[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
Ko'proq ko'rsatish📈 Telegram kanali [PYTHON:TODAY] analitikasi
[PYTHON:TODAY] (@python2day) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 63 884 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 1 993-o'rinni va Rossiya mintaqasida 9 308-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 63 884 obunachiga ega bo‘ldi.
28 Avgust, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -71 ga, so‘nggi 24 soatda esa 0 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 14.54% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 7.60% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 9 288 marta ko‘riladi; birinchi sutkada odatda 4 859 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 59 ta reaksiya keladi.
- Tematik yo‘nalishlar: Kontent github, soft, install, pip, docker kabi asosiy mavzularga jamlangan.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“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”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 29 Avgust, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Texnologiyalar & Aralashmalar toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.
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