TGTGInsighttelegram intelligenceLIVE / telegram public index
← GitHub Trends
Back to channels

TGINSIGHT SIMILAR POSTS

Find similar content

Source channel @githubtrending · Post #15321 · Dec 9

View postView original

#go#game_engine#game_engine_2d#game_engine_3d#game_engine_development#game_engine_framework#gameengine#go#golang Kaiju Engine is a fast, modern 2D/3D game engine written in Go and powered by Vulkan, designed for simplicity and high performance. It runs on Windows, Linux, Android, and is working on Mac support. Kaiju offers much faster rendering speeds and lower memory use than popular engines like Unity, making game development quicker and more efficient. It uses Go’s garbage collector to help prevent common programming errors, improving stability. You can write games directly in Go, and the engine supports local AI integration and a flexible UI system using HTML/CSS. Although the editor is still in development, the engine itself is production-ready, offering a powerful tool for developers who want speed and simplicity. https://github.com/KaijuEngine/kaiju

Hashtags

#go#game_engine#game_engine_2d#game_engine_3d#game_engine_development#game_engine_framework#gameengine#golang
Results

20 similar posts found

Search: #train

当前筛选 #train清除筛选
Nature Travel Vacation

@naturetravelvacationpictures · Post #364 · 04/02/2019, 04:45 PM

Find similarView

🌿🚂🚂🚂 The Reddish Shade... #Scenery#Nature#Train Join Us ✅🔜@Discover_Nature 🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃

Hashtags

#scenery#nature#train
Voir de ses propres yeux

@voir_yeux · Post #12448 · 04/07/2026, 02:03 PM

Find similarView

🇫🇷 La situation sur les lieux de la collision entre un train à grande vitesse (TGV) et un poids lourd transportant du matériel militaire dans la commune de Nœux-les-Mines (Pas‑de‑Calais), dans le nord de la France. #france#train#collision

Hashtags

#france#train#collision
Machinelearning

@ai_machinelearning_big_data · Post #9694 · 03/19/2026, 09:05 AM

Find similarView

🌟Unsloth Studio: опенсорный no-code веб-интерфейс для LLM. Unsloth Studio - это локальный комбайн, который объединяет подготовку данных, обучение, инференс и экспорт модели в одном месте. Под капотом кастомные Triton-ядра с собственным backprop. По сравнению со стандартными CUDA-реализациями это дает 2х прирост скорости обучения и снижение потребления по VRAM на 70%. Поддерживаются полный файн-тюнинг, претрейн, LoRA, QLoRA, 4-bit, 16-bit и FP8. Всего совместимо более 500 моделей, включая Llama 4, Qwen 3.5 и Gemma 3. Для работы с данными есть визуальный нодовый редактор Data Recipes. Studio принимает PDF, DOCX, CSV и JSONL, генерирует синтетические датасеты и автоматически конвертирует данные в форматы ChatML или Alpaca. Помимо стандартного SFT, Studio умеет в GRPO, которая не требует отдельной critic-модели и потребляет на 80% меньше VRAM, что делает обучение ризонинг-моделей реалистичным на локальном железе. Модели на 8B и 70B параметров (например, Llama 3.1, Llama 3.3, DeepSeek-R1) можно файн-тюнить на одной RTX 4090 или 5090, а не на кластере, но есть и поддержка multi-GPU. В режиме инференса Studio умеет: tool calling, выполнение кода прямо в чате, работу с изображениями, аудио, PDF и DOCX. Из коробки - веб-поиск и автонастройка параметров инференса. Экспорт результатов - одной кнопкой в GGUF, vLLM или Ollama. Studio сама мерджит LoRA-адаптеры с базовой моделью. Работает на Windows, Linux и macOS (на Mac пока только инференс, поддержка MLX-обучения анонсирована), есть Docker. AMD-пользователи могут обучать через Unsloth Core, поддержка в Studio обещана позже. 📌Лицензирование: AGPL-3.0. 🟡Документация 🖥Github @ai_machinelearning_big_data #AI#ML#LLM#Framework#Train#UnslothStudio

Hashtags

#ai#ml#llm#framework#train#unslothstudio
12
← PreviousPage 1 of 2Next →