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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1222 · 16.03

Возникла задача — в коробке для елочных игрушек сделать секции, чтобы эти игрушки разложить. Понятно, что всегда можно было купить картона и заколхозить просто ножницами. Но тут заиграл спортивно-инженерный интерес — а получится ли у меня придумать систему, которая из одинаковых деталей позволит собирать секции под коробки разных размеров? Почему одинаковых — потому что коробки в основном больше области печати принтера, а, значит, секции должны быть модульными. А самый идеальный вариант модуля это такой, который не ставит вопрос, сколько каких модулей печатать. Ты делаешь просто кучу одинаковых и собираешь из них нужное. Мне нравится, как вышло. И можно разобрать и переделать на другие коробки. Уже два уровня таких напечатал. #diy@clockstackwheels

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #pixtral

当前筛选 #pixtral清除筛选
GitHub Trends

@githubtrending · Post #15600 · 04.04.2026 г., 11:30

#python#apple_silicon#florence2#idefics#llava#llm#local_ai#mlx#molmo#paligemma#pixtral#vision_framework#vision_language_model#vision_transformer MLX-VLM lets you run, chat with, and fine-tune Vision Language Models (VLMs) plus audio/video models on your Mac using MLX—install easily with `pip install -U mlx-vlm`. Use CLI for quick text/image/audio generation (e.g., `mlx_vlm.generate --model ... --image photo.jpg`), Gradio UI for chats, Python scripts, or a FastAPI server with OpenAI-compatible endpoints supporting multi-images/videos. Features like TurboQuant cut KV cache memory by 76%, and LoRA/QLoRA fine-tuning works on consumer hardware. You benefit by experimenting with powerful multimodal AI locally—fast, memory-efficient, no cloud costs, perfect for Mac users tweaking models affordably. https://github.com/Blaizzy/mlx-vlm