TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #545 · 6.09

Помню что обещал видео, но очень устал сегодня. Давайте чуть отвлечемся. Вот новость: выпускают настольную игру, изображения для которой создавала нейросеть Midjourney. Я раньше сказал, что применений у этих сетей не так много, точно не "полностью заменить художников". Но если кто-то когда-то играл в Dixit или Имаджинариум, то может помнить, какие там странные картинки, составленные из будто бы не слишком подходящих друг к другу элементов. Так что в целом использование генерации для настолки или видеоигры было очевидным. Я удивлён лишь, что так быстро. Но во всех случаях под такую графику нужна определенная игровая механика. Нельзя проиллюстрировать любую игру нейросеткой: будет плохо. Так что тоже пространство ограничено. Не знаю, как будет играться "Я не человек". Кажется, что механика очень простенькая и похожа на Spyfall (которую я очень не люблю). Было бы прикольно, если бы появилась настолка с необычным и глубоким игровым процессом, работающим чисто за счёт того, что изображения получены генерацией. #games

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #parallelism

当前筛选 #parallelism清除筛选
djangoproject

@djangoproject · Post #118 · 08.08.2016 г., 11:44

https://docs.python.org/3/library/multiprocessing.html multiprocessing is a package that supports spawning processes using an API similar to the threading module. The multiprocessing package offers both local and remote concurrency, effectively side-stepping the Global Interpreter Lock by using subprocesses instead of threads. Due to this, the multiprocessing module allows the programmer to fully leverage multiple processors on a given machine. It runs on both Unix and Windows. The #multiprocessing module also introduces #APIs which do not have analogs in the #threading#module. A prime example of this is the Pool object which offers a convenient means of parallelizing the execution of a function across multiple input values, distributing the input data across processes (data #parallelism). The following example demonstrates the common practice of defining such functions in a module so that child processes can successfully import that module. This basic example of data parallelism using Pool,