34941
Переводчик Кондусова Алина
632Свободен
Дата регистрации: 16 сентября, 2024 г.
Россия, Зеленоград
Женский
Специализации:
Письменные переводы (Перевод сайтов, Деловая и личная переписка, Технический, Нефть и газ, Авиация и космос, Астрономия, Игры, Азартные игры, видеоигры, Интернет, электронная коммерция, Кино и ТВ, Менеджмент)
Стаж работы:
1 год
Родной язык:
Русский
Иностранные языки:
Английский
Русский
Образцы переводов
Кира Сергеевна рассказала, что пристройку ставил ее муж, хотел оборудовать здесь мастерскую, да вот… Говорят, от первого инфаркта не умирают, а он сразу. Три года уж прошло… Директором восьмилетки был. А она до пенсии работала смотрителем здешнего музея. Сын в армии после института, на Дальнем Востоке, младшая дочь в Челябинске учится, а старшая недавно замуж вышла, живет неподалеку, в Ново-Северке, да все же не рядом, не под одной крышей.
– Вот и осталась одна в "родовом поместье". Дом-то еще дед строил… Так и живу. То сама по себе, то вдвоем с племянником. Он второй год уже подряд на каждые каникулы приезжает. Заботы с ним, конечно, всякие, да все равно веселее.
– Он славный у вас. Добрый такой, – сказала Юля.
– Добрый-то добрый, а всякое бывает. Когда парень без отца растет, воспитанье какое-то случайное получается. Дерганое…
Юля вежливо помолчала. Потом неловко спросила насчет платы за квартиру. Кира Сергеевна отмахнулась:
– Да сколько не жалко. Какая здесь квартира-то…
– Но все-таки.
– В гостинице пятьдесят копеек в день за место берут, давайте и вы так.
– Ой… Даже слишком как-то дешево.
Кира Сергеевна засмеялась:
– А у нас ведь не Сочи и не Крым. Да и вы не на отдыхе. А стипендия-то, наверно, так себе…
– Я в стройотряде работала.
– Давайте так, Юля. Если будете с нами завтракать и ужинать, тогда – рубль. А обедать вам лучше в столовой «Радуга», она рядом с библиотекой.
На том и договорились.
– Вот и осталась одна в "родовом поместье". Дом-то еще дед строил… Так и живу. То сама по себе, то вдвоем с племянником. Он второй год уже подряд на каждые каникулы приезжает. Заботы с ним, конечно, всякие, да все равно веселее.
– Он славный у вас. Добрый такой, – сказала Юля.
– Добрый-то добрый, а всякое бывает. Когда парень без отца растет, воспитанье какое-то случайное получается. Дерганое…
Юля вежливо помолчала. Потом неловко спросила насчет платы за квартиру. Кира Сергеевна отмахнулась:
– Да сколько не жалко. Какая здесь квартира-то…
– Но все-таки.
– В гостинице пятьдесят копеек в день за место берут, давайте и вы так.
– Ой… Даже слишком как-то дешево.
Кира Сергеевна засмеялась:
– А у нас ведь не Сочи и не Крым. Да и вы не на отдыхе. А стипендия-то, наверно, так себе…
– Я в стройотряде работала.
– Давайте так, Юля. Если будете с нами завтракать и ужинать, тогда – рубль. А обедать вам лучше в столовой «Радуга», она рядом с библиотекой.
На том и договорились.
Kira Sergeyevna said that her husband had built the extension to the house. He wanted to set up a workshop there, but... They say one doesn't die from their first heart attack, but he did. It's been three years since he passed... He was the principal of an eight-year school. And Kira Sergeyevna herself worked as a curator at the local museum until her retirement. Her son went to the army in the Far East after finishing college. The youngest daughter is studying in Chelyabinsk, and the eldest recently got married and now lives in Novo-Severovo. It is nearby but still not close enough, not under the same roof.
"So here I am, left alone in the ‘family estate’. It was my grandfather who built this house. It is what it is… I live by myself. Sometimes my nephew comes to visit. He has been staying with me on his school holidays for two years now. He is a handful, of course, but it is more cheerful this way."
"He's a good kid. Very kind," said Julia.
"He may be kind, but things happen. When a boy is raised without a father, you can never know how he will turn out when he grows up. So unpredictable…"
Julia went quiet for a moment. Then she awkwardly asked about the rent. Kira Sergeyevna shrugged the question off.
"Pay what you can afford. It's barely an apartment anyway."
"But still."
"Hotels charge fifty kopecks a night; I'll charge the same then."
"That's almost too cheap."
Kira Sergeyevna laughed. "Well, we're not in Sochi or Crimea. And you are not on vacation. Besides, your scholarship must be pretty small too."
"I was on the student construction brigade, though."
"Tell you what, Julia. If you're going to join us for breakfast and dinner, then my asking price is one ruble. As for lunch, it is better for you to eat at the Raduga canteen near the library."
That's what they agreed on.
"So here I am, left alone in the ‘family estate’. It was my grandfather who built this house. It is what it is… I live by myself. Sometimes my nephew comes to visit. He has been staying with me on his school holidays for two years now. He is a handful, of course, but it is more cheerful this way."
"He's a good kid. Very kind," said Julia.
"He may be kind, but things happen. When a boy is raised without a father, you can never know how he will turn out when he grows up. So unpredictable…"
Julia went quiet for a moment. Then she awkwardly asked about the rent. Kira Sergeyevna shrugged the question off.
"Pay what you can afford. It's barely an apartment anyway."
"But still."
"Hotels charge fifty kopecks a night; I'll charge the same then."
"That's almost too cheap."
Kira Sergeyevna laughed. "Well, we're not in Sochi or Crimea. And you are not on vacation. Besides, your scholarship must be pretty small too."
"I was on the student construction brigade, though."
"Tell you what, Julia. If you're going to join us for breakfast and dinner, then my asking price is one ruble. As for lunch, it is better for you to eat at the Raduga canteen near the library."
That's what they agreed on.
Recently, applications enabled by deep Learning (DL) is widely used in various applications, such as face recognition [1], knowledge graphs [2], recommendation systems [3], and self-driving cars [4]. Various DNN architectures [5–9] have been proposed to improve the performance of DNN models. However, when these DNN models become more capable, their model architectures also become more complex with significantly more parameters. Thus, it is more and more difficult for a local computer or server to train these high-performance but sophisticated models [10]. A more promising approach recently is to rely on Deep Learning as a Service (DLaaS) provided by existing cloud computing vendors to train or deploy these DNN models such as Amazon Sagemaker [11], Google Cloud ML Engine [12], and Microsoft Azure ML Studio [13].
While DL users or small enterprises can enjoy the convenience of using the DLaaS service to train large-scale models, the amount of the carbon footprint during the model training phase is also rapidly increasing. For instance, as pointed out in [14], training DL models can introduce significant carbon emissions which is even comparable with civil aviation. Particularly, the carbon emissions of training a state-of-the-art Transformer model [15] with neural architecture search (NAS) equal the carbon emissions of five cars in their lifetimes [16].
Recent works [16] have pointed out the environmental influence of training large-scale models if all the research only focuses on some metrics and does not consider their training efficiency.
Existing approaches [17] focus on optimizing the training process to save energy costs and decrease carbon emissions under benign circumstances. Some other approaches are proposed to design more efficient chips such as Tensor Processing Units (TPUs) [18].
While DL users or small enterprises can enjoy the convenience of using the DLaaS service to train large-scale models, the amount of the carbon footprint during the model training phase is also rapidly increasing. For instance, as pointed out in [14], training DL models can introduce significant carbon emissions which is even comparable with civil aviation. Particularly, the carbon emissions of training a state-of-the-art Transformer model [15] with neural architecture search (NAS) equal the carbon emissions of five cars in their lifetimes [16].
Recent works [16] have pointed out the environmental influence of training large-scale models if all the research only focuses on some metrics and does not consider their training efficiency.
Existing approaches [17] focus on optimizing the training process to save energy costs and decrease carbon emissions under benign circumstances. Some other approaches are proposed to design more efficient chips such as Tensor Processing Units (TPUs) [18].
В настоящее время приложения, использующие методы глубокого обучения (ГО), широко применяются в различных системах, таких как распознавание лиц [1], графы знаний [2], системы рекомендаций [3] и автомобили с автономным управлением [4]. С целью повышения производительности моделей глубокой нейронной сети (ГНС) были предложены различные архитектуры ГНС [5-9]. Однако, по мере роста возможностей моделей, их архитектуры также усложняются и приобретают все большее количество параметров. Поэтому обучение этих мощных, но сложных моделей становится все труднее для локальных компьютеров и серверов [10]. Более перспективным методом в последнее время стало использование сервисов DLaaS, которые предоставляют ведущие поставщики облачных вычислений для обучения или развертывания моделей ГНС, например, Amazon Sagemaker [11], Google Cloud ML Engine [12] и Microsoft Azure ML Studio [13].
Несмотря на то, что использование сервисов DLaaS при обучении крупномасштабных моделей удобно для пользователей систем ГО или небольших предприятий, объем выбросов углерода на этапе обучения модели также быстро растет. Например, как отмечается в работе [14], обучение моделей ГО может привести к значительному объему выбросов углерода, сравнимому даже с показателями гражданской авиации. В частности, объем выбросов углерода при обучении новейшей модели Transformer [15] с поиском архитектуры нейронной сети (Neural Architecture Search, NAS) сравнимы с выбросами пяти автомобилей за весь срок их службы [16].
В недавних работах [16] отмечается воздействие процесса обучения крупномасштабных моделей на окружающую среду в случае, если все исследования будут сосредоточены только на определенных метриках и не будут учитывать производительность обучения модели.
Существующие методы решения данной проблемы [17] направлены на оптимизацию процесса обучения для снижения электропотребления и уровня выбросов углерода при благоприятных условиях. Существуют и другие методы, которые подразумевают создание производительных микросхем, таких как тензорные процессоры (Tensor Processing Units, TPUs) [18].
Несмотря на то, что использование сервисов DLaaS при обучении крупномасштабных моделей удобно для пользователей систем ГО или небольших предприятий, объем выбросов углерода на этапе обучения модели также быстро растет. Например, как отмечается в работе [14], обучение моделей ГО может привести к значительному объему выбросов углерода, сравнимому даже с показателями гражданской авиации. В частности, объем выбросов углерода при обучении новейшей модели Transformer [15] с поиском архитектуры нейронной сети (Neural Architecture Search, NAS) сравнимы с выбросами пяти автомобилей за весь срок их службы [16].
В недавних работах [16] отмечается воздействие процесса обучения крупномасштабных моделей на окружающую среду в случае, если все исследования будут сосредоточены только на определенных метриках и не будут учитывать производительность обучения модели.
Существующие методы решения данной проблемы [17] направлены на оптимизацию процесса обучения для снижения электропотребления и уровня выбросов углерода при благоприятных условиях. Существуют и другие методы, которые подразумевают создание производительных микросхем, таких как тензорные процессоры (Tensor Processing Units, TPUs) [18].
Тарифы
Письменный перевод:
Английский
300-700
РУБ
/ 1800 знаков
Русский
250-600
РУБ
/ 1800 знаков
