TGINSIGHT SIMILAR POSTS
Изворен канал @pythonotes · Post #173 · 28 окт.
Для тех кто пишет расширения на PyQt/PySide для CG-софтов. Когда я только начинал писать тулзы под Maya (тогда еще версия 2010-2011) мне приходилось ручками ставить PyQt4 под Maya. Даже написал мануалы по установке на своём сайте. Но потом стал доступен из коробки PySide и позже он обновится до PySide2. Для некоторых систем была поддержка PyQt5. И как простому разработчику поддерживать этот зоопарк? Ведь хочется чтобы тул работал на любой версии (вы тоже делали модуль что-то типа import_qt.py?😁) На помощь приходит проект Qt.py который поставил себе цель унифицировать использование Qt-биндингов вне зависимости от среды где запускается код. Те, кто давно пишут на Qt, скорее всего знают этот проект. Он стал стандартом для CG-индустрии и используется в топовых студиях и проектах. Qt․py помогает запускать один и тот же код на разных платформах с разными вариантами Qt-библиотек. Это может быть как интеграция в CG-софт, так и переносимость стендалонов между разными платформами с разными версиями Python. Я решил рассказать о некоторых особенностях работы с этой библиотекой. Сегодня о том, как установить и использовать Qt․py и что это вам даёт. Установка pip install Qt.py Чтобы начать использовать Qt․py в коде достаточно заменить импорт вашего варианта Qt-биндинга на Qt․py from [PySide|PyQt4|PySide2|PyQt5] import QtWidgets => from Qt import QtWidgets Теперь ваш код будет поддерживать любой вариант биндинга Qt в Python. При этом не потребуется использовать if-else конструкции под разные версии. Все вызовы теперь одинаковы. Всё что нужно сделать, это написать его по правилам PySide2. Именно эта версия была взята за основу. Приоритет импорта такой: 1. PySide2 2. PyQt5 3. PySide 4. PyQt4 Что именно загрузилось можно посмотреть в переменной __binding__ >>> import Qt >>> Qt.__binding__ 'PySide2' Приоритет имопрта можно изменить через переменные QT_PREFERRED_BINDING и QT_PREFERRED_BINDING_JSON. Причем под каждый проект оверрайды можно настраивать индивидеально. #qt#libs
Пребарај: #anaconda
@djangoproject · Post #557 · 24.01.2018 г., 05:45
http://go2.anaconda.com/eR0p1W01000NXe0lq4U2f0C Data Scientist-Tested, IT-Approved Operational Best Practices for Enterprise Data Science We know how hard you work to keep things running smoothly at your enterprise. But when it comes to enterprise data science, do you know how to give your data science team the tools they need while also keeping everything secure and stable? #Anaconda
Hashtags
@djangoproject · Post #506 · 26.11.2017 г., 21:54
Taming the #Python Visualization Jungle It’s no secret that Python has a ton of plotting libraries—but which ones should you use? And how should you go about choosing them? Many people end up sticking with whatever library they first encountered, even if there are now much better tools for the job. Join #Anaconda Co-Founder and CTO Peter Wang and Senior Solutions Architect James Bednar for a live webinar on Wednesday, November 29, at 12pm CT, as they give you some key starting points and demonstrate how to solve a range of common problems. They’ll take a workflow-oriented approach toward exploring the large ecosystem of Python viz libraries, and show you how to: http://bit.ly/2zpATx7
@djangoproject · Post #445 · 17.09.2017 г., 01:01
https://machinelearningmastery.com/setup-python-environment-machine-learning-deep-learning-anaconda/ It can be difficult to install a #Python#machine_learning environment on some platforms. Python itself must be installed first and then there are many packages to install, and it can be confusing for beginners. In this tutorial, you will discover how to set up a Python machine learning development environment using #Anaconda.
@djangoproject · Post #465 · 16.10.2017 г., 08:17
https://goo.gl/ucbkhT #Data_Science for #Big_Data with #Anaconda Enterprise Getting Python and R’s most popular data science libraries to work on a computational cluster can be a major challenge. And in a Big Data world, surmounting this challenge is key to leveraging data science within your organization to make smart, data-driven decisions.
Hashtags
@djangoproject · Post #526 · 19.12.2017 г., 20:13
https://goo.gl/XT2vGj Anaconda Enterprise 5 new capabilities include: Integrated #data_science experience for the entire organization Collaboration and reproducibility with JupyterLab and #Anaconda Project One-click data science #deployment Scalable architecture for on-premises and cloud deployments
@djangoproject · Post #513 · 30.11.2017 г., 22:00
#AI#Artificial_Intelligence #AJAX #aiohttp #Anaconda #AngularJS #API #Atom #AWS #asyncio (#Asynchronous) #audio #automated_testing #automation #atexit #BeeWare #Big_Data #bitcoin #blockchain #Bluemix #Brython #button #Celery #client #class #classmethod #concurrency #Coroutine #cron #CSS #curl #data_analysis #data_mining #data_processing #database #Deep_Learning#deep_learning #Debian #decorator #deploy #dict #dispatch #django #django_cms #Django_REST_Framework #dropdownbox #Docker #event #Firefox #Flask #form #functions #Generator #GeoDjango #git #Google #GPU #GUI #Gym #host #HTML #httplib #learn #Image_processing #intelligence #input #Instagram #IOT #iPython #Jupyter #lambda #learn #License #Linux #lists #machine_learning #Magenta #map #Matplotlib #Metaprogramming #Micro_services #Micropython #mind #monitoring #MongoDB #modules #Mozilla #Multipart #multi_touch_apps #multiprocessing #Nodes #NoSQL #numeric_computation #numerical #NumPy #network #neural_network #OAuth #object_serialization #OCR #overloading #package #parallel #pipeline #protocols #PostGIS #pyAudioAnalysis #pycon #Pyflakes #PyInstaller #PyPI #PyQt #PySide #PyTorch #pytest #python #Pyvideo_archives #Qt #Raspberry_Pi #React #Redis #random #request #Regular_Expressions (#re) #REST #RSS #satellite #scikit_learn #SciPy #scrapy #searching #selectbox #Selenium #serialization #server #sessions #single_responsibility_principle #socket #Spark #str #submit #task #telegram #template #TensorFlow #test #text_boxes #text #tuples #unicode #Universe #Unix #unit_test #urllib #upload #uWSGI #Web #WSGI
Hashtags