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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1190 · 18.12

Деннис Тейлор, «Пока мы не сбились с пути» Вселенная Бобов — это серия, за рекомендацию которой меня чаще всего благодарят. Видимо, все остальные книги, о которых я пишу, либо очень хорошо известны, либо не находят отклика у настолько широкой аудитории. Пожалуй, нет смысла подробно писать о пятой части. Автор вернулся к рваному повествованию, состоящему из отдельных историй. У него это в целом получается хорошо, хотя тут некоторые истории меня зацепили (про центр галактики и исход, про ИИ), другие показались проходными или невнятными (про драконов, про виртуальную реальность для инопланетян). Многие темы стали максимально размытыми, вроде взаимоотношений с людьми. Ещё могу отметить, что, если первые книги сносно опираются на существующие физические концепции, то тут Тейлору пришлось больше фантазировать, иначе он бы упёрся в сюжетные границы. Это не плохо, если только вы не воспринимали «Бобов» как твёрдую НФ. Для меня такой ход был ожидаемым, разочарования я не испытал. Понравился момент установки взаимопонимания с инопланетными дронами, хотя конечно лучше, чем в «Аве Марии», первый контакт не описан нигде. Причина, по которой с центром галактики случилось то, что случилось, тоже подобрана хорошо, приостановку неверия лично у меня не сломала, но и угадать заранее я не смог. По итогу я бы сказал так: пятую книгу прослушал не без удовольствия, но шестую автору уже писать не стоит. Из этой идеи и вселенной выжато всё досуха.#fiction@clockstackwheels

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