@dejavuBlog · Post #3487 · 24.03.2026 г., 13:25
《Flask 从入门到进阶》正式发售 非常棒的 #Python#Flask 教程 https://github.com/helloflask/flask-tutorial 在线阅读
TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #1084 · 9.04
В общем, была задача на оптимизацию плана работ: есть набор заказов, и в каждом N тасков. Таски могут зависеть друг от друга или нет, имеют длительность и тип. Ещё есть M работников, каждый из которых может выполнять таски только определённых типов, причём, у каждого своя скорость. Если все таски в заказе выполнены, фирма получает сколько-то денег. У заказа есть дедлайн, за просрочку штраф (за каждый день просрочки), который вычитается из цены заказа. И ещё фирма тратит деньги за каждый день своей работы независимо от того, как загружены её сотрудники (то есть просто платит зарплаты по сути). Ещё важен учёт праздников и выходных. Нужно заработать на определённом наборе заказов и работников как можно больше денег. Полный текст задачи и код программы проверки есть в репозитории. Эта задача является изменённым заказом, который мы с напарником решали в реальной жизни: оптимизация работы печатных станков для типографии. Правда, тогда и мы справились так себе, и заказчик в итоге сначала захотел всё вручную сам делать, а потом и вовсе похоронил проект при смене директора. !!! Не читайте дальше, если хотите сначала попробовать решить самостоятельно, потому что я сейчас опишу эффективные подходы и результаты. ________________________________________ Так вот. Мы с другим экспертом Андреем сразу сели и написали разные варианты, чтобы задать шкалу, по которой будем оценивать решения команд. За пару часов я собрал примитивный жадный алгоритм, который сортировал заказы по прибыльности и укладывал в сетку кое-как, это дало нам нижнюю оценку. Мой алгоритм заработал ~75 млн виртуальных рублей, мы решили для оценки поставить нижней границей 40 млн. То есть всё, что ещё ниже, оценивалось в ноль баллов за качество оптимизации. Затем Андрей закрылся дома на три дня и вышел на свет со сложным жадным алгоритмом, который очень хитро сортировал заказы и очень хитро укладывал их в сетку, попутно выбирая разные способы этой укладки в зависимости от конкретного заказа. Это позволило заработать ~275 млн рублей. Мы сделали верхней границей для оценки 280 млн. К сожалению, в итоге только две команды из десяти прошли нижнюю границу, заработав, соответственно, ~91 и ~105 млн. К верхней границе не приблизился никто. И у четырёх команд алгоритм вообще не смог уложить без нарушений задачи в сетку (то есть, например, произвольно менял длительности, накладывал задачи друг на друга, давал одному работнику две задачи в один момент и так далее). Важной ошибкой команд, на мой взгляд, являлся тот факт, что никто не воспользовался возможностью запустить алгоритм на несколько минут и дать ему поработать. По условиям задания, можно было тянуть до 5 минут на одну оптимизацию, но по факту решения команд отрабатывали за единицы и десятки секунд. На самом конкурсе, пока команды работали, я решил попробовать сделать быстрое (по времени написания) но эффективное решение. Сначала попробовал жадную сортировку + доведение до лучшего варианта методом имитации отжига. В качестве нового состояния я просто менял местами заказы целиком. Этот вариант работал пару минут и дал мне около ~200 млн дохода. К слову, команда-лидер использовала такой же подход, просто не докрутила число итераций и температуру. Ну и потом я взял готовую либу по реализации классической генетики с особями и скрещиванием. Особью был массив с приоритетами заказов (которые конечно же нужно было аккуратно уложить чистым алгоритмом). Тип скрещивания: scattered. Всего 15 поколений по 20 особей, и это за минуту-полторы давало ~230-240 млн. Считаю, что для конкурса это самый лучший выбор: пишется одним человеком за день и даёт почти максимум, при этом легко настраивается на нужную длительность работы, легко параллелится. Ну а потом уже дома я посидел и накодил свой вариант сложного жадного с плавающим окном перебора отсортированных заказов и плавающей же укладкой по работникам. Такая штука за две минуты зарабатывает ~281 млн. Но за три дня в условиях стресса я бы такое не сделал, скорее всего. #dev
Hashtags
Търсене: #flask
@dejavuBlog · Post #3487 · 24.03.2026 г., 13:25
《Flask 从入门到进阶》正式发售 非常棒的 #Python#Flask 教程 https://github.com/helloflask/flask-tutorial 在线阅读
@djangoproject · Post #592 · 11.04.2018 г., 19:22
https://juliensalinas.com/en/python-flask-vs-django/ Python #Flask vs #Django My experience of Flask is not as extensive as my experience of Django, but still recently I’ve developed some of my projects with Flask and I could not help comparing those 2 Python web frameworks. This will be a quick comparison which will not focus on code but rather on “philosophical” considerations.
@repo_science · Post #3673 · 24.10.2023 г., 22:59
#python#book#flask#webDevelopment 📚 Full-Stack Flask and React (2023) ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----
@repo_science · Post #3160 · 10.05.2023 г., 21:54
#Python#Flask#APIs 🐍 REST APIs with Flask and Python in 2023 Build professional REST APIs with Python, Flask, Docker, Flask-Smorest, and Flask-SQLAlchemy 🗣️ Jose Salvatierra, Teclado by Jose Salvatierra 🌟 4.6 - 20097 votes 🔗Link ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----
@djangoproject · Post #161 · 15.09.2016 г., 03:19
http://blog.miguelgrinberg.com/post/the-flask-mega-tutorial-part-i-hello-world inShare This is the first article in a series where I will be documenting my experience writing #web_applications in Python using the #Flask microframework.
Hashtags
@djangoproject · Post #162 · 15.09.2016 г., 03:22
https://github.com/realpython/discover-flask/blob/master/readme.md #Flask is a micro web #framework powered by Python. Its #API is fairly small, making it easy to learn and simple to use. But don't let this fool you, as it's powerful enough to support enterprise-level applications handling large amounts of traffic. You can start small with an app contained entirely in one file, then slowly scale up to multiple files and folders in a well-structured manner as your site becomes more and more complex.
Hashtags
@awesomeopensource · Post #164 · 24.08.2018 г., 14:43
pygmy 自带前后端的短网址生成工具,支持统计、私密链接、SQLite DB。 Tags:#flask#urlshortener Languages:#python 感谢 @WeloveZoe 的投稿
Hashtags
@djangoproject · Post #134 · 01.09.2016 г., 14:54
http://www.meetup.com/flask-nyc/ This is a group for anyone interested in #Flask, #Python, #web_development, and any related technologies. To stay up to date with group events, follow us on Twitter @FlaskNYC. Want to read up on Flask?
Hashtags
@djangoproject · Post #501 · 14.11.2017 г., 17:01
http://pyvideo.org/pydx-2016/python-blockchain-and-byte-size-change.html In this talk, I will answer the question of what is #bitcoin and the #blockchain and will end with a quick tutorial on how to create a blockchain application in #Flask. We will not only make a bitcoin application, but we will also reflect upon the implications of this cutting edge technology to the greater society.
Hashtags
@repo_science · Post #3250 · 31.05.2023 г., 11:52
#python#flask#django#html#css#bootstrap 🐍 Python Web Dev Pro: Flask, Django, HTML, CSS & Bootstrap Elevate Your Web Development Skills: Master Back-End & Front-End Technologies with Python, Flask, Django, and Responsive 🔗Link ----- Main channel:@repo_science Coupons: @freecoupons_reposcience -----
@djangoproject · Post #539 · 28.12.2017 г., 12:20
Dash, announced this year, is an open source library for building web applications, especially those that make good use of #data visualization, in pure Python. It is built on top of #Flask, #Plotly.js and #React, and provides abstractions that free you from having to learn those frameworks and let you become productive quickly. #Dash is a #Python framework for building analytical web applications. No JavaScript required. https://plot.ly/products/dash/
@githubtrending · Post #15433 · 23.01.2026 г., 14:30
#python#deepseek#demo#easy#embedding#flask#gpt#huggingface_transformers#llm#mcp#multimodal#openai#qwen#rag#sentence_transformers#ui#vllm#vlm UltraRAG is a lightweight framework that makes building retrieval-augmented generation (RAG) systems simple and fast. It uses a low-code approach where you write just dozens of lines of YAML configuration instead of complex code to create sophisticated AI workflows with conditional logic and loops. The framework includes a visual development environment where you can drag-and-drop to build pipelines, adjust parameters in real-time, and instantly convert your logic into interactive chat applications. This means you can deploy powerful AI systems that ground answers in your own data—reducing hallucinations and improving accuracy—without needing extensive coding expertise or lengthy development cycles. https://github.com/OpenBMB/UltraRAG