TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1003 · 19.07

Иногда какая-то проблема в сервисе или приложении кажется мне очень значительной, но для остальных людей она таковой не оказывается. А иногда наоборот, кто-нибудь пишет: "Как можно вообще использовать продукт X, если там есть проблема N?", а я о такой проблеме либо впервые слышу, либо она мне видится полной ерундой. Например, для меня невозможность использовать WhatsApp с компьютера без подключённого рядом телефона и невозможность синхронизировать чаты между устройствами на разных ОС — это не просто критический косяк, а вообще ситуация, полностью уничтожающая смысл мессенджера. Как автомобиль без колёс: в нём может быть удобный салон и мощный двигатель, но зачем он нужен без колёс? Кто захочет и станет таким пользоваться? Мне непонятно, но по какой-то причине полмира сидит в автомобилях без колёс, не трогаясь с места, потому что им, как оказалось, нужен там только кондиционер и крыша от дождя. Когда я вижу где-нибудь новый "критический косяк", который авторы сервиса не исправляют годами, я всегда усилием привожу себя к этой мысли: видимо, проблема существует только у меня и небольшого числа подобных мне. Но вот с VK Видео мне непонятно. Давайте спрошу у вас. Сейчас, если открыть в разделе видеозаписей "мои подписки", то там будут ролики вообще от всех пабликов, на которые я подписан. Этих пабликов десятки, и мне от них нужны, в основном, посты в ленте. Для меня совершенно очевидно, что подписки на видеоблоги и подписки на паблики — это две разные группы, которые не нужно смешивать. Де-факто раздел с моими подписками в VK Видео для меня абсолютно неюзабелен, потому что там тонны мусора. При этом полностью выходить из всех пабликов я тоже не хочу. На YouTube у меня страница с подписками это главная точка входа в сервис, потому что именно по ней я отслеживаю, у кого из блогеров вышли новые ролики, чтобы их посмотреть. В VK такой возможности на практике нет, и это для меня самый главный ограничитель при попытке перехода с ютуба на VK Видео. Этой проблеме уже не первый год, исправлять её даже не пытаются. Получается, что её вижу только я, всем остальным норм? #web

Hashtags

Резултати

Намерени 3 подобни публикации

Търсене: #quantization

当前筛选 #quantization清除筛选
GitHub Trends

@githubtrending · Post #14747 · 25.05.2025 г., 11:30

#python#deep_learning#intel#machine_learning#neural_network#pytorch#quantization Intel Extension for PyTorch boosts the speed of PyTorch on Intel hardware, including both CPUs and GPUs, by using special features like AVX-512, AMX, and XMX for faster calculations[5][2][4]. It supports many popular large language models (LLMs) such as Llama, Qwen, Phi, and DeepSeek, offering optimizations for different data types and easy GPU acceleration. This means you can run advanced AI models much faster and more efficiently on your Intel computer, with simple setup and support for both ready-made and custom models. https://github.com/intel/intel-extension-for-pytorch

GitHub Trends

@githubtrending · Post #15091 · 24.08.2025 г., 11:30

#python#comfyui#diffusion#flux#genai#mlsys#quantization Nunchaku is a fast and efficient engine that runs 4-bit neural networks using a special method called SVDQuant, which compresses models to use less memory and speed up processing by 2 to 5 times compared to older methods. It supports advanced AI models for tasks like high-quality text-to-image generation and image editing, working best on modern NVIDIA GPUs. You can easily install and use it with ComfyUI, and it has active community support on Slack, Discord, and WeChat. This means you can generate or edit images quickly with less computing power, saving time and resources. It also offers tutorials and example workflows to help you get started smoothly. https://github.com/nunchaku-tech/ComfyUI-nunchaku

GitHub Trends

@githubtrending · Post #15385 · 02.01.2026 г., 12:30

#python#deep_learning#inference#openai#quantization#speech_recognition#speech_to_text#transformer#whisper Faster-Whisper is a fast version of OpenAI's Whisper that transcribes audio up to 4x quicker with the same accuracy, using less memory on CPU or GPU—benchmarks show it beats original Whisper (e.g., 1m03s vs 2m23s for 13-min audio on GPU). Install via `pip install faster-whisper`, no FFmpeg needed, and use simple Python code like `WhisperModel("large-v3").transcribe("audio.mp3")` for segments with timestamps. You benefit by getting quick, efficient speech-to-text for real-time apps, saving time and resources on long files or batches. https://github.com/SYSTRAN/faster-whisper