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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #443 · 10.07

Помните, тут Илон Маск собирался купить Твиттер? Пишут, что он отменяет сделку, потому что Твиттер: — Неправильно считал число фейковых аккаунтов — Не смог предоставить сведения об объёме спама — Открыто признал, что последние годы преувеличивал количество пользователей Кстати, по последнему случаю в прошлом году был крупный штраф от Твиттера собственным же инвесторам по результатам судебного иска. Твиттер заявлял о росте месячной аудитории, но скрыл тот факт, что дневная аудитория стоит на месте. Что, кстати, интересно: люди как бы реже стали в Твиттер заходить, но при этом общее количество этих людей росло. То есть, смотрите, крупная корпорация тоже, как и отдельный человек, может врать, делать хорошую мину при плохой игре, скрывать и преувеличивать и так далее. А ещё инвесторы на Западе умеют замечать такие штуки и штрафовать корпорации. Интересно, что у нас инвесторы, похоже, не умеют, иначе непонятно, почему у них не возникало вопросов к тем же публичным цифрам от ВКонтакте. Хотя в современных реалиях, видимо, ВК уже не стоит считать частным бизнесом, а скорее государственной корпорацией. Не уверен, что для Твиттера срыв сделки с Маском это прямо так уж плохо. Маск там почти силой хотел его поглотить и навести свои порядки, весьма своеобразные, в соответствии с его характером. Но репутационно, конечно, эффект не самый приятный. Хорошо, что я забил на Твиттер и перестал им пользоваться. #web

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