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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #655 · 17.11

Рынок настольных игр удивительно стабилен на фоне санкций и канселинга русских. Ну, типа, кинотеатрам каюк, электроника через дружественные страны, софт через всякие впны и оформленные в других местах карточки. А вот настолки из Европы продолжают официально подписывать, официально локализовывать на русский язык и продавать в России. И настолки русских авторов — продавать за рубежом и печатать заграницей, если надо. Возможно, рынок настолок такой маленький, что продажи в России составляют для него значимый процент, и поэтому банить Россию слишком невыгодно. Хотя ещё несколько лет назад говорили, что русские особо игры не покупают, и магазины чуть ли не в минус работают. Если это стало выправляться, то хорошо — больше интеллектуальных развлечений народу. Возможно, в целом тусовка всяких настольных авторов и издателей очень тесная и сплочённая. По себе знаю, как для настольщиков ценны другие настольщики, которые любят игры и разбираются в них: с казуальными компаниями ты в лучшем случае будешь какого-нибудь "Каркассона" раскладывать раз за разом, а с гурманами можно и в Brass зарубиться. Короче, единственное моё хобби, которое не просело и даже, кажется, набирает обороты. Дроны тоже в некотором смысле, но это потому что я перешёл на FPV, оборудование для которого берётся с Aliexpress. А вот официально те же DJI из России ушли (вот тебе и друзья-китайцы, ага). P.S. Собрал чат друзей для игры в настолки и назвал его Hellfire Club :) #games

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