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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #575 · 29.09

Если вдруг кто-то думает, что Apple и другие корпорации справедливо наезжают только на сторонников варварского режима, а, пока ты правильный человек, который вёдет себя как нужно, то никаких проблем, то вот ещё история из сети. Есть такой альтернативный клиент для Инстаграма The OG App. Он убирает всякий мусор вроде рекламы и тупых рекомендаций от алгоритмов, зато позволяет, например, создавать кастомные ленты с нужным тебе содержимым. Если вы думаете, что это что-то незаконное, то нет: до недавнего времени клиент распространялся через AppStore и Google Play. Причём, этот клиент не один такой, их даже в топе популярных несколько штук. И вот разработчики The OG App пишут, что почти одновременно произошли два события: - Apple удалила их клиент из AppStore - Facebook забанил личные аккаунты (!!!) всей команды На второе особенно стоит обратить внимание. Чисто формально американская капиталистическая модель разделяет ответственность компании и личную ответственность кого-либо из её сотрудников. Если условный Сбер получает бан от Гитхаба, то нет такого закона, который позволил бы Гитхабу забанить личные аккаунты сотрудников Сбера, если только на них как на отдельные лица не был наложен запрет. Члены команды OG App пишут, что для такого действия сотрудники Фейсбука должны были вручную искать каждого из них лично на LinkedIn или в Google, потому что никакой более явной связи между ними и приложением не было. Что касается удаления из AppStore, то, опять же, судя по всему, об этом просто попросил Фейсбук. Там у приложения, как пишут, был всплеск популярности, оно стало заметнее, и его забанили. Авторы предлагают переходить на андроид, лол :) И это не в какой-то варварской стране под банами. #web

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