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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #400 · 26.06

Понадобилось залить в iPad фильмы для офлайн-просмотра. На iOS для такого есть специальные секции памяти у отдельных приложений. Например, для фильмов можно скачать приложение VLC, которое читает большинство форматов, и загрузить прямо в память ему эти фильмы через компьютер по проводу. Однако, для этого нужен iTunes. Если вести список худших изобретений Apple, то в нём, наряду с портом зарядки Magic Mouse и монобровью на телефонах, точно будет эта отрыжка пьяных программистов. В интернете давно стала притчей во языцех неадекватная работа iTunes и нелепые случайные ошибки, которые он выдаёт. В среднем путь достижения цели при работе с "тунцом" обычно выглядит как-то так: Установить iTunes — Попробовать подключить айфон — Переустановить iTunes — Почистить такую-то папку и такую-то папку — Почитать решения в интернете — Переустановить драйвера — Выдернуть айфон —Вставить в другой USB порт — Станцевать голым при полной Луне —Помолиться всем богам — ... — С некоторой вероятностью то, что нужно, заработает. У меня айфоны и айпады были с фиксированной периодичностью где-то с 2008 года, и абсолютно всегда с iTunes происходили систематические проблемы. Шли годы, менялись и версии iOS и версии самого iTunes, менялись операционные системы компьютера (MacOS, Windows), а внезапные непредсказуемые отказы iTunes устойчиво сохранялись. На Android эта проблема решена уже два столетия. Там просто универсальный протокол доступа к памяти: ты открываешь телефон на компьютере, как папку, заливаешь туда фильмы, и приложение VLC на этом телефоне может фильмы читать. Всё. Но у Apple... Я не знаю, обычно такое мракобесие прикрывают как бы заботой о безопасности. Но я, честно говоря, сегодня был готов ставить любой софт и давать любые разрешения, только чтобы iTunes увидел, наконец, мой iPad. Это максимально далёкий от безопасности эффект. В итоге так и не вышло, я забил и воспользовался функцией Яндекс.Диска "Сохранить в офлайн". Да, в современном мире иногда действительно быстрее передать через интернет файл между устройствами, которые лежат рядом. Но теперь айпад качает 40 гигов уже скачанных на компьютер фильмов просто из-за прекрасной заботы о пользователях со стороны Apple. #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