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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #887 · 10.10

Пишут, что Тёму Лебедева назначили дизайн-директором VK, и это хорошая новость. Да, я помню, что либералы массово кличут Тёму сумасшедшим пропагандистом. Я и сам так долго думал, пока лично не посмотрел его ролики, обнаружив, что в основном он делает вполне разумные высказывания и называет вещи своими именами. Просто красной нитью через всю его публицистику идёт любовь к России. Причём, что он особенно подчёркивает — не к каким-то конкретным политикам и государственному строю, а в целом к стране и как к физической сущности, и как к культурно-языковому феномену, с которым он связан по факту рождения. Но да, в наши дни расписываться в любви к России (в любом значении этого слова) в некоторых кругах настолько неприемлемо, что получаешь сразу много ярлыков себе на шею. Однако же, независимо от политической позиции, Лебедев — один из немногих живых российских деятелей, который умеет понимать и создавать современные продукты, в том числе в айти. Если ему действительно дадут власть, и это назначение не носит номинальный характер, то у VK появляется какой-никакой шанс выкарабкаться из многолетнего застоя, вызванного отсутствием единого продуктового видения. Я бы вообще его позвал сразу на гендира. Во-первых, Тёма по-настоящему умеет в дизайн и UX. Как правило он делает очень правильные замечания касательно дизайнов и интерфейсов вещей, которые нас окружают, а его собственные проекты нередко отличаются креативностью и интересными подходами. Во-вторых, у Тёмы нет причин просто попилить в VK бабло и уйти, ничего ценного не сделав. А так поступали едва ли не все управленцы со времён ухода Дурова. Но посмотрим. В комментариях место для ваших оригинальных и новых шуток о том, что с хорошим дизайном товарищу майору будет удобнее следить за людьми ) #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