData и LocalData - тут хранятся настройки (и даже сами приложения, устанавливаемые без требования администраторского доступа), обычно их можно смело удалить но держать в голове это нужно, бывает нужные файлы там
* без вопросов удалить:
\windows
\program files и \program files x86 - в этих двух каталогах находятся файлы устанавливаемых приложений, во времена winxp (а такие приложения еще встречаются но их сразу заметно они для работы требуют администраторский доступ) настройки и даже пользовательские файлы могли храниться тут
\ProgramData - очень очень редко программы сюда складывают пользовательские данные (например файлы лицензий, тот же SketchUp к примеру, т.е. не напрямую файлы а как производная от работы приложения)
\PerfLog
\Boot
\Recovery - осторожно, windows может при отсутствии места на диске C создавать такие каталоги на других дисках, т.е. ты можешь удалить файлы восстановления текущей системы
\$WinREAgent
\$Recycle.Bin - корзина, в этом каталоге хранится как удаленные в проводнике файлы в старой системе так и в новой, но в интерфейсе будут видны только новые файлы, а старые нет, имеет смысл удалить, предварительно убедившись что в новой корзине нет нужных файлов
\System Volume Information - то же самое что и корзина, тут могут храниться точки восстановления как новой так и старой системы, но удалить так просто не получится, нужно сначала в интерфейсе отключить поддержку точек восстановления на диске, а затем удалить (после этого включить обратно)

код, который обновляет данные случайно не начал транзакцию и не завершил ее?

Нейросеть это функция, которая на входной вектор выдает выходной вектор.

Использовать ее нужно буквально как обучал, на вход подаешь данные того же типа, что были во входных векторах обучающей выборки, а на выходе ожидай тот же тип данных, что были как выходные данные в той же выборке.

Внимание, с входными данными в твоем приложении калькуляторе нужно делать то же самое, что ты делал с данными, подаваемыми когда формировал обучающую выборку, например нормализация, с теми же параметрами и тем же алгоритмом что были в использованы в подготовке обучающей выборки (или когда ее данные подсовываются на вход сети). Так как ты как то собирал обучающие данные, этот код и нужно использовать.

Так же нужно подготовить и сконвертировать сохраненную сеть к формату, используемому конечным приложением. Очень часто обучают сетку на питоне а используют к примеру на javascript или c++, вот пример

p.s. после обучения сетки нужно оценить ее параметры, прогнать ее на тестовой выборке (данные, которых не было в обучающей выборке), так же в процессе обучения необходимо собирать различные метрики, оценивать скорость с которой меняются результаты прохождения тестовой выборки, чтобы выявить момент, когда сеть станет переобучаться

на место подключения кабеля электропитания к блоку питания, в дешевых там стоит разъем, который пошевели, теряет контакт.

плохо искал, гуглить face recognition model make own python
почти первый же результат полный гайд

с сетью NAT

зачем создал себе проблем?
настрой сеть как сетевой мост между своей сетевой картой, тогда для всей твоей локальной сети (если она есть) виртуальная машина будет еще одна, с полным доступом.

если локальной сети нет, то ее придется создать, например добавив loopback драйвер фиктивной сети на хост системе и настроить уже к нему сетевой мост.

Самое простое - torrent
vlc умеет их скачивать и проигрывать, даже на лету (есть плагин есть сторонние версии, можно не vlc наконец). Так же никто не мешает загружать торент отдельным приложением.

Можно использовать плеер без поддержки торент, настройках торент клиента ищи опции, автоматически перемещающие загруженный файл в соответствующую директорию (проигрывание продумай сам как запускать), а так же автоматически запускающие загрузку при появлении файла в нужном каталоге, таким образом даже без использования web-ui api (есть в большинстве торент клиентах) можно настроить инфраструктуру через простое копирование файлов по любому протоколу.

Достоинство torrent - максимально эффективный способ копирования большого файла на огромное (тысячи и сотни тысяч компьютеров) с учетом проблем провайдеров и т.п.

p.s. webtorrent, расширение протокола (добавлено в libtorrent), поддерживается нормальными торент клиентами, в т.ч. консольными (те что можно запускать на сервере без GUI, точнее с веб-интерфейсом типа deluge), позволяет не только загружать и просматривать торенты в браузере, само собой поддерживается проигрывание на лету

Обязательно нужно собирать посты на ВСЕ тематики, точнее все, которые могут быть поданы на вход твоего алгоритма.

Если твоя модель не будет большой языковой, чтобы не тратить время зря, вычищай данные, например вычищай пунктуацию, чтобы после точки и запятой к примеру следовал один пробел (или вообще убери), выявляй строки кода и текста (в каком то смысле это ты и так будешь делать чтобы автоматизировать разметку большинства IT тематики, код на большинстве языков программирования формализуется очень хорошо и код для определения строки как код на языке программирования написать не сложно, хотя есть нюансы), скорее всего текст с кодом и так будет it тематикой, а значит сам код не нужно подавать в модель, но вот обрамляющий его текст лучше подать с пометкой - it.

p.s. модель llama, точнее openassistent 30b, неплохо читает новости и отвечает на вопросы, в т.ч. по категории (очень сложно составить правильный запрос), на десктопном процессоре 60 русскоязычных постов по ~7кб она читает примерно 4 часа. Так как модель прекрасно знакома с кодом, ответить на вопрос она сможет.

Попробуй установить приложение на реальном железе, завершить регистрацию, а затем перенести в виртуальное окружение через backup/restore (к сожалению доступно только гугловское), при наличии root файлы приложения можно будет тупо скопировать