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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1011 · 16.08

Видеоигры плохо коллекционируются. Цикл устаревания видеоигр очень своеобразный и отличается от практически всего остального: кино, книг, настолок, музыки. Во-первых, есть чисто технические проблемы: на современных устройствах старые игры не запустятся, так что вам нужно хранить, помимо самой игры, какую-нибудь древнюю приставку. И периферию к ней, потому что современный телевизор в теории тоже может отказаться работать с этим всем. И если, не дай бог, что-нибудь сломается, вы потеряете доступ вообще ко всей вашей коллекции. Я уже не говорю о том, что, в общем-то, держать придется десяток разных приставок и пару древних компьютеров. К этому добавляется тот факт, что игры вам придется покупать и хранить на дисках. А еще бывают игры, которые не являются многопользовательскими, но требуют перманентного соединения с интернетом и живых серверов разработчиков, такие коллекционировать можно только в пиратском виде. Во-вторых, есть эстетический момент. Бывают люди, которые спокойно смотрят на кубическую древнюю графику или даже наслаждаются ей, но таковы не все. Я вот обожаю Half-Life, однако всерьез играть в первую часть мне тяжеловато (к счастью есть Black Mesa Source). Практически во всех остальных жанрах искусства авторы почти не упирались в технологии своего времени, поэтому сейчас можно с полным удовольствием и читать книгу столетней давности, и смотреть старый фильм. Пожалуй, особняком стоит тут всякая фантастика: давайте честно, на бой световыми мечами в четвёртом эпизоде "Звёздных Войн" без слёз не взглянешь. Но всё равно это игровое кино, 80% времени которого занимают симпатичные актёры и прекрасно смоделированные декорации. С играми хуже — авторы первой "Лары Крофт" сделали бы круглые... эээ головы персонажей, если бы могли. С настолками в этом плане куда приятнее. Коробка содержит в себе все компоненты и правила. Ей не нужен интернет или другие источники данных. Ей не нужна периферия для работы. Через 20-30-50 лет я открою коробку, в ней всё ещё будет всё необходимое для игры, графика всё ещё останется такой же красивой. Даже если издатель за это время обанкротится, настолка — вещь в себе. Пожалуй, есть только один по-настоящему серьёзный недостаток против видеоигр — для партии в настолку нужны другие люди. #games

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