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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #504 · 15.08

Досмотрел Sandman. Я так в своё время и не добрался до комикса, хотя читал из него несколько эпизодов, и мне довольно много о нём рассказывали. Сложность чтения комиксов в том, что с экрана это очень неудобно, а физические книги я не использую много лет. Сериал отличный даже без знакомства с первоисточником. Крутая самобытная атмосфера. Весьма удачный каст: большинство актёров подобраны чётко, они запоминаются и смотрятся на своём месте. Отдельно порадовал Коринфиан — очень харизматичный. Но в целом хороши даже местечковые проходные персонажи. Сами сюжеты показались немного сжатыми, но это скорее всего жанровая особенность первоисточника, от которой не захотели или не смогли избавиться. По смыслу и наполнению всё равно интересно. Ну и, конечно, возрастной рейтинг позволил авторам нормально показать всякую жесть. Из недостатков не могу не отметить критически высокий процент повесточки. Почти все злодеи и отрицательные персонажи — белые мужчины (Берджес и его сын, второй сын, который украл рубин, Коринфиан, абъюзер в паре, которая удерживала мальчика, практически весь слёт маньяков!). Центральные же положительные персонажи, кроме самого главного героя, в основном чернокожие и/или женщины. Подавляющее большинство отношений, показанных в сериале — гомосексуальные. А гетеро-пары, за небольшим исключением, или предают/изменяют, или являются объектом насмешек или злодеи. Не знаю, так ли в оригинале (говорят, Нил Гейман радикально-левый, поэтому вполне мог), но тут прям из берегов выходит, и очень заметно. Впрочем, кто смотрит современные сериалы, у того уже слепота/привычка выработалась, думаю. А в остальном супер, получил много удовольствия и жду следующий сезон. #fiction

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