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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #377 · 9.06

Позавчера Еврокомиссия приняла закон, который обязывает все компании без исключения использовать USB Type-C, как основной стандарт для зарядного устройства. С осени 2024 года гаджеты в Европе должны уже полностью перейти на новую схему. Есть косвенный побочный эффект: выпуск устаревших устройств с Micro USB в Европе будет невозможен. Я вот до сих пор (редко, но бывает) наталкиваюсь на новые устройства, которые можно купить в магазине прямо сейчас, и у которых почему-то Micro USB вместо Type-C. Видимо, какие-то очень древние складские залежи. Но куда важнее воздействие на компанию Apple. Годами в айфонах упорно отказывались делать единый стандарт зарядки. Годами люди вынуждены были заряжать не-Apple устройства одним способом, а Apple другим. Более того: даже на новых iPad уже Type-C, но на iPhone до сих пор Lightning. Чем только это не оправдывалось: скоростью, безопасностью, экосистемой. Но на самом деле оправданий нет. Цитата из одного старого поста @amima: «Пол Грэм, инвестор и основатель самого авторитетного стартап-акселератора YCombinator, как-то писал: «Uber is so obviously a good thing that you can measure how corrupt cities are by how hard they try to suppress it». Есть явления, общественная польза которых настолько очевидна и проверена временем, что они сами по себе являются мерилом нормы.» Одинаковый стандарт зарядки и порта передачи данных — одна из таких вещей. Начиная от уменьшения количества проводов в каждом доме, и заканчивая возможностью стрельнуть провод вообще у любого человека, у которого он есть с собой. Со стороны Apple было очень по-мудачески годами выдумывать оправдания вместо перехода на Type-C. Ну, теперь, если они хотят продолжать торговать в Европе, у них не останется выхода. Ждём на очередной конференции объявление об этом, как о революционном собственном решении. #gadgets

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