poly000杂选
@neko_poly001 · Post #1041 · 12.03.2023 г., 08:31
https://jvns.ca/blog/2022/12/08/a-debugging-manifesto/#debugging#programming
Hashtags
TGTGInsightтелеграм анализLIVE / telegram public index
TGINSIGHT SIMILAR POSTS
Намери подобно съдържание
Изходен канал @clockstackwheels · Post #367 · 30.05
Поговорим про ML. Пару дней назад вышла новость о том, что в продажу поступила первая русскоязычная книга, половину текста в которой написала нейросеть ruGPT-3. А до этого вы все наверняка натыкались на очень яркие записи про Dalle и Imagen, где нейросеть по описанию рисует картинку, и получается очень любопытно. Такими темпами скоро нейросети превратятся в крипту: высокотехнологичную вещь, о которой, однако, в среде приличных технарей лучше не упоминать. Потому что то, каким образом это используется, и то, какой образ этому создают в массах, расходится не только с реальностью, но и с определённым уровнем вменяемости. Кстати, ML ещё и может ярко демонстрировать эффект Даннинга-Крюгера. Мем про "Ты чё, пёс, я математик!" нифига не шутка. Человек может считать себя крутым программистом, если научился комбинировать чужие библиотеки на питоне. Хотя на самом деле простейшую практическую задачу решить не способен -- я с такими сталкивался лично. ML-щики вообще пихают свои нейросети куда ни попадя, считая, что это волшебная таблетка и швейцарский нож для любых ситуаций. Мне рассказывали случай, когда на хакатоне по работе с данными выиграл человек, который просто аккуратно вручную подобрал нужные зависимости в Excel :) Глобально же нейросетями пытаются решать три вида задач: 1. Информации в вопросе много, а в ответе нужно мало. Например, распознавание образов и символов. Подбор значений каких-нибудь коэффициентов. Приложение "Хотдог или не хотдог" из сериала Кремниевая Долина. Обычно нейросети справляются с таким очень хорошо. Рукописный ввод распознают шикарно, по фото могут назвать породу собаки, математические формулы читают. Но важно понимать, что под капотом даже у такой нейросети не возникает никаких понятных вам символов. Например, при распознавании рукописного ввода случайный набор пикселей, не имеющий для человека смысла, может быть с той же степенью уверенности интерпретирован нейросетью, как совершенно чёткая буква А. Просто мы на такой случайный набор не попадаем почти всегда, и поэтому всё ок. 2. Информации в вопросе средне, и в ответе нужно средне. Как правило, это предсказание, восстановление недостающих данных, улучшение качества фото, раскрашивание ч/б. С такими задачами нейросети справляются уже средненько. Улучшенный нейросетью снимок сразу видно. Предсказание лишь ненамного точнее, чем случайный выбор. Польза в том, что в обращении такие сети просты, а результат всё-таки дают. Но не стоит их переоценивать. Например, сюда можно отнести задачу суммаризации текста (по большому объёму текстов тебе печатают выжимку). Мои товарищи в одном чате несколько дней игрались с ботом-суммаризатором, и в основном половина написанных им фраз это просто мусор и ерунда для ржача. Но в другой половине всё-таки какой-то совсем небольшой смысл проглядывался. Недостаточный для того, чтобы задалбывать этим ботом участников чата (привет, ребята :) ), но не абсолютный рандом. 3. Информации в вопросе мало, а в ответе нужно много. Это генерация данных: вот как раз написание текстов, составление рисунков, логотипов и так далее. Так вот, по моему скромному, но всё-таки хоть немного компетентному мнению, в таких вопросах нейросети выдают полную херню. И хвалёная логотипная нейросетка Лебедева — тоже полная херня. И распиаренная GPT ничего толкового не пишет. Когда читаешь примеры в новостях-анонсах, сразу думаешь: "Вау, как круто!". Но когда пробуешь сам: ruGPT-3 по уровню осмысленности где-то чуть ниже "Яндекс.Рефератов", если помните такой сервис и суть его работы. Я не знаю, будут ли сети по созданию изображений работать так круто (сейчас доступа к ним ни у кого нет), но книга в соавторстве с человеком стала возможна только по той причине, что в качестве человека взяли Павла Пепперштейна, который берёт случайные комбинации словосочетаний и выдаёт это за литературу. Поверьте: человечество пока что в безопасности касательно захвата машинами. #dev
Hashtags
Резултати
Намерени 8 подобни публикации
Търсене: #debugging
当前筛选 #debugging清除筛选
Dasturlash hayoti️️ ️
@dasturlash_hayoti · Post #3951 · 30.08.2025 г., 12:46
#debugging#chatgpt#dasturlash_hayoti ⚡️Debug qilishni osonlashtiradigan oddiy usullar 💻 Kod yozayotganingizda error chiqishi tabiiy. Muhimi — uni tez topish. Mana eng oddiy 3 maslahat: 1️⃣ Print-debugging ◾️ Kod ichiga print() (yoki console.log()) qo‘ying. ◾️ Qayergacha kod ishlayotganini kuzating. ➡️Eng tez va sodda usul. 2️⃣ Debugger’dan foydalaning ◾️VS Code, PyCharm yoki boshqa IDE ichida debugger mavjud. ◾️ Breakpoint qo‘yib, qadam-baqadam kodni ko‘ring. ➡️Murakkab xatolarni aniqlash uchun zo‘r. 3️⃣Error xabarini diqqat bilan o‘qing ◾️ Error chiqsa, ko‘pchilik avval GPT’dan maslahat oladi, keyin xabarni o‘qiydi 😁 ◾️ Aslida, xabarning o‘zi nimani noto‘g‘ri qilganingizni aytib turadi 😅 Error — bu dushman emas, yo‘lboshchi. Uni to‘g‘ri o‘qisangiz, vaqt va asabni tejaysiz. ❓ Siz ko‘proq qaysi usulda xatolarni topasiz? print() qo‘yibmi yoki debugger bilanmi? 💻@dasturlash_hayoti— xatosiz kod bo‘lmaydi😅
Dasturlash hayoti️️ ️
@dasturlash_hayoti · Post #4046 · 07.11.2025 г., 12:17
O'rganish tezligini oshirish: 1% yaxshiroq bo'lish qoidasi Ko‘pchilik dasturlashda "super yulduz" bo‘lishni xohlaydi, lekin bunga qisqa muddatda erishib bo‘lmaydi. Men sizga juda oddiy, ammo kuchli bo'lgan "1% yaxshiroq bo'lish qoidasi" ni taklif qilaman. Qoida mohiyati: Har kuni o‘tgan kundan ko‘ra o‘zingizni atigi 1% ga yaxshilang. Dasturlashda bu nima degani? — Har kuni 15 daqiqa davomida bitta yangi JavaScript Array Method'ini o‘rganing. — Har kuni Git buyruqlaridan bittasini chuqurroq tushunib oling. — Har kuni o‘zingiz yozgan kodning bir qismini Refactoring qilib, uni 1% ga tozalang. Bu kichik qadamlar boshida sezilmasligi mumkin, lekin bir yildan so‘ng siz 37 barobar kuchliroq bo‘lasiz! 1.01³⁶⁵ taxminan 37.78 Muhimi: Katta maqsadlarni emas, balki doimiy va kichik harakatlarni ustuvor qiling. Katta o‘sish doimiy o‘sishdan kelib chiqadi. #Debugging#DasturchiMaslahati#JavaScript 👉@jonibek_turapov
每日 AWESOME 观察
@awesomeopensource · Post #149 · 31.07.2018 г., 10:02
ndb 使用 Chrome DevTools 调试 node 代码。 Tags： #debugging#devtools Languages： #NodeJS
Hashtags
djangoproject
@djangoproject · Post #174 · 22.09.2016 г., 19:16
gc — #Garbage#Collector interface This module provides an interface to the #optional garbage collector. It provides the ability to disable the collector, tune the collection frequency, and set #debugging options. It also provides access to unreachable #objects that the collector found but cannot free. Since the collector supplements the reference counting already used in Python, you can disable the collector if you are sure your program does not create reference cycles. https://docs.python.org/3/library/gc.html
GitHub Trends
@githubtrending · Post #15329 · 13.12.2025 г., 11:30
#typescript#browser#chrome#chrome_devtools#debugging#devtools#mcp#mcp_server#puppeteer Chrome DevTools MCP lets your AI coding tools like Gemini, Claude, or Cursor control a live Chrome browser for automation, debugging, and performance checks. Install it easily with npx chrome-devtools-mcp@latest in your MCP config, then prompt "Check performance of a site" to auto-record traces, take screenshots, analyze networks, and fix issues reliably. This benefits you by making AI smarter at web coding—verifying changes in real-time, spotting bugs fast, and boosting site speed without manual work. https://github.com/ChromeDevTools/chrome-devtools-mcp
GitHub Trends
@githubtrending · Post #14848 · 21.06.2025 г., 00:00
#typescript#blockchain#dapps#debugging#ethereum#javascript#smart_contracts#solidity#task_runner#tooling#typescript Hardhat is a powerful Ethereum development tool that helps you write, test, and deploy smart contracts easily and efficiently. It includes a local Ethereum network for testing without real money, advanced debugging tools to find and fix errors quickly, and a flexible plugin system to add extra features. This makes your development faster, safer, and more convenient, especially if you want to build decentralized applications. You can install it with npm, follow simple setup steps, and access many guides and plugins to customize your workflow. Hardhat is widely used by professionals to streamline Ethereum programming and improve code quality. https://github.com/NomicFoundation/hardhat
GitHub Trends
@githubtrending · Post #15488 · 13.02.2026 г., 12:30
#swift#analysis#analytics#cocoapods#crashlytics#debug#debugger#debugging#hacktoberfest#layout_debugger#leak_detection#log#logs_analysis#networking#performance_analysis#sandbox#swift#swift6#ui#uikit#view DebugSwift is a comprehensive toolkit that simplifies debugging for Swift iOS apps by providing real-time monitoring of network requests, performance metrics (CPU, memory, FPS), crash reports, and app resources like keychain and user defaults. It includes interface tools for visualizing layouts with grid overlays and touch indicators, plus memory leak detection and console logging. The main benefit is that you can quickly identify and fix issues during development without leaving your app—just shake your device to toggle the debug panel, making troubleshooting faster and more efficient. https://github.com/DebugSwift/DebugSwift