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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #632 · 6.11

Посмотрел уже четыре серии нового научно-фантастического сериала Peripheral: в недалёком будущем героям попадается VR-гарнитура, которая перемещает их в супер реалистичный симулятор Лондона на сто лет вперёд, но всё, конечно же, оказывается не так просто. Смотрю вполне с удовольствием. Не сказал бы, что хочу бросить или перемотать. Но вот подметил такую вещь: и здесь, и во многих других фантастических проектах последних лет авторы очень круто смоделировали мир (либо домоделировали уже существующий мир: например, в сериалах по Звёздным Войнам). Офигенная работа с деталями, дорогая картинка, интересные особенности вымышленной вселенной. А вот с сюжетами как-то не очень клеится. Если убрать интересный мир, за которым хочется наблюдать, то сам по себе сюжет что здесь, что в других проектах, очень средненький. Даже в киноадаптации Азимовского "Основания" в итоге выкинули реально классный книжный сюжет и придумали свой унылый, лишь бы повесточку показать. Пожалуй, за событиями и персонажами хочется следить только в каком-нибудь Андоре (на удивление неплохо вышел, лично для меня даже интереснее Мандалорца). Вот там и без ЗВ-атрибутики было бы захватывающе. Ну и, конечно, первый сезон Westworld вполне тащил (остальные не тащили: мир всё ещё цепляет, а сюжет уже нет). С Игрой Престолов вон тоже: пока был книжный первоисточник, было интересно, а когда стали писать свой Дом Дракона, то (судя по отзывам) картинка классная, но следить скучно. Я не думаю, что это связано с каким-то кризисом идей или недостатком хороших писателей/сценаристов. Видимо, рынок и общественное мнение становятся своеобразной цензурой: то же "Основание" упростили и сделали более примитивным наверняка для расширения потенциальной аудитории. Expanse едва не закрылся из-за падения рейтингов, и был спасён практически лично Безосом, как одним из фанатов, поэтому смог до конца остаться достаточно умным. Но не знаю, увидим ли мы в наше время что-то уровня Battlestar Galactica или Firefly. #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