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 1 слични објави

Пребарај: #gpt6

当前筛选 #gpt6清除筛选

🔥ИИ, который учится вечно: закат эры «замороженных» моделей Знакомо ощущение, что разговариваешь с очень умным, но давно застрявшим в прошлом собеседником? 🤔 Так и есть. Текущие LLM (большие языковые модели) — это статичные «энциклопедии». Их знания и логика заморожены на моменте окончания обучения. Да, они могут проанализировать дополнительный материал в контексте запроса (например, статью из интернета или ваш файл), но их ядро остаётся неизменным. Они не учатся на своих ошибках и не адаптируются к миру, который меняется прямо сейчас. А что, если бы ИИ мог учиться так же, как человек? Не просто читать, а впитывать опыт и становиться умнее с каждым днем. Это уже не фантастика. Это — SEAL. Исследователи из MIT представили фреймворк SEAL (Self-Adapting Language Models) — самоприспосабливающиеся языковые модели . Это фундаментальный прорыв. Такая модель умеет: ➡️Генерировать собственные учебные данные через саморедактирование . ➡️Обновлять свои веса (параметры) — то есть, менять то, как она «думает» . ➡️Оценивать свою работу с помощью reinforcement learning (обучения с подкреплением) и постоянно самосовершенствоваться . Что это значит на практике? ➡️Чат-бот для поддержки, который сталкивается с новой проблемой, не просто эскалирует ее человеку, а сам генерирует для себя примеры и учится ее решать . ➡️AI для кибербезопасности, который не просто ищет известные угрозы, а эволюционирует вместе с новыми атаками, постоянно refining свои защитные механизмы . ➡️Конец эры моделей с фиксированными весами . Система, которая адаптируется к миру и улучшается каждый день. Любопытно, что некоторые исследователи, стоящие за SEAL, уже работают в OpenAI . Это наводит на мысль, что GPT-6 может быть больше, чем просто «умнее» — он может «ожить» в вычислительном смысле . Конечно, есть и вызовы: например, «катастрофическое забывание» (когда новые знания вытесняют старые) и высокая требовательность к вычислениям . Но направление задано. Эпоха статичного ИИ подходит к концу. Начинается эра живых, самообучающихся систем. 🚀 P.S. Для глубокого погружения в тему можно почитать про другие подходы, например, Darwin Gödel Machine — самоулучшающегося агента, который эволюционирует, меняя собственный код . #ИИ#Самообучение#SEAL#GPT6#Будущее#AI https://t.me/semasci