TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #241 · 5 мај

Можно ли в Python создавать бинарные файлы? Конечно можно. Для этого в Python есть следующие инструменты: ▫️ тип данных bytes и bytearray ▫️ открытие файла в режиме wb (write binary) или rb (read binary) ▫️ модуль struct Про модуль struct поговорим в первую очередь. Файл в формате JSON или Yaml внутри себя содержит разметку данных. Всегда можно определить где список начался а где закончился. Где записана строка а где словарь. То есть формат записи данных содержит в себе элементы разметки данных. В binary-файле данные не имеют визуальной разметки. Это просто байты, записанные один за другим. Правила записи и чтения находятся вне файла. Модуль struct как раз и помогает с организацией данных в таком файле с помощью определения форматов записи для разных частей файла. Модуль struct преобразует Python-объекты в массив байт, готовый к записи в файл и имеющий определённый вид. Для этого всегда следует указывать формат преобразования (или, как оно здесь называется - запаковки). Формат нужен для того, чтобы выделить достаточное количество байт для записи конкретного типа объекта. В последствии с помощью того же формата будет производиться чтение. При этом следует помнить что мы говорим о типах языка С а не Python. Именно формат определяет, что записано в конкретном месте файла, число, строка или что-то еще. Вот какие токены формата у нас есть. Помимо этого, первым символом можно указать порядок байтов. На разных системах одни и те же типы данных могут записываться по-разному, поэтому желательно указать конкретный способ из доступных. Если этого не сделать, то используется символ '@', то есть нативный для текущей системы. В строке формата мы пишем в каком порядке и какие типы собираемся преобразовать в байты. Запакуем в байты простое число, токен "i". >>> import struct >>> struct.pack('=i', 10) b'\n\x00\x00\x00' Теперь несколько float, при этом нужно передавать элементы не массивом а последовательностью аргументов. >>> struct.pack('=fff', 1.0, 2.5, 4.1) b'\x00\x00\x80?\x00\x00 @33\x83@' Вместо нескольких токенов можно просто указать нужное количество элементов перед одним токеном, результат будет тот же. >>> struct.pack('=3f', 1.0, 2.5, 4.1) b'\x00\x00\x80?\x00\x00 @33\x83@' Теперь запакуем разные типы >>> data = struct.pack('=fiQ', 1.0, 4, 100500) я запаковал типы float, int и unsigned long long (очень большой int, на 8 байт) b'\x00\x00\x80?\x04\x00\x00...' Распаковка происходит аналогично, но нужно указать тот же формат, который использовался при запаковке. Результат возвращается всегда в виде кортежа. >>> struct.unpack('=fiQ', data) (1.0, 4, 100500) Как видите, ничего страшного! #lib#basic

Hashtags

Резултати

Пронајдени 3 слични објави

Пребарај: #aiandsociety

当前筛选 #aiandsociety清除筛选
AI & Law

@ai_and_law · Post #84 · 15.08.2023 г., 07:04

House of Lords Deliberates Advanced AI: UK's Ongoing AI Debate Hello, everyone! The UK House of Lords recently engaged in a discussion about advanced AI's ongoing development, addressing potential risks and regulatory strategies. The debate focused on whether the government's March White Paper on AI regulation is still relevant or if new legislation is necessary due to recent developments. The House of Lords' discussion underscores the complexities of overseeing rapidly evolving AI technologies, showcasing the government's dedication to fostering AI innovation while prioritizing public safety and responsible development. #AIRegulation#AIandLaw#AIandSociety

AI & Law

@ai_and_law · Post #438 · 08.11.2024 г., 08:04

Navigating AI Governance in a New Era: Key Insights from the World Economic Forum The World Economic Forum’s report, "Governance in the Age of Generative AI," emphasizes that effective governance of generative AI requires timely and strategic assessments of regulatory frameworks, industry responsibilities, and human rights considerations. To harness AI responsibly, policymakers need to evaluate whether existing laws and regulations meet the distinct risks posed by generative AI. This includes ensuring that protections are in place for vulnerable groups and aligning with international human rights standards. The report also stresses the importance of balancing regulatory caution with the need for innovation. Governments are encouraged to adopt risk-based, agile governance that leverages tech-like dynamism but avoids compromising oversight or human rights. Ultimately, the goal is to foster an AI landscape that supports both public interest and economic innovation through robust risk management, clarified policies, and sustained industry alignment with societal values. #AIGovernance#WEFReport#ResponsibleAI#AIandSociety

AI & Law

@ai_and_law · Post #206 · 04.01.2024 г., 08:04

AI Image-Generators Trained on Explicit Photos of Children Hello everyone! A startling revelation demands immediate attention: popular AI image-generators harbor a concerning flaw, with thousands of explicit images of child abuse embedded in their foundations. This revelation comes from a recent report by the Stanford Internet Observatory, urging swift action to address this deeply troubling aspect of the technology. Hidden within the colossal AI database LAION, a fundamental resource for training leading AI image-making models, are over 3,200 images of suspected child sexual abuse. The watchdog group, in collaboration with anti-abuse charities, brought this disturbing fact to light, emphasizing the urgency for companies to rectify this issue. The material influences AI tools to generate harmful outputs, potentially perpetuating the exploitation of real victims. In response to the report, LAION, an acronym for the Large-scale Artificial Intelligence Open Network, has promptly taken down its datasets, emphasizing a zero-tolerance policy for illegal content. However, this incident underscores broader challenges in the rush to make AI tools accessible, raising questions about the responsibility of developers and platforms in ensuring the ethical use of such technology. The Stanford report calls for decisive measures, including the deletion of training sets derived from LAION and making certain AI models, particularly an older version of Stable Diffusion, less accessible. The report also emphasizes the need for comprehensive filters and collaboration with child safety experts in developing AI datasets. #AILaw#AIethics#AIGeneration#StanfordReport#AIandSociety