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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #454 · 20.07

Установил я тут приложение для оплаты парковок в Петербурге. Открыл его — и ужаснулся. В приложении просто фрейм сайта, и он совершенно ужасен: убогие растровые Leaflet-карты, не адаптированные под телефоны, формы ввода с position:fixed, из-за чего они частично перекрываются клавиатурой на Android, всплывающие сообщения буквально на половину экрана, не запоминающие факт их закрытия, футер, который надо скроллить... "Так верстают только мудаки", — подумал я, но регистрацию всё-таки прошел. Однако, когда я открыл приложение второй раз, оно предложило мне залогиниться, и я увидел совершенно другую картинку: приятные векторные карты, нативные элементы управления, работает шустрее, даже претензия на дизайн. Судя по всему, в приложении просто нет функции регистрации, и они для этого открывают фрейм сайта, который после регистрации остаётся, пока не откроешь приложение заново. "Другое дело, умеют же, когда хотят!" — подумал я. Парковку, впрочем, через это приложение оплатить так и не удалось. #web

Hashtags

Резултати

Намерени 50 подобни публикации

Търсене: #dl

当前筛选 #dl清除筛选
Repositorio data science

@repo_science · Post #4131 · 18.05.2024 г., 21:06

​​#DL 📱 Zeus New Pytorch Ecosystem Tool Zeus is an open source toolkit for measuring and optimizing power consumption of deep learning workloads. 🖥Github ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----

Hashtags

Am Neumarkt 😱

@amneumarkt · Post #691 · 05.10.2025 г., 07:41

#dl Park, Chanwook, Sourav Saha, Jiachen Guo, Hantao Zhang, Xiaoyu Xie, Miguel A. Bessa, Dong Qian, et al. 2025. “Unifying Machine Learning and Interpolation Theory via Interpolating Neural Networks.” Nature Communications 16 (1): 1–12. https://www.nature.com/articles/s41467-025-63790-8

Hashtags

Am Neumarkt 😱

@amneumarkt · Post #506 · 13.11.2023 г., 08:30

#dl Google & USC benchmarked a prompt based forecasting method, and the results are amazing. Cao D, Jia F, Arik SO, Pfister T, Zheng Y, Ye W, et al. TEMPO: Prompt-based Generative Pre-trained Transformer for time series forecasting. arXiv [cs.LG]. 2023. Available: http://arxiv.org/abs/2310.04948

Hashtags

ПредишнаСтр. 1 от 5Следваща