TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #239 · 3 мај

Один из самых удобных способов записать данные это использование готовых форматов, такие как JSON или YAML. Из плюсов такого подхода стоит отметить вот что: 🔸 готовый, повсеместно используемый и поддерживаемый формат 🔸 простой и понятный файл, удобочитаемый для человека 🔸 можно легко редактировать в любом текстовом редакторе без специальных программ и библиотек Но есть и минусы 🔹 затраты времени при записи файла (кодирование данных в нужный формат строки) 🔹 затраты времени при чтении файла (декодирование данных в Python объекты) 🔹 размер файла увеличивается из-за разметки данных (скобки, запятые, переносы, отступы...) 🔹 перед записью все данные должны быть помещены в память в полном объёме (не всегда) 🔹 при чтении необходимо считать весь файл в память и только потом декодировать данные Если нужно писать немного данных в несколько файлов, то затраты по времени не ощутимы. Обычно это файлы конфига или какие-либо метаданные. Это отличный вариант под такие задачи. Есть и другой поход к записи файлов - это бинарные файлы. Используется, когда данных достаточно много и никто их не собирается читать глазками😳. 🔸 очень быстрая запись 🔸 чтение значительно быстрей чем JSON, YAML итд 🔸 размер файла значительно меньше, так как нет разметки 🔸 можно записывать данные по мере поступления не загружая всё в память 🔸 можно извлечь любую часть данных независимо Из минусов 🔹 нужно определить свой формат записи данных (если не используете готовую спецификацию определённого формата) 🔹 не получится открыть файл и визуально понять что там записано, а для чтения файла потребуется знать его спецификацию. 🔹 не так-то просто создать такой файл без специальной библиотеки В таком виде удобно записывать большой массив любых однородных данных. Например, мониторинг валютной биржи или кэшированная анимация 3D геометрии. (Это не означает что нельзя записать данные разного типа, просто это будет не так удобно) Представьте себе JPG-картинку. По сути это немного мета-информации и большой массив пикселей. Тоже самое со звуком или видео файлом. Поэтому, если вы попробуете открыть картинку в текстовом редакторе вы увидите что-то вроде такого f15d cd29 a564 4578 ... 09e2 9bc4 a696 1253 ... 84e9 4de1 3b23 c24a ... 2534 5161 28e0 709d ... ... Это и есть записанные байтики. И для их чтения требуется определённый софт который знает что с ними делать. Под каждый тип файла. К чему это я? Читайте в следующем посте... #tricks#basic

Резултати

Пронајдени 2 слични објави

Пребарај: #circuit

当前筛选 #circuit清除筛选
探索号

@seeker_rc · Post #19674 · 05.05.2026 г., 13:25

💡 博物馆收藏夹 可能是自己状态原因,这个巨大的国立分馆逛了半小时就累了…把毕加索和斯拉夫艺术家们放在一起展陈挺有意思的,各种裸女们也是看了个爽。 但是三小时只够匆匆看两层…一共上下四层,展品巨多的同时,巨大的Circuit 中间没有出口…以及这个美术馆是真没人。 (但是美术馆的咖啡馆也巨大,坐满了工作和学习的人,像图书馆) via 博物馆收藏夹 标签: #收藏夹#Circuit#裸女 ⚡️探索号频道 ⚡️探索者频道 ⚡️探索者交流群 ⚡️ Youtube 频道:科技探索者 每天推荐有趣内容,欢迎订阅、转发。

科技&趣闻&杂记

@kejiqu · Post #3493 · 30.05.2025 г., 06:51

Anthropic 开源“思维追踪”工具,可视化揭秘 AI 内部逻辑 Anthropic于5月29日发布“思维追踪”(Circuit Tracer)开源工具,以图形化方式呈现AI大语言模型的内部思维过程。该工具通过构建“归因图”(Attribution Graph),帮助研究者可视化模型内部运作并进行交互式探索。Circuit Tracer已在GitHub平台以开源库形式发布,研究者可在Decode Research运营的Neuronpedia平台上使用交互式前端查看“归因图”。用户可利用该工具生成自定义归因图,追踪模型内部逻辑,并进行标注、分享和调整特征值以验证研究假设。Anthropic 认为,开源这些工具将促进对语言模型内部运作的更广泛理解。IT之家 | Anthropic 🏷#Anthropic#Circuit#Tracer#开源 📢频道👥群组📝投稿