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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1085 · 10.04

Вышел трейлер «Киллербота» по серии книг, о которой я вам рассказывал. Выглядит прямо очень многообещающе. Apple TV+ весьма неоднозначный стриминг, потому что часть вещей он сильно испоганил по сравнению с первоисточником (например, «Основание», о чём я тоже писал), а часть вещей вышли превосходными («Silo» очень хорош, хотя, говорят, что книги ещё на голову круче, у меня уже в очереди на прочтение). В «Киллерботе», как в продукте современной западной писательницы, и так хватает повестки и порой странноватого юмора и странноватых же намёков (возьмём взаимоотношения главного героя с кораблём, например). Так что Apple TV+ не смогут сделать что-то сильно хуже за счёт woke-надстроек — в этом смысле современный роман устойчивее к издевательствам, чем классический труд Азимова полувековой давности. А всё остальное Apple делает хорошо: дорого, со вкусом, с хорошей постановкой. Ждём выхода 16-го мая, в общем. #fiction https://www.youtube.com/watch?v=vEioDeOiqEs

Hashtags

Резултати

Намерени 50 подобни публикации

Търсене: #dl

当前筛选 #dl清除筛选
Repositorio data science

@repo_science · Post #4131 · 18.05.2024 г., 21:06

​​#DL 📱 Zeus New Pytorch Ecosystem Tool Zeus is an open source toolkit for measuring and optimizing power consumption of deep learning workloads. 🖥Github ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----

Hashtags

Am Neumarkt 😱

@amneumarkt · Post #691 · 05.10.2025 г., 07:41

#dl Park, Chanwook, Sourav Saha, Jiachen Guo, Hantao Zhang, Xiaoyu Xie, Miguel A. Bessa, Dong Qian, et al. 2025. “Unifying Machine Learning and Interpolation Theory via Interpolating Neural Networks.” Nature Communications 16 (1): 1–12. https://www.nature.com/articles/s41467-025-63790-8

Hashtags

Am Neumarkt 😱

@amneumarkt · Post #506 · 13.11.2023 г., 08:30

#dl Google & USC benchmarked a prompt based forecasting method, and the results are amazing. Cao D, Jia F, Arik SO, Pfister T, Zheng Y, Ye W, et al. TEMPO: Prompt-based Generative Pre-trained Transformer for time series forecasting. arXiv [cs.LG]. 2023. Available: http://arxiv.org/abs/2310.04948

Hashtags

ПредишнаСтр. 1 от 5Следваща