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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #726 · 30.12

При этом якобы пять тысяч подписчиков в VK это шум — подавляющего большинства этих людей нет, никакой активности они не проявляют никогда, и, думаю, даже не заходят читать ленту, а "подписаны" на меня в результате какого-то случайного клика. Поэтому вполне возможно, что именно небольшая живая часть подписчиков действительно выросла. Не так заметно, как в Телеграме, но прибавившаяся сотня человек по моим оценкам содержит куда бОльший процент настоящих людей, чем эти изначальные 5700. Ещё в Телеграме хорошо заметно непрерывное линейное падение с периодическими ступеньками роста (случайные репосты моих записей). Это падение вызвано серьёзным UX-просчётом, о котором я неоднократно писал: Телеграм наказывает автора за посты. Ну и, стоит отметить, что в VK всё ещё удобнее сам по себе механизм публикации. Единственное преимущество Телеграма это форматирование. У VK при этом нет тупых лимитов на длину текста и есть возможность прикреплять к посту фотографии без костылей. Я пишу этот текст именно в VK, чтобы потом скопировать в Телеграм, а не наоборот. По активности людей на удивление примерно одинаково. В умирающем VK нашёлся островок активных взрослых, которые меня читают. В среднем десятки лайков и комментариев к каждому посту, и там, и там. Кстати, этот показатель особо не изменился, и рост подписчиков на него не повлиял. Видимо, в обсуждениях участвуют в основном люди, которые уже давно меня знают. Так что, сделать однозначный выбор я не могу. VK удобнее. Но в TG взрослые. Однако, в TG абсолютно нет органического роста, если вы не пишете на одну и ту же тему или не словили хайп, набрав нужную критическую массу в удачный момент, то ваш единственный путь это неофициальный рынок платных репостов переводом на карту — говно полное, не хочу с этим связываться. Но в VK каждая новая инициатива это снова какая-то фигня либо для детей либо для отчётов и заголовков. Но в TG разработчики открыто клали хер на авторов с большой горы: годами не делают даже банальное прикрепление фото или, скажем, удобную форму ввода длинных текстов. Канал это всё ещё чат-монолог со всеми вытекающими. Но в VK неприятная атмосфера с вытеснением чего-то конструктивного в пользу одноразового контента для определённой прослойки пользователей. Видимо, пора переходить на короткие вертикальные видео. #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