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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #283 · 5.04

Прочитал, что Уилла Смита отменяют за случившееся на Оскаре. Кто не знает: там ведущий отпустил едкую шутку про короткую причёску жены Смита, а оказалось, что она больна, и короткие волосы из-за этого. Смит вышел и дал ведущему по лицу. Теперь Netflix и другие студии разрывают со Смитом контракты. Уже отменили какой-то фильм с ним, а в другом стали менять актёра. Я не фанат насилия, и мне очень понятна модель его недопущения. Действительно, в современном обществе хочется быть защищённым от него. Как человек, который в подростковом возрасте дважды убегал от гопников, а всего несколько лет назад был на настоящей стрелке против угрожавшего ножом обмудка — я хорошо знаком с концепцией уязвимости и страха из-за возможного насилия. Тем не менее, я твёрдо уверен, что мир не работает на простых всеобъемлющих правилах. Нельзя просто сказать, что насилие недопустимо ни при каких обстоятельствах. Это идеалистическое и, возможно, желаемое утверждение, которое не имеет с реальностью ничего общего. И реакция западного общества на поступок Смита лично для меня — проявление мерзкого унизительного малодушия. Иногда нужно остановить действия другого человека. Смит не бил женщину или ребёнка, он вышел к равному по силе взрослому мужику, у которого ещё и было преимущество в виде внимания зала. Вышел к нему в открытую лицом к лицу и очень слабо влепил пощёчину. Это следовало сделать для встряски, просто чтобы привести ведущего к пониманию того, насколько неуместной и даже оскорбительной была его шутка. Нарушение границ от этого шлепка не выше, чем от слов ведущего. Уилл Смит — мужик. Глубоко презираю тупой лицемерный канселкультурный каток, который уже разгоняется в его сторону. Для меня это одно из худших проявлений того, во что превратилось западное общество, хотя в целом многие другие ценности и идеи оттуда мне близки. #life

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