TGTGInsightаналитика telegramLIVE / telegram public index
← Просто про IPO Pre IPO

TGINSIGHT SIMILAR POSTS

Найти похожее

Источник @Pro100IPO · Post #310 · 1 апр.

И снова третье сентября 1 АПРЕЛЯ Сегодня День смеха, все устраивают розыгрыши или делятся смешными историями. Такие есть и у меня, вот парочка. 1️⃣ Когда я ходил еще “пешком” в одно большое серьезное финансовое учреждение, не было даже интернета, а телефон был главным инструментом для торговли акциями и облигациями. Компанией руководила некая дама-директор. И вот у нее была секретарша, девочка-блондинка. Этой милой девочке я позвонил с утра 1 апреля и сказал, что сегодня будет подаваться ток высокого напряжения по телефонным кабелям. И нужно все телефоны возле терминалов накрыть мокрыми тряпками. Когда мы пришли на работу к началу торгов, все телефоны были накрыты мокрыми тряпками. Где она взяла столько тряпок, я не знаю! 2️⃣Производная второго порядка - работал в крупной инвестиционной компании, где все знали, что я люблю шутить. Было весьма трудно кого-то обмануть. Правда, был один человек мега-ответственный, юрист – никогда не шутил и шуток не понимал. И вот ранним утром 1 апреля – это был выходной день – у нас назначена тренировка по футболу. Я позвонил ему и сказал, что в зале покрасили полы, тренировка отменяется. Его даже не нужно было просить – он сам обзвонил всех и отменил тренировку. И все спросонья поверили – тем более, знали, что он точно никогда не шутит, этот парень с серьезным голосом. Народ улегся “досыпать”, отменил свои планы. Выдержав примерно час, я снова набрал его и объяснил, что пошутил, мол, 1 апреля же. И затем мы с ним уже вдвоем всех обзванивали – сказать, что это была шутка, чтобы они приходили. К сожалению, до некоторых так и не удалось дозвониться во второй раз, видимо, крепко заснули – и тренировка прошла в половинном составе. ☘️ Мне будет очень приятно, если вы улыбнулись! Делитесь своими смешными историями в комментариях! @pro100IPO #1апреля

Результаты

Найдено 3 похожих постов

Поиск: #quantization

当前筛选 #quantization清除筛选
GitHub Trends

@githubtrending · Post #14747 · 25.05.2025, 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, 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, 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