Попробовали настольный Slay the Spire, и мне очень понравилось.
Кто не знает, Slay the Spire это изначально инди-видеоигра в жанре «роглайк на построение колоды». Нарисована она совсем простовато (не пиксель арт, и то хорошо), зато обладает своего рода эталонным геймдизайном. Там нет ничего лишнего, но есть всё нужное. Причём, большинство эффектов считается в уме, а пространство решений для игрока всё равно очень большое. Попытки других разработчиков скопировать эту игру и добавить в неё что-то дополнительное («Чёрная Книга», «Knock on the Coffin Lid») сразу показали, что результат становится сильно хуже.
Короче, если вам нужна игра не про «спинномозговой» геймплей, а про шевеление головой, при этом позволяющая зайти на 15 минуток в день сыграть пару боёв, реиграбельная и не зависящая от присутствия задротов (в отличие от онлайн игр), то это очень хороший вариант.
Поэтому, когда вышла настолка, вопрос о покупке не стоял. Да, настолки по видеоиграм нередко оказываются довольно вторичными и либо не предлагают ничего принципиально нового, либо, наоборот, переиначивают первоисточник сверх меры. Здесь у меня тоже были определённые опасения, например, о том, что потребуется перекладывать слишком много компонентов там, где в видеоигре действия выполнял компьютер.
К счастью, опасения не подтвердились, и авторы очень хорошо поработали над адаптацией: все числа уменьшили, сократили математику, упростили эффекты, не сломав их качественную суть, и добавили кооператив, который действительно играет роль. Прибавьте к этому приятные ощущения от того, что ты не на экране на карточки смотришь, а листаешь их в руках, плюс возможность разделить эмоции и тяготы прохождения с друзьями.
В общем, прямо очень порадовало. #games@clockstackwheels
#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
#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
#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