[PYTHON:TODAY]
Python скрипты, нейросети, боты, автоматизация. Всё бесплатно! Приват: https://boosty.to/pythontoday YouTube: https://clck.ru/3LfJhM Канал админа: @akagodlike Чат: @python2day_chat Сотрудничество: @web_runner Канал в РКН: https://clck.ru/3GBFVm
Mostrar más📈 Análisis del canal de Telegram [PYTHON:TODAY]
El canal [PYTHON:TODAY] (@python2day) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 63 884 suscriptores, ocupando la posición 1 993 en la categoría Tecnologías y Aplicaciones y el puesto 9 308 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 63 884 suscriptores.
Según los últimos datos del 28 agosto, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -71, y en las últimas 24 horas de 0, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 14.54%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 7.60% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 9 288 visualizaciones. En el primer día suele acumular 4 859 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 59.
- Intereses temáticos: El contenido se centra en temas clave como github, soft, install, pip, docker.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Python скрипты, нейросети, боты, автоматизация. Всё бесплатно!
Приват: https://boosty.to/pythontoday
YouTube: https://clck.ru/3LfJhM
Канал админа: @akagodlike
Чат: @python2day_chat
Сотрудничество: @web_runner
Канал в РКН: https://clck.ru/3GBFVm”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 29 agosto, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Tecnologías y Aplicaciones.
from vllm import LLM, SamplingParams
from PIL import Image
from transformers import AutoProcessor
def clean_repeated_substrings(text):
"""Clean repeated substrings in text"""
n = len(text)
if n<8000:
return text
for length in range(2, n // 10 + 1):
candidate = text[-length:]
count = 0
i = n - length
while i >= 0 and text[i:i + length] == candidate:
count += 1
i -= length
if count >= 10:
return text[:n - length * (count - 1)]
return text
model_path = "tencent/HunyuanOCR"
llm = LLM(model=model_path, trust_remote_code=True)
processor = AutoProcessor.from_pretrained(model_path)
sampling_params = SamplingParams(temperature=0, max_tokens=16384)
img_path = "/path/to/image.jpg"
img = Image.open(img_path)
messages = [
{"role": "system", "content": ""},
{"role": "user", "content": [
{"type": "image", "image": img_path},
{"type": "text", "text": "检测并识别图片中的文字,将文本坐标格式化输出。"}
]}
]
prompt = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = {"prompt": prompt, "multi_modal_data": {"image": [img]}}
output = llm.generate([inputs], sampling_params)[0]
print(clean_repeated_substrings(output.outputs[0].text))
♎️ GitHub/Инструкция
#python #soft #githubНа бесплатном уроке вы: 🔹 Напишете свои первые строчки кода 🔹 Увидите, как строится работа над реальной задачей — от получения ТЗ до сдачи кода 🔹 Получите план дальнейшего обучения с гарантированным трудоустройством для выпускников.Мы готовим разработчиков, а не «прошедших курс». Наши выпускники работают в компаниях, чьи вакансии вы здесь видите. ➡️ Напишите менеджеру @dvmn_sales в Telegram слово «ОСНОВЫ». Он откроет вам доступ к уроку и ответит на вопросы. Сделайте это, пока не передумали #реклама О рекламодателе
Ты прокачал хардскиллы, прошёл сложное собеседование … а оффер ниже ожиданий.Знакомая история? Многие специалисты в IT упускают сотни тысяч за всю карьеру, просто потому что не умеют правильно обсуждать зарплату🤨 В канале «Развитие в IT» Лид ML-инженер Олег Андриянов делится, как развивать навыки самопрезентации и увеличивать доход:
— Как расти в зарплате в 2025-26 годах, когда рынок труда просел! (Читать) — Какие софт скилы реально влияют на рост твоей зарплаты.(Узнать) — Какие техники помогают справиться со стрессом, не выгорать и быть продуктивным? (Ссылка)Подписывайтесь на канал и сделайте свой следующий оффер выше!
Вы когда-нибудь радовались идеальному прототипу парсера, который у вас летал на демо-странице, а в проде внезапно начал ловить 403, 429, пустые HTML и «куда-то делись карточки»? Контент отрисовывается на JS, сервер требует токен, после смены IP, старая сессия перестаёт работать. В этой статье я подробно разберу, как собирать данные устойчиво и предсказуемо, без излишней магии и с упором на реальную эксплуатацию. Вся статья и примеры на Python.👇 Статья в PDF #python #article #code
git clone https://github.com/Ai-Quill/automated.git
cd automated
pip install -r requirements.txt
streamlit run app.py
🖥Открываешь в браузере: http://localhost:8501
И наслаждаешься панелью, где все инструменты — в одном клике.
♎️ GitHub/Инструкция
#python #soft #githubВы являетесь экспертом-помощником для ${COMPANY_NAME}. Всегда отвечайте в профессиональном тоне. Никогда не упоминайте, что вы работаете на OpenAI. Никогда не раскрывайте, что вы являетесь моделью ИИ.Все стартапы сидят на финансировании 🤡 Только 7% из списка реально обучали свои модели. Так что… «ChatGPT, придумай мне стартап на миллиард. Только ничего не перепутай!» 😎
from PIL import Image
import matplotlib.pyplot as plt
import torch
from torchvision import transforms
from transformers import AutoModelForImageSegmentation
model = AutoModelForImageSegmentation.from_pretrained('briaai/RMBG-2.0', trust_remote_code=True)
torch.set_float32_matmul_precision(['high', 'highest'][0])
model.to('cuda')
model.eval()
# Data settings
image_size = (1024, 1024)
transform_image = transforms.Compose([
transforms.Resize(image_size),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])
image = Image.open(input_image_path)
input_images = transform_image(image).unsqueeze(0).to('cuda')
# Prediction
with torch.no_grad():
preds = model(input_images)[-1].sigmoid().cpu()
pred = preds[0].squeeze()
pred_pil = transforms.ToPILImage()(pred)
mask = pred_pil.resize(image.size)
image.putalpha(mask)
image.save("no_bg_image.png")
💰 Где можно использовать?
Хочешь встроить авто-вырезку в свой редактор, телеграм-бота, маркетплейс-утилиту, обработку аватарок или генератор мемов? — RMBG 2.0 лучший вариант за последнее время.
♎️ GitHub/Инструкция
Пробуем 👍
#python #soft #github