TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #335 · 29 мар.

В Linux стандартными средствами можно использовать часть оперативной памяти как диск. Для этого требуется указать тип монтирования tmpfs в команде mount mount -t tmpfs -o size=5G tmpfs /mnt/ram Теперь путь /mnt/ram можно использовать как обычный каталог. Для чего это может быть нужно? ▫️ Скорость работы с таким каталогом выше чем многие SSD и тем более HDD. ▫️ Если у вас очень быстрый SSD на NVMe M.2 то такой способ особо не прибавит вам скорости, но поможет сохранить ресурс SSD когда требуется обрабатывать очень много мелких файлов и оперативка позволяет выделить нужный объем. ▫️ Оперативка это энергозависимая память, поэтому выключении питания все файлы безвозвратно теряются. Такой "non persistent" каталог гарантирует удаление временных файлов. Я написал небольшой скрипт для условного теста и сравнения скорости копирования файлов между SSD и RAM. Вот мои результаты: Single File Size: 30.0Gb ssd > ssd: 0:00:12.850 / 2.3Gb/s sdd > ram: 0:00:06.453 / 4.6Gb/s ram > ram: 0:00:06.995 / 4.3Gb/s ram > sdd: 0:00:06.217 / 4.8Gb/s Dir size: 32.7Gb, File count: 11127 ssd > ssd: 0:00:15.063 / 2.2Gb/s sdd > ram: 0:00:08.486 / 3.9Gb/s ram > ram: 0:00:08.032 / 4.1Gb/s ram > sdd: 0:00:07.026 / 4.7Gb/s Скрипт для теста ↗️ На моём железе прирост скорости ~2x. Плюс экономия ресурса SSD. В Windows такой фишки по умолчанию нет, но обязательно найдутся аналогичные решения #linux#triks

Hashtags

Резултати

Пронајдени 1 слични објави

Пребарај: #imagen3

当前筛选 #imagen3清除筛选

Google DeepMind: как ИИ-гигант захватывает все фронты Пока OpenAI металась между моделями, облаками и попытками захватить рынок, Google ждал своего часа. 🕰️ Спокойно дорабатывая экосистему, вкладываясь в железо и собирая данные, гигант подошел к 2025 году с абсолютным преимуществом. Теперь их победа очевидна даже скептикам. 🔥Лидерство моделей ➡️Gemini 2.5 Pro — №1 в ключевых тестах: LMArena, GPQA Diamond, AIME. ➡️Gemini 2.5 Flash (скоро в релизе) — скорость и стоимость в разы лучше аналогов (даже DeepSeek). ➡️Gemma 3 — open source модель уровня Llama 4 и DeepSeek-v3 но компактнее. 🎯Интеграция в экосистему ➡️1 млн токенов контекста + доступ к Google Поиску, YouTube, Workspace. ➡️Миллиарды пользователей получат Gemini бесплатно через Android, Chrome, Gmail. 🛠️Не только LLM ➡️Veo 2 — топ в генерации видео. ➡️Project Astra (ассистент) и Mariner (взаимодействие с ПК) — прорыв в агентских системах. ➡️Google Workspaces (ранее G Suite) - все собрано в одном флаконе для корпоративного пользователя. ➡️Imagen 3 (изображения) и Lyria (музыка) — пока не топ в своих категориях, но явно догонят, так как были выпущены ещё в прошлом веке (в прошлом году, если быть точнее, но в ИИ это сравнимо с прошлым веком).. ⚡Железо и облака ➡️TPU Ironwood — чипы 7-го поколения для AI-инференса (конкурент Nvidia Blackwell и Huawei Ascend). ➡️Google Cloud + собственные серверы = независимость от Microsoft/AWS. 🆚Почему конкурентам не догнать? ➡️У OpenAI нет своего железа, облака и 2 млрд пользователей «из коробки». ➡️Anthropic зависит от AWS, а Meta сосредоточена на open source, а не продуктах. ➡️Илон Маск с Grok-3 хорошо продаёт полеты на Марс, но у него проблемы с железом (StarGate только стартует). ➡️Apple кажется просто отстал на повороте... ➡️Главный козырь Google: данные. YouTube, Поиск, Карты — это тренировочная база, которой вместе нет ни у кого. ⚠️Но есть нюансы ➡️Gemini всё ещё отстаёт в креативном письме (хотя прогресс есть). ➡️При тестировании не все гладко, мои тесты. ➡️Бесплатный доступ — пока маркетинг. Цены могут вырасти после массового внедрения. ➡️Пока ИИ от Google за VPN, китайцы удобнее... Резюме: Google не просто вернулся в игру — он переписывает правила. И да, это тот редкий случай, когда «too much winning» — не мем, а реальность. 🚀 P.S. Тем, кто верил в xAI: наши соболезнования. https://t.me/semasci #ИИ#AI#GoogleAI#DeepMind#GeminiAI#Veo2#imagen3#lyria