TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #156 · 2 окт.

Те, кто в Python не первый день, хорошо знают, что на число можно умножить не только число, но и другие типы. Главное, чтобы у этих типов была реализация такой операции. # list >>> [1] * 3 [1, 1, 1] # tuple >>> (2, 3) * 3 (2, 3, 2, 3, 2, 3) # string >>> "A" * 3 "AAA" Так работает полиморфизм стандартных типов. Интересно здесь то, что это сработает и в том случае, когда порядок операндов обратный. То есть int умножить на [тип]. # list >>> 3 * [1] [1, 1, 1] # tuple >>> 3 * (2, 3) (2, 3, 2, 3, 2, 3) # string >>> 3 * "A" "AAA" Если хотите реализовать такое поведение в ваших классах то следует помнить два момента: 1. Если множитель справа, то вам нужно реализовать метод __mul__, наш класс это первый операнд, то есть слева. myType * 3 2. Если множитель слева, то вам нужно реализовать метод __rmul__, наш класс это второй операнд, справа. 3* myType Всё тоже самое можно делать и для других математических операторов. И если в этом примере действие и результат будут фактически одинаковыми, то бывают ситуации, когда это не так. Например, при умножении матриц имеет значение порядок операндов. Для других операторов, таких как деление или сдвиг, очень важно кто с какой стороны находится. >>> 2/4, 4/2 (0.5, 2.0) >>> 2<<3, 3<<2 (16, 12) >>> 100%15, 15%100 (10, 15) #tricks#basic

Резултати

Пронајдени 1 слични објави

Пребарај: #mitcsail

当前筛选 #mitcsail清除筛选
AI & Law

@ai_and_law · Post #377 · 19.08.2024 г., 07:04

MIT CSAIL Unveils Groundbreaking AI Risk Repository MIT's Computer Science and Artificial Intelligence Laboratory (CSAIL) has launched its first-ever AI Risk Repository, setting a new standard for understanding and managing AI risks. This comprehensive database, encompassing over 700 identified risks from 43 existing frameworks, is poised to become an essential tool for stakeholders across the AI ecosystem. The AI Risk Repository is divided into three key components: ✅ AI Risk Database - a detailed compilation of risks, complete with references. ✅ Causal Taxonomy of AI Risks - an analytical framework that explains how, when, and why these risks manifest. ✅ Domain Taxonomy of AI Risks - categorizes these risks into seven domains and 23 subdomains. This repository offers an invaluable resource for researchers, developers, policymakers, and regulators, providing a unified reference point for identifying, analyzing, and mitigating AI-related risks. #AIandLaw#AIrisks#MITCSAIL#AIregulation#ResponsibleAI