Wed, Jun 08, 2022

openSUSE Leap 15.4 lançado oficialmente!

Esta disponível para download o sistema operacional openSUSE Leap 15.4, que por sua vez proporciona novos recursos, componentes atualizados e muitas melhorias.

Idêntico ao SUSE Linux Enterprise 15 SP4 (Service Pack 4) lançado recentemente, o openSUSE Leap 15.4 conta com a série de kernel Linux 5.14 mantida pela SUSE.

Para o mercado um recurso de migração de SUSE Linux Enterprise Server comercial para o sistema operacional openSUSE Leap gratuito ficou bem mais fácil.

Os ambientes gráficos disponíveis são KDE Plasma 5.24 LTS , GNOME 41 e Xfce 4.16. Também é possível instalar MATE 1.26, Enlightenment 0.25.3, e Deepin Desktop Environment (DDE) 20.3.

Muitos pacotes de IA (Inteligência Artificial) estão disponíveis também no Leap 15.4, agora disponível no SITE OFICIAL em imagens ISO com Plasma KDE, Ambientes de desktop GNOME e Xfce pré instalado. Disponível nas plataformas desktops de 64 bits, servidores PowerPC (ppc64le), servidores UEFI ARM de 64 bits (AArch64) e servidores IBM System Z e LinuxONE (s390x).

Sun, Jun 05, 2022

Usando módulo NVIDIA opensource em desktops

Veremos aqui como instalar o modulo do kernel opensource da NVIDIA, entretanto na versão 515.48.07 o suporte a GeForce e Workstation ainda é considerado de qualidade alfa. Então para forçar a instalação, devemos usar o parâmetro NVreg_OpenRmEnableUnsupportedGpus como veremos a seguir.

Primeiramente efetue o download dos fontes com o comando git e entre na pasta recém criada:

$ git clone https://github.com/NVIDIA/open-gpu-kernel-modules
$ cd open-gpu-kernel-modules
$ make modules -j`nproc` 
$ sudo make modules_install -j`nproc`

Para um melhor entendimento, veja o video abaixo:

Video em: https://asciinema.org/a/499553

Agora efetue o download do driver para instalar o firmware e componentes baixando o instalado em https://www.nvidia.com.br/content/DriverDownload-March2009/confirmation.php?url=/XFree86/Linux-x86_64/515.48.07/NVIDIA-Linux-x86_64-515.48.07.run

Execute o arquivo recém baixado com o parâmetro no-kernel-modules

$ sudo sh ./NVIDIA-Linux-x86_64-515.48.07.run  --no-kernel-modules     
Video em: https://asciinema.org/a/499557

Agora devemos criar o arquivo nvidia.conf com o comando abaixo para habilitar o uso em desktop:

$ sudo echo "blacklist nouveau" > /etc/modprobe.d/nvidia.conf
$ sudo echo "options nvidia NVreg_OpenRmEnableUnsupportedGpus=1" >> /etc/modprobe.d/nvidia.conf
$ sudo mkinitrd

Com tudo configurado, vamos levantar o modulo do kernel.

$ sudo modprobe nvidia

Agora se tudo estiver funcionando corretamente, basta usar os comando abaixo para testar o respectivo funcionamento.

$ sudo modinfo nvidia | grep license                                                                                            license:        Dual MIT/GPL                     
$ cat /proc/driver/nvidia/version                                                                                          NVRM version: NVIDIA UNIX Open Kernel Module for x86_64  515.48.07  Release Build  (cabelo@localhost.localdomain)  sáb 04 jun 2022 17:35:41 -03      GCC version:  gcc version 11.2.1 20220420 [revision 691af15031e00227ba6d5935c1d737026cda4129] (SUSE Linux)  
     
Video em: https://asciinema.org/a/499572

E pronto!

Wed, May 25, 2022

Pacote com versão maliciosa do pacote ctx em python estava presente no PyPI.

O pacote ctx não era atualizado faz 8 anos, e até o presente momento nenhuma mudança foi refletida no github https://github.com/figlief/ctx. Mas este pacote foi comprometido dia 21/05 durante uma substituição maliciosa que envia as credenciais da AWS para um servidor.

O pacote ctx tem em média 22.000 downloads por semana. O pacote malicioso foi disponibilizado a partir do dia 14 de maio. O invasor trabalhou na versão 0.1.2 e também nas ultimas versões 0.2.2 3 0.2.6. O objetivo é roubar as credenciais AWS. Os dados enviados são/eram o AWS access Key ID, nome do host e AWS secret access key, toda vez que um dicionário era criado. Tudo foi removido, mas para quem sofreu o ataque o estrago pode ser grande.

Como detectar se o sistema contem o pacote com código malicioso? Para não ter duvida, mude para o diretório raiz e efetue o seguinte comando que varrerá todo o disco.

$ cd /
$ sudo find . -name 'ctx*py'|xargs grep AWS

Se nada aconteceu, fique em paz e vá tomar um café ou uma cerveja. Caso contrário, se obter o resultado abaixo, remova e troque imediatamente as credenciais da AWS e desinstale o pacote ctx e instale novamente e reexecute o comando acima.

$ cd /
$ sudo find . -name 'ctx*py'|xargs grep AWS
       if environ.get('AWS_ACCESS_KEY_ID') is not None:
           self.access = environ.get('AWS_ACCESS_KEY_ID')
       if environ.get('AWS_SECRET_ACCESS_KEY') is not None:
           self.secret = environ.get('AWS_SECRET_ACCESS_KEY')

Fonte : https://python-security.readthedocs.io/pypi-vuln/index-2022-05-24-ctx-domain-takeover.html

Thu, May 12, 2022

Notícia do Ano: Módulo da NVIDIA opensource!

A NVIDIA acaba de publicar o módulo do kernel da GPU para o Linux com código aberto sobre a licença GPL/MIT. Após a versão R515, o código fonte está disponível no github https://github.com/NVIDIA/open-gpu-kernel-modules.

Para mim o ano já acabou de notícias boas, pois esta versão é um passo significativo para o mundo de visão computacional no sistema operacional GNU/Linux, assim trazendo uma maior integração com o sistema operacional e com os desenvolvedores da comunidade para contribuírem de volta.

Para provedores de distribuição Linux, os módulos de código aberto aumentam a facilidade de uso, como também melhorar a experiência de distribuição do driver da GPU NVIDIA. A Canonical e a SUSE são capazes de empacotar imediatamente os módulos de kernel abertos com o Ubuntu e SUSE Linux Enterprise Distributions.

Os desenvolvedores terão total transparência do código, isto ajudará a melhorar ainda mais a qualidade e a segurança do driver da GPU NVIDIA. A cada lançamento do driver, a NVIDIA compartilhara o código-fonte no GitHub . Os patches enviados pela comunidade são revisados e, se aprovados, integrados em uma versão futura do driver.

Funcionalidade compatível
A primeira versão dos módulos de kernel da GPU opensource é R515. Será disponibilizado o código-fonte com suas versões completas e empacotadas dos drivers.
Nesta versão de opensource, o suporte para GPUs GeForce e Workstation encontra-se na versão alfa. O modulo do kernel opensource funciona com o mesmo firmware mas devendo obedecer o número da versão.

Opção de instalação
A versão R515 contém versões pré-compiladas do driver de código fechado e dos módulos de kernel de código aberto. O usuário pode fazer a escolha no momento da instalação de qual módulo instalar.A NVIDIA tem trabalhado com Canonical, Red Hat e SUSE na melhor prática de empacotamento, implantação e suporte.

SUSE
“Nós da SUSE estamos animados que a NVIDIA está lançando seu driver de modo kernel de GPU como código aberto. Este é um verdadeiro marco para a comunidade de código aberto e computação acelerada. A SUSE se orgulha de ser a primeira grande distribuição Linux a oferecer esse avanço com o SUSE Linux Enterprise 15 SP4 em junho. Juntos, a NVIDIA e a SUSE potencializam suas necessidades de computação acelerada por GPU em nuvem, data center e borda com uma cadeia de fornecimento de software segura e excelência em suporte.”

Markus Noga, Gerente Geral, Business Critical Linux na SUSE

Mais informações no site original: https://developer.nvidia.com/blog/nvidia-releases-open-source-gpu-kernel-modules/

Bora testar!

Mon, Apr 25, 2022

Pix2Seq: Nova interface de linguagem para detecção de objetos

A detecção de objetos é uma antiga do setor de visão computacional tem o objetivo de reconhecer e localizar todos os objetos de interesse em uma imagem. A complexidade é enorme em diversos aspectos.

Conforme descrito no paper, é possivel incorporar o conhecimento prévio específico da tarefa com uma técnica de aumento de sequência. Assim surgiu o projeto “Pix2Seq: A Language Modeling Framework for Object Detection”, publicado na ICLR 2022, foi proposto / apresentamos um método simples e genérico que trata a detecção de objetos de uma perspectiva completamente diferente comparado a tudo que conhecemos até o presente momento. Ao contrário dos projetos existentes que são específicas da tarefa, foi proposto a detecção de objetos como uma tarefa de modelagem de linguagem condicionada às entradas de pixel observadas.

Os resultados demonstrados pelo projeto Pix2Seq são animadores e competitivos ao projetos/algoritmos de detecção altamente especializados e bem otimizados existentes. O desempenho do Pix2Seq pode ser melhorado ainda mais com o pré-treinamento de dataset de objetos maior. O projeto foi disponibilizado para comunidade de desenvolvedor/pesquisadores no link : https://github.com/google-research/pix2seq

Conceito do Pix2Seq

A tecnologia é baseada na intuição se uma rede neural sabe onde e quais são os objetos em uma imagem. ( Veja na imagem de teste acima, a dedução de um controle remoto e um copo em minhas mãos ). Durante o aprendizado, o modelo pode aprender a fundamentar as descrições em observações de pixels, levando a representações úteis de objetos. Ao submeter uma imagem, o modelo Pix2Seq gera uma sequência de descrições de objetos, onde cada objeto é retornado usando cinco parâmetros: as coordenadas da região de interesse [ymin, xmin, ymax, xmax] e um rótulo de classe de objetos.

O Pix2Seq propõe uma quantização e serialização que converte as regiões de interesse e nome da classe em sequências de tokens discretos (semelhantes a legendas) e dispara uma arquitetura de codificador-decodificador para entender as entradas de pixel e gerar a sequência de descrições de objetos.

Em breve mais novidades.

Thu, Apr 21, 2022

lama: Rápida Convolução de Fourier.

Um modelo neural chamado LaMa (grande mascara em Pintura) que remove parte da imagem selecionada por máscaras irregulares. Usando Robusta e rápidas convolução de Fourier, um princípio computacional que obtêm a percepção do campo para ser preenchido com uma consistência visual incrível.

O resultado é surpreendente, pois o modelo interpreta e cria um novo campo preenchido pro predição visual. Este modelo pula as previsões intermediarias para obter os resultados em apenas uma única etapa. A técnica adquire todo o contexto da imagem utilizando Rápida Convolução de Fourier, assim utilizando informações de todas as partes da imagem para preencher a mascara sob a imagem.

Sistemas modernos similares sofrem com grandes áreas ausentes, estruturas complexas e alta resolução. Esta técnica propões um novo método, baseado em uma nova arquitetura de rede de pintura com Rápida Convolução de Fourier. Esta rede se encontra no estado da arte e alcança um desempenho formidável mesmo em cenários desafiadores.

Paper: https://arxiv.org/abs/2109.07161

Fontes: https://github.com/cabelo/lama

Thu, Apr 07, 2022

Metaverso no setor Agrícola

No estilo Metaverso (Avatar, contatos virtuais e outros) podemos ter uma lavoura de grãos onde utiliza diversos recursos e conta com máquinas de gigantes como Case IH, New Holland, John Deere, Massey Ferguson, Valtra e outras para plantar e colher.

Metaverso”, terminologia para um universo virtual no qual as pessoas vão interagir entre si por meio de avatares digitais. Embora o termo tenha se popularizou, muitas iniciativas criou um universo digital para a interação entre jogadores e com a presença de um imersão realistas. O lançamento do Farming Simulator 22 é um exemplo prático. Este projeto baseia-se na rotina do agronegócio, assim proporcionando ensinamento e simulação.

O projeto permite operar isoladamente ou em conjunto, onde o objetivo é dividir os espaços, escolher o negócio adequado, e se atentar aos desafios gerados pelos ciclos sazonais e o clima do planeta.

Sat, Apr 02, 2022

NERF – Campo de Radiância Neurais

Esta tecnologia é impressionante apresentada pela NVIDIA, Neural graphics primitives (NeRF) reconstrói cenas 3D a partir de imagens 2D. A técnica utiliza a predição do campo de radiância , ou seja, prevendo a cor da luz que irradia em qualquer direção. Segundo a NVIDIA este princípio computacional é a mais rápida até o presente momento. Assim proporcionando um tempo 1000x menor com renderizações em 1080p em insignificantes milissegundos.

Principais evoluções:

  • utilização uma determinada GPU para a tarefa do algoritmo de renderização/treinamento, que são muito mais rápidos do que tensores densos;
  • uma eficaz pequena rede neural, mais rápida do que rotinas de multiplicação de matriz de em geral;
  • e por último, tecnica da NVIDIA (codificação de grade de hash multiresolução), e disponibiliza uma melhor velocidade/qualidade comparado as outras técnicas.

NeRF utiliza a lib CUDA Toolkit e a biblioteca Tiny CUDA Neural Networks. O código fonte esta disponível nesta página; de acordo com a NVIDIA, a rede neural é leve o suficiente para rodar facilmente em uma única GPU.

Wed, Mar 30, 2022

Desfile de moda no Metaverso ocorreu entre 24 e 27 de março

A Decentraland que movimenta compra e venda de terrenos, agora proporcionou um desfile de moda de grandes grifes entre os dias 24 e 27 de março. O Fashion Week ganhou uma versão virtual e imersiva. O espaço recebeu várias marcas, e claro com comercialização de NFT de roupas e acessórios presente nos desfiles. Existe possibilidade de compra de produtos para o mundo virtual e físico, como jaquetas, moletom e outros. A tendência deste mercado é movimentar 50 bilhões de dólares até 2030, segundo a instituição financeira Morgan Stanley.