TGTGInsightаналитика telegramLIVE / telegram public index
← Растительное питание
К списку каналов

TGINSIGHT SIMILAR POSTS

Найти похожее

Источник @Veget · Post #708 · 20 авг.

Смотреть постОригинал

Булочки-косички 💛 Ингредиенты: - 2 стакана остывшей кипяченой воды - 5 стаканов пшеничной муки грубого помола - щепотка пищевой соды - кукурузное рафинированное масло (можно другое) - соль - по желанию и вкусу (1 стакан - 200 мл) Приготовление: 1. Смешиваем муку, воду, 1 ст.л. растительного масла, соду и соль. Хорошо перемешиваем. Должно получится не жидкое тесто, из которого можно сформировать косички, если тесто слишком сильно липнет к рукам, то добавьте ещё муки и немного растительного масла. 2. Из полученной массы формируем булочки-косички и укладываем на противень, смазанный растительным маслом. Сверху булочки-косички можно немного посыпать сахаром (по желанию). 3. Дальше противень с булочками кладём в заранее разогретую духовку. 4. Делаем булочки примерно 25-30 мин при 180 градусов до готовности. Все зависит от самой печки, могут приготовиться быстрее. В целом получилось около 20 таких булочек-косичек. #рецепт

Hashtags

#рецепт
Результаты

Найдено 20 похожих постов

Поиск: #train

当前筛选 #train清除筛选
Nature Travel Vacation

@naturetravelvacationpictures · Post #364 · 02.04.2019, 16:45

ПохожиеСмотреть

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

Hashtags

#scenery#nature#train
Voir de ses propres yeux

@voir_yeux · Post #12448 · 07.04.2026, 14:03

ПохожиеСмотреть

🇫🇷 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 · 19.03.2026, 09:05

ПохожиеСмотреть

🌟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
← НазадСтр. 1 из 2Вперёд →