Categories

Mini-jeu Mameshiba - Part 3 - À propos des réglages des membres et des personnages

Dans cet article, nous examinons en détail les réglages des membres et des personnages dans la partie 3 du mini-jeu 'Mameshiba'. Nous partageons le design des personnages, l'arbre des compétences et les processus d'équilibrage.

MAME RUN!! Behind the Scenes – Technique Edition

Cet article traite des coulisses techniques du développement du jeu MAME RUN!!. Il détaille les points d'implémentation clés comme HTML5 Canvas, la physique des sauts, l'animation de sprites, la génération d'obstacles, la détection de collisions, l'intégration serveur, et la compatibilité mobile.

MAME RUN!! Mini-jeu - Retour sur la création – Partie 1

Partage d'un retour sur la création du mini-jeu réalisé dans MAME RUN!!. Cet article aborde la mise en œuvre du jeu, les outils utilisés et les leçons apprises.

Qu'est-ce qu'Alpine.js ? Comparaison avec Vanilla JS

Alpine.js est un framework front-end léger qui offre des fonctionnalités réactives similaires à Vue.js, mais avec une empreinte plus petite et une syntaxe simplifiée. Cet article examine les concepts clés d'Alpine.js, son utilisation, et compare ses différences avec Vanilla JavaScript, tout en explorant les avantages et inconvénients dans des projets concrets.

Services Web à l'ère de l'IA - Pourquoi le staging est-il indispensable ? Un guide à lire impérativement pour les débutants et les développeurs web indépendants

Cet article explique l'importance de la création d'environnements de staging pour les débutants et les développeurs indépendants à l'ère de l'IA pour le développement de services web. Le staging permet de tester dans des conditions identiques à la production pour identifier les bugs à l'avance et assure la stabilité avant le déploiement.

Analyse des résultats de fine-tuning du FLUX1-dev 12B LoRA - 250 vs 1000 étapes, qui est le vainqueur?

Cet article compare les résultats du fine-tuning du modèle FLUX1-dev 12B avec LoRA entre 250 et 1000 étapes, analysant les différences de performance. Il propose le nombre optimal d'étapes, ainsi qu'un résumé des avantages et inconvénients du fine-tuning LoRA.

Expérience de fine-tuning LoRA 12B sur FLUX 1-dev avec DGX Spark - Les ombres et les lumières de l'apprentissage à faible consommation d'énergie

Partage d'expérience sur le fine-tuning du modèle FLUX 1-dev 12B sur une base ARM avec DGX Spark. Analyse détaillée du processus d'apprentissage de 1000 étapes et 100 époques, des problèmes OOM, de l'efficacité énergétique, des goulets d'étranglement CPU, et des perspectives d'amélioration.

L'essentiel du fine-tuning efficace de l'IA - Guide complet sur LoRA

Cet article de blog résume comment effectuer un fine-tuning efficace en utilisant LoRA (Low‑Rank Adaptation) à l'ère des modèles de langage de grande taille. Découvrez les principes, avantages et exemples d'application de la technique PEFT.

Guide complet sur `urlparse()` en Python - L'outil essentiel pour l'analyse d'URL

Découvrez comment utiliser la fonction `urlparse()` de Python pour analyser et comprendre les URL. Cet article couvre les composants d'URL, l'extraction de paramètres, la normalisation et des considérations de sécurité avec des exemples pratiques.