TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #191 · 14 дек.

Как разделить строку с shell-командой на отдельные аргументы в виде списка? Если сделать просто сплит по пробелу то получим то что надо, кроме случаев со вставками текста с пробелами. Например так: >>> '-arg "I Am Groot"'.split(' ') ['-arg', '"I', 'Am', 'Groot"'] Чтобы учитывать текст в кавычках как единый аргумент можно воспользоваться функцией shlex.split() Кто читает мой канал давно, уже в курсе. А что делать, если нужно обратное действие? Объединить аргументы из списка в строку и при этом добавить кавычки в аргумент с пробелами. Конечно, если вы используете subprocess то он сам всё разрулит. Но если вам нужна именно команда одной строкой, то можно воспользоваться готовой функцией в том же subprocess. >>> from subprocess import list2cmdline >>> list2cmdline(['-arg', 'I Am Groot']) '-arg "I Am Groot"' Он также позаботится об экранировании уже имеющихся кавычек >>> list2cmdline(['-arg', 'I Am "Groot"']) '-arg "I Am \"Groot\""' А вот так он может "схлопнуть" в команду JSON >>> list2cmdline(['--json', json.dumps({'key': 'value'})]) '--json "{\"key\": \"value\"}"' _______________ Возможно кто-то спросит, а зачем соединять аргументы в строку если subprocess сам это сделает а os.system не наш путь? Мне как-то потребовалось отправлять команду на удалённое выполнение и в API поддерживалось указание команды только строкой. Так что всякое бывает) #libs#basic

Hashtags

Резултати

Пронајдени 1 слични објави

Пребарај: #modelefficiency

当前筛选 #modelefficiency清除筛选
Venture Village Wall 🦄

@venturevillagewall · Post #4010 · 28.01.2025 г., 16:00

Chinese AI Insights from DeepSeek Founder DeepSeek founder shares insights on Chinese AI developments. Highlights include: - V3 model boosts efficiency by up to 90% via Multi-head Latent Attention, saving 15% during inference via caching. - R1 Zero showcases breakthrough in RL usage without supervised fine-tuning, emphasizing LLM+RL as the next big wave. - DeepSeek's team, mostly recent graduates, is self-financed and rapidly developing competitive models. - Their 7B parameter model shows competitiveness with 70B models, indicating that efficiency and data utilization are new frontiers. For more details, check the full tweets: source #AI#RL#DeepLearning#China#Tech#Innovation#Startups#MachineLearning#ML#LLM#Investment#Quantum#Education#SelfFunding#ModelEfficiency#OpenAI#AIResearch#Efficiency#DataScience#Growth#Technology