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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #976 · 28.04

Обычно я отношусь к противникам электросамокатов примерно так же, как к людям, которые призывают валить 5G-вышки. Мракобесы сражаются с прогрессивным улучшением жизни нормальных людей испокон веков. Важная черта состоит в том, что сами мракобесы эти улучшения не понимают и не пользуются ими, как в меме про бабушку "Не нужон нам этот ваш инторнет". Если человек реально не врубается, что такое "last mile problem", почему она возникла, почему её решение повышает удобство жизни, то с ним можно этот вопрос не обсуждать. Но тут вот, оказывается, с неделю назад в Госдуму внесли законопроект, призывающий штрафовать электросамокатчиков за разные нарушения, и я впервые встал на сторону хейтеров. Предлагается штрафовать, например, за езду вдвоём, за перевоз ребенка, за езду в пьяном виде. Суммы порядка тысяч и десятков тысяч рублей. Мало! Всецело поддерживаю эти штрафы и даже увеличил бы их. Было удивительно читать, как в комментариях электросамокатчики защищают езду вдвоём и перевозку детей. "Конечно я везу ребёнка с собой, не давать же ему отдельный самокат!" — да, чувак, абсолютно никаких других вариантов не существует. Принять законопроект обещают в июле. #life

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