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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #844 · 17.07

Закончил трилогию Денниса Тейлора "Мы — Легион. Мы — Боб" (плюс две другие книги серии). Автор программист, нерд, гик и любитель фантастики, в 57 лет на спор решил написать книгу. Как это часто бывает, несколько издательств послали его с порога. Но потом он заключил контракт с крупным сайтом аудиокниг, и книга сразу вошла во все топы, принеся кучу денег. По сюжету главный герой по имени Боб — нерд, гик, программист и любитель фантастики, подписывается на криоконсервацию, но в будущем ему дают не новое тело, а перекачивают сознание в компьютер, установленный на небольшом космическом корабле. У этого корабля есть околосветовой (но не сверхсветовой!) двигатель, а также 3D-принтер, позволяющий печатать что угодно, если найти сырьё. Изначальный план людей был в том, чтобы зонд отправился в соседнюю звёздную систему и построил там космическую станцию, но, волей случая, Боб оказывается сам по себе. Другая важнейшая часть сюжета — способность героя полностью копировать себя. То есть построить второй такой корабль и сделать копию сознания, чем он и занялся в первую очередь. Копии начинают немного отличаться друг от друга. Из-за квантовых флуктуаций в характерах разных Бобов превалируют разные его черты: кто-то больше любит исследования и науку, кто-то занимается организацией, кто-то инженерией. Бобы создают сверхсветовую связь и "расселяются" по галактике сотнями копий, при этом сохраняя что-то вроде внутреннего общества и продолжая коммуникации с человечеством. Тейлор, судя по всему, не стремился написать роман, который станет модным и будет обсуждаться, а просто кайфовал и сочинял фантазию для себя самого. Главный герой очевидно списан с автора практически полностью, и можно сказать, таким образом писатель устроил себе мини-приключение в космос. Из-за этого текст, хоть и простой с виду, вышел очень стройным, эмоционально насыщенным, я бы даже сказал душевным. Миллион отсылок к фантастической поп-культуре, забавные шутки в диалогах, даже имена себе Бобы выбирают по персонажам космоопер. Поскольку Бобов много, автор переключается между ними и между хронологическими ветками, что позволяет ему параллельно рассказывать несколько историй: о войне, о дружбе, о потери, об исследовании, об одиночестве, о политике, о семейных конфликтах... Причем, рассказ всегда идёт от первого лица: в одном месте книги "я" это один Боб, в другом месте книги уже другой — немного с другим характером, находящийся в другой части галактики и переживающий совсем другие события. В статьях говорят, что Тейлор, как истинный программист и нерд, даже написал себе софтину для отслеживания сюжетных цепочек. В общем, гик написал приключение для себя, но оно оказалось интересным и близким для огромного количества других гиков. В книгах не слишком много философии или уникальных фантастических идей, но под конец ты почти плачешь из-за необходимости расставаться с героями. В конце-концов, они бессмертны, а ты — всего лишь эфемер. На русском языке я настоятельно рекомендую аудиокниги в исполнении Кирилла Радцига: во-первых, у чтеца ровно такой голос, какой мы представляем себе для человека по имени Боб, а, во-вторых, это один из лучших русских чтецов в современном аудиокнижном пространстве. #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