tsuki

emulation is all you need

大人の事情でMS PPを使わさせられているのが何よりも苦痛

講義の資料を作らないとなのだけれど、そこはかとなくやる気が起きない。やっぱり教員には向いていないのだろうな。

イケメンに会いたい その機能はいらないと思う だけで日々生きてる

migrating from PhotoPrism to Immich

研究室のSlackに指導教員の変顔を投稿するチャンネルが欲しい

@alexUnder_sky Machiavelli would make a terrible author 😅

@tensorcore goals > ethics, or how niccolo machiavelli said: the ends jusrify the means

I just got a review request for the same paper again, but from a different journal this time... What is wrong with the authors' ethics?

テックブログ公開 Day5です FlashAttentionや昨今のHardware Awareな高速化手法を理解したり、提案したりする上で必須となるCUDA Programmingに関して、基礎から解説していくブログシリーズの第一弾です。3万字超えのブログですが、かなり分かりやすく書いていますのでぜひご覧ください。 CUDA Programming Guide Part 1｜Kazuki Fujii zenn.dev/kaz20/articles…

Hey, CodeRabbit and Codex, can you communicate directly without going through me?

夜食べても太らない美味しい無が欲しい。取り敢えず塩かき氷を試してみようかと。

Surface RTX Spark Dev Box...? Not a BBQ plate?

最近バカすぎて風邪ひいてない

Don't miss our upcoming Supercomputing Spotlights webinar! Laura Grigori will be speaking about "Randomized mixed precision algorithms for large scale linear algebra problems" on June 10, 2pm UTC! More details + registration link here: siag-sc.org/randomized-mix…

羽田とかの入国エリアで怒鳴っている案内係たち、早くAIに置き換わらないかな

Recently, cheap-looking AI-generated images have been everywhere on blogs and social media. They often feel overloaded with details, with no sense of restraint or "beauty of subtraction." If this is the result of AI democratization, it's kind of pathetic.

@AcceleratedMu3n !? もちろん、クッキーですから

@tensorcore パチかわとパチワレは食べれるのですね!?

少し前に某同僚から笹団子ちぃかわお土産で戴きました。可愛い。可愛すぎる 出社するたびに、つい見つめてしまう☺️

在籍してるオフィスでポジションいくつか空いてるぽい。私はオフィスにいないので「いやcrcrparの顔が見たくねーんだよ」という人も良いのでは💡💡💡

codex、お願いするとMerge conflictを直してくれる。同僚みたいだ(？ 実際に直してもらったことないけれど。

@HanGuo97 @jcz42 @yoonrkim @tri_dao s/@tensorcore/@__tensorcore__/ 🙂

Finally, huge thanks to the incredible team: @jcz42, Arjun, Driss, @tensorcore, @yoonrkim, and @tri_dao! PDF: arxiv.org/abs/2605.19269 Code: github.com/HanGuo97/coda-…

LLM training is dominated by compute-heavy ops like MatMuls and attention. But it also has many memory-heavy ops: norms, activations, residuals, reductions. These mostly move tensors around. As FP8/NVFP4 make FLOPs cheaper, data movement gets harder to ignore. Fig: ~1B LLaMA-3 training