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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #299 · 13.04

В детстве я, как и многие мальчишки тогда, очень любил сериал «Рыцарь дорог». Но, конечно, я уже был достаточно взрослым, чтобы понимать, что это фантастика, и не бывает машин, которые ездят сами. Если бы мне тогда сказали, что в 32 года я захвачу кусочек этой технологии, я бы прослезился от счастья. Автопилот существует с нами уже какое-то время. У Tesla он по-настоящему крутой — меня как-то подвозили на Model X, и я убедился лично. Но, конечно, даже он не идёт ни в какое сравнение с полностью роботизированными автомобилями, которые сейчас испытывают многие крупные компании на тестовых трассах. Уверен, что я таки застану такси без водителя-человека. У меня в машине очень примитивный ассистент — адаптивный круиз-контроль с радаром и система сканирования полосы. Работает только на трассе, только при хорошей видимости, наличии разметки и так далее. Но даже это очень впечатляет. Наверное, такое ощущение вызвано рулём, который вращается сам — традиционно в нашем сознании магия сильно ассоциируется с самодвижущимися предметами, живыми вещами и прочим подобным. P.S. Бортовой компьютер не разрешает долго не держать руки на руле, начинает пищать. Типа небезопасно. Эх, а я уж хотел книжку почитать. #gadgets

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #mdl

当前筛选 #mdl清除筛选
GitHub Trends

@githubtrending · Post #15271 · 05.11.2025 г., 12:30

#cplusplus#arm#baidu#deep_learning#embedded#fpga#mali#mdl#mobile#mobile_deep_learning#neural_network Paddle Lite is a lightweight, high-performance deep learning inference framework designed to run AI models efficiently on mobile, embedded, and edge devices. It supports multiple platforms like Android, iOS, Linux, Windows, and macOS, and languages including C++, Java, and Python. You can easily convert models from other frameworks to PaddlePaddle format, optimize them for faster and smaller deployment, and run them with ready-made examples. This helps you deploy AI applications quickly on various devices with low memory use and fast speed, making it ideal for real-time, resource-limited environments. It also supports many hardware accelerators for better performance. https://github.com/PaddlePaddle/Paddle-Lite