NeuroCatalog | Каталог Нейросетей Нейросети | Midjourney | Промты | AI | Prompts | OpenAi | ChatGPT | Искусственный Интеллект
7 157
Suscriptores
-83524 horas
-1 9277 días
+1 00630 días
- Suscriptores
- Cobertura postal
- ER - ratio de compromiso
Carga de datos en curso...
Tasa de crecimiento de suscriptores
Carga de datos en curso...
00:00
Video unavailableShow in Telegram
Москва. Новостройка. Своя квартира
Столичный комфорт или хорошая экология? Больше не надо выбирать!
Для вас — квартиры в новостройках Москвы рядом с метро в зелёных районах с развитой инфраструктурой:
✨ Цены от 5,9 млн ₽
👍 Варианты со скидкой до 7%
🏠 Ипотека от 1 ₽ в месяц
✅ Московская прописка
🏃♂️ Всё нужное — в минутах от дома
Больше информации — по ссылке и на консультации в офисе продаж
Узнать больше
Проектная декларация на сайте https://наш.дом.рф/. Застройщик: А101
#реклама
a101estate.ru
О рекламодателе
tmp2gpu18vf.mp425.22 MB
Python, внешние функции и Steam
Языковые экосистемы не идеальны. Иногда получаемые исполняемые файлы работоспособны, но синтаксис ужасен, иногда есть хороший менеджер пакетов, но стандартные функции скудны до невозможности - все дело в компромиссе.
https://arturdryomov.dev/posts/python-foreign-functions-and-steam/
👉
Python, foreign functions and Steam
Calling Steamworks from Python without overhead
Photo unavailableShow in Telegram
Библиотека Feather
Feather — это библиотека для эффективного чтения и записи таблиц данных в двоичный формат. Она использует формат Apache Arrow для сериализации данных, что позволяет быстро читать и записывать данные без потери информации.
В этом примере мы использовали две основные функции библиотеки:
—
feather.write_dataframe()
: записывает таблицу данных в файл формата Feather.
— feather.read_dataframe()
: читает таблицу данных из файла формата Feather.
Feather позволяет быстро и эффективно обмениваться данными между Python и R, а также обеспечивает быстрое чтение и запись таблиц данных на диск.
👉Photo unavailableShow in Telegram
Что происходит, когда запускаешь «Hello World» в Linux
Сегодня я задумалась о том, что происходит, когда запускаешь в Linux простую программу «Hello World» на Python.
print("hello world")
Вот как это выглядит в командной строке:
$ python3 hello.py
hello world
Но внутри происходит гораздо больше. Я объясню, что там творится, и, что гораздо важнее, расскажу об инструментах, при помощи которых вы сами сможете исследовать происходящее. Мы воспользуемся readelf, strace, ldd, debugfs, /proc, ltrace, dd и stat. Я не буду рассматривать относящиеся к Python части, только объясню, что происходит при выполнении динамически компонуемых исполняемых файлов.
https://habr.com/ru/companies/ruvds/articles/753506/
👉Photo unavailableShow in Telegram
Откройте бесплатную подписку на Кинопоиск и Музыку
Ответьте на 1 вопрос до конца июня и получите в подарок доступ к Кинопоиску и Яндекс Музыке бесплатно на 90 дней
✨ Сервисы доступны для Вас и трёх ваших близких
Попробовать
#реклама 18+
kinopoisk.ru
О рекламодателе
Photo unavailableShow in Telegram
Напишите функцию, которая будет принимать список nums, содержащий числа в диапазоне от 1 до 100, и возвращать отсортированный список чисел, которые в списке nums встречались дважды.
Примеры:
duplicate_nums([1, 2, 3, 4, 3, 5, 6])
➞ [3]
duplicate_nums([81, 72, 43, 72, 81, 99, 99, 100, 12, 54])
➞ [72, 81, 99]
duplicate_nums([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
➞ None
Примечания:
— никакое число не будет встречаться в nums трижды и более раз,
— если никакое число в nums не встречалось дважды, функция должна вернуть None
.
👉00:16
Video unavailableShow in Telegram
Ответ на вопрос и музыка ваша до конца лета бесплатно
Яндекс Музыка для вас и 3-х ваших близких до конца лета бесплатно. Попробуйте сейчас!
Попробовать
#реклама 18+
music.yandex.ru
О рекламодателе
tmpzb77qung.mp49.53 MB
Photo unavailableShow in Telegram
👩💻 Хотите прокачаться в веб-разработке на Python и интересуетесь Django?
💪 Тогда ждём вас на открытом практическом уроке «Django: представления на основе классов» от OTUS!
Там мы разберем использование Class-based views для создания веб-приложений с помощью Django и ответим на все возникающие вопросы в режиме реального времени.
Спикер Сурен Хоренян — Senior Python Backend Developer и руководитель группы разработки платформы облачного видеонаблюдения в MTS AI.
Встречаемся 17 июня в 20:00 мск в преддверии старта курса «Django-разработчик». Все участники вебинара получат специальную цену на обучение!
➡️ Регистрируйтесь прямо сейчас, чтобы посетить бесплатный урок: https://vk.cc/cxBvMJ
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576
Photo unavailableShow in Telegram
Революционный подход к нейросетям: рассказываем про KAN (Kolmogorov-Arnold Networks)
Эволюция архитектуры нейронных сетей уходит корнями в фундаментальные работы, заложенные в 1940-х годах Уорреном Маккаллохом и Уолтером Питcом, которые предложили концепцию искусственных нейронов и их взаимосвязь.
Однако значительные прорывы произошли только в 1980-х годах с разработкой алгоритмов обратного распространения ошибки: алгоритм Геоффри Хинтона и других – все это позволило создавать более глубокие нейронные сети и улучшить методы обучения.
В это время появились классические архитектуры, многослойные перцептроны (MLP, и сверточные нейронные сети (CNN), которые революционизировали различные области, включая компьютерное зрение, обработку естественного языка и распознавание образов – теперь мы говорим про своего рода инновационную архитектуру.
https://habr.com/ru/articles/820891/
👉
Photo unavailableShow in Telegram
Nested Sets (вложенные множества)
Это способ организации иерархических данных, где каждый узел дерева представлен парой чисел, определяющих диапазон значений.
Каждая категория представлена объектом, содержащим поля "
ID
", "Название", "Левая граница" и "Правая граница". "Левая граница" и "Правая граница" определяют диапазон значений, которые охватывают поддерево данной категории.
Преимущество использования Nested Sets
заключается в том, что мы можем эффективно извлекать всех потомков узла, находить родителей и определять уровень вложенности с помощью простых операций сравнения.
В этом примере мы находим всех потомков категории "Компьютеры".
*При изменении структуры дерева требуется обновление левых и правых границ всех связанных категорий.
👉