Заметка начинающим, которые часто сталкиваются с подобной непоняткой.
Ситуация следующая, есть список файлов:
names = [
'image.bmp',
'second.txt.bkp',
'data.db',
'.config.cfg',
'file.ext.bkp'
]
И мы хотим убрать у них окончание ".bkp".
Не знаю зачем, пример довольно надуманный) Но суть он показывает, а это главное.
Те, кто еще не очень знаком с библиотекой os.path или pathlib, вероятно решат обработать имена как строки. И тут вполне подойдет метод строки strip().
Что делает этот метод? Он отрезает указанные символы по обеим сторонам строки. Если ничего не указать, то убирает невидимые символы (пробелы, табуляции и переносы строк).
В нашем случае будет выглядеть вот так:
>>> name.strip('.bkp')
То есть просим удалить строку '.bkp' по краям имени файла, если таковая есть.
Можно применить аналогичный метод rstrip(), чтобы отрезать только справа, но для этого примера используем обычный.
>>> for name in names:
>>> print(name.strip('.bkp'))
image.bm
second.txt
data.d
config.cfg
file.ext
Хм, что-то не то с нашими именами! Что случилось??? Видим нежелательное переименование в именах, где и близко не было указанной строки '.bkp'
А дело всё в том, что данный метод ищет не указанную строку, а указанные символы, и не важно в каком порядке.
Для метода strip() строка '.bkp' это не паттерн для поискаа список символов. Потому он отрезал симовол 'p' от '.bmp' и удалил точку из файла '.config.cfg'.
Как тогда правильно заменить именно паттерн? Для начинающего можно посоветовать метод строки replace(), который как раз использует для замены указанную строку целиком. В нашем примере заменим её на пустую строку.
>>> for name in names:
>>> print(name.replace('.bkp', ''))
image.bmp
second.txt
data.db
.config.cfg
file.ext
Уже лучше, но помните, это лишь пример про strip(). Для работы с именами файлов есть способы и более "правильные", дающие однозначно верный результат. Я взял файлы только в качестве примера. Даже replase() тут может сделать не то что ожидаем.
Просто впредь будьте внимательны с этим strip().
#basic
🥇NVIDIA RTX 5090 – "Dhahab Edition": oltin bilan qoplangan grafik karta Dubayda namoyish qilindi!
🖥 Bu oddiy RTX 5090 emas. Dubaydagi GITEX Africa 2025 ko‘rgazmasida taqdim etilgan karta 18 karatli 6.5 grammdan iborat haqiqiy oltin bilan bezatilgan bo‘lib, “Dhahab”(arabchada – oltin) deb nomlangan maxsus versiya.
✨ NVIDIA bu modelni o‘zi emas, balki Dubaydagi maxsus butik kompaniya orqali ishlab chiqargan. Dizaynidan tortib, qadoqlanishigacha – hammasi hashamatga yo‘g‘rilgan.
⚙️ Qanday texnik xususiyatlar borligi aytilmagan, ammo ehtimol oddiy RTX5090 bilan bir xil bo‘ladi. Faqat, ustiga NVIDIA Bosh direktori Jensen Xuangning dastxati ham tushirilgan.
🇦🇪 Bu karta kolleksionerlar va Dubaydagi premium texnologiya ishqibozlari uchun mo‘ljallangan.
🧐 Siz olarmidingiz bunday “oltin kartani”?
➡️#nvidia | Birinchi raqamli IT-Blog
💻NVIDIA GeForce RTX 5050: 8 GB GDDR6 xotira va 128-bit shina bilan ta'minlanadi
ℹ️ NVIDIA kompaniyasining yangi byudjet grafik protsessori — GeForce RTX 5050 haqida ma'lumotlar paydo bo'ldi. Ushbu model 8 GB GDDR6 videoxotira va 128-bit shina bilan jihozlanadi. Shuningdek, uning maksimal quvvat sarfi 130 W atrofida bo'lishi kutilmoqda.
⚙️ Ushbu xususiyatlar RTX 5050 modelini o'rta darajadagi grafik kartalar qatoriga qo'yadi. Uning raqobatchisi sifatida AMD RX 9070 modeli ko'rilmoqda. Ammo, to'liq texnik tafsilotlar va chiqarilish sanasi hali e'lon qilinmagan.
➡️#nvidia | Birinchi raqamli IT-Blog
🖥 PowerColor Radeon RX 9070 XT Red Devil: Yangi grafik karta uchun 900 W quvvat manbai talab qilinadi
ℹ️ Yaqinda tarqalgan ma'lumotlarga ko'ra, PowerColor Radeon RX 9070 XT Red Devil grafik kartasi uchun kamida 900 W quvvat manbai talab etiladi. Aytilishicha, unda 64 hisoblash bloklari va 3,0 GHz chastotada ishlovchi grafik protsessor, 3 ta 8-pinli quvvat ulagichi mavjud bo'ladi.
🆚 Taqqoslash uchun, PowerColor RX 9070 Reaper modeli uchun 650 W, RX 9070 XT Reaper uchun esa 750 W quvvat manbai kifoya qiladi.
➡️#nvidia | Birinchi raqamli IT-Blog
💻NVIDIARTX 5070 Ti rasmiy sotuv oldidan paydo bo‘ldi
⚙️ Asosiy xususiyatlar:
- 8960 CUDA yadrosi
- 16 GB GDDR7 xotira
- 256-bit shina kengligi
- 300 W energiya iste’moli
💸 Tavsiya etilgan narx — 749$, lekin ayrim Yevropa do‘konlarida 1300-1400 yevro atrofida sotilmoqda.
📅 Rasmiy sotuv 20-fevraldan boshlanishi kutilmoqda.
➡️#nvidia | Birinchi raqamli IT-Blog
💻Arzon mikrofon ovozini studiya darajasiga aylantiramiz — NVIDIA “Broadcast” dasturiga “Studio Voice” funksiyasini qo‘shdi.
ℹ️ Ishlatish juda oson — funksiyani yoqamiz va yozishni boshlaymiz. Natijada, toza va sifatli ovoz hosil bo‘ladi, qo‘shimcha sozlamalar kerak emas.
⬇️ Dasturni bepul yuklab oling: https://nvda.ws/4aKY2N6
➡️#nvidia | Birinchi raqamli IT-Blog
💻 RTX 5080 va RTX 5090 narxlari haqida ilk taxminlar
ℹ️ Yaqinda tarqalgan ma’lumotlarga ko‘ra, NVIDIA’ning keyingi avlod RTX 5080 va RTX 5090 grafik kartalari $899 va $1599 dan boshlanadigan narxlarda chiqishi mumkin. Bu hali rasmiy ma'lumot emas.
⚙️ Insayderlar ushbu avlod AD200 chip arxitekturasida ishlab chiqarilishini ta’kidlashmoqda. Energiya sarfi yuqori bo‘lishi mumkin, shuning uchun yaxshi sovutish tizimi va kuchli quvvat bloklari talab qilinadi.
💾 Katta hajmdagi kesh xotira, ray tracing va sun’iy intellekt uchun maxsus yadro (tensor) modullarning kuchayishi kutilyapti. Bu esa o‘yinlar va kreativ ilovalardagi ishlash tezligini sezilarli ravishda oshirishi mumkin.
➡️#nvidia | Birinchi raqamli IT-Blog
🔥🔥🔥 Mana, baliq!
💻 Insayder RTX 5090 haqidagi ma'lumotlarni sizdirdi. Unga ko'ra, 32 GB xotira, pik ishlash jarayonida 600 W quvvat sarfi va 512-bit,GDDR7 texnologiyasi asosida bo'larmish. Tabiiyki, RTX 4090 chetda choy ichadi.
ℹ️ RTX 5080 haqidagi ma'lumotlar esa 3-skrinda.
➡️#nvidia | Birinchi raqamli IT-Blog
🎂GeForce'ga 25 yil to'ldi!
ℹ️ 1999-yil 31-avgustda NVIDIA kompaniyasi GeForce 256 protsessorini taqdim etib, dunyodagi birinchi GPU'ga asos solgandi va shu orqali kompyuter texnologiyalari ichida revolyutsiyani amalga oshirgandi.
➡️#nvidia | Birinchi raqamli IT-Blog
💻 Nvidia o'zining sun'iy intellektini o'rgatish uchun millionlab YouTube videolarini yashirincha yuklab olayotgan ekan
😯 Demak, qanaqadir sensatsion loyiha tayyorlanmoqda. Nima bo'lishi mumkin?
➡️#nvidia | Birinchi raqamli IT-Blog
🖥NVIDIA endi kosmosning o‘zida data-markazlar qurishni boshlamoqda — birinchi sun’iy yo‘ldosh noyabr oyida uchiriladi.
🛰 Rejaga ko‘ra, orbital serverlar 4 km uzunlik va kenglikdagi ulkan quyosh panelidan quvvat oladi. Ular vakuumda sovutish jarayonini Yerda bo‘lgandek emas, ancha samarali amalga oshiradi — bu esa ulkan miqdordagi suvni tejash imkonini beradi.
🚀 Loyiha Starcloud nomli AQSh startapi bilan hamkorlikda olib borilmoqda, birinchi mijozlardan biri esa Google bo‘lgan. Ularning Gemma sun’iy intellekt modeli aynan shu kosmik serverda birinchi bo‘lib ishga tushiriladi.
🐚Bizning barcha loyihalar | #nvidia
⚡️Отличный ресурс, если хотите глубже понять, как работает параллельное исполнение на GPU.
Документация NVIDIA PTX раскрывает низкоуровневую модель выполнения: устройство команд, иерархию потоков, блоков, варпов, регистров и видов памяти.
Это базовый материал, без которого сложно разобраться, почему ядра GPU ведут себя именно так, как ведут, и как правильно писать высокопроизводительный код под CUDA.
Ссылка: https://docs.nvidia.com/cuda/parallel-thread-execution
@ai_machinelearning_big_data
#nvidia
🖥 NVIDIA опубликовали гайд: как масштабировать биологическиемодели.
Всё сводится к трём ключевым идеям:
1) Использовать Transformer Engine подменяет стандартные блоки на оптимизированные версии: меньше памяти, быстрее матричные операции, поддержка FP8/FP4. Это сразу увеличивает скорость обучения и инференса.
2) Масштабировать обучение до миллиардов параметров
Через FSDP и гибридные режимы параллелизма можно разнести модель по нескольким GPU или узлам. И главное, конфигурация уже готова, не нужно собирать всё вручную.
3) Экономить память за счёт sequence packing
Обычно биологические последовательности сильно различаются в длине, и половина батча забита паддингами. Packing позволяет «сжимать» батч, убирая пустые токены, итог: выше скорость, меньше VRAM.
Писать CUDA-ядра вручную никто не хочет. BioNeMo Recipes позволяют использовать привычный стек PyTorch + HuggingFace, но при этом получать производительность уровня «больших» фреймворков.
https://developer.nvidia.com/blog/scale-biology-transformer-models-with-pytorch-and-nvidia-bionemo-recipes/
@ai_machinelearning_big_data
#NVIDIA