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: #imagen3

当前筛选 #imagen3清除筛选

Google DeepMind: как ИИ-гигант захватывает все фронты Пока OpenAI металась между моделями, облаками и попытками захватить рынок, Google ждал своего часа. 🕰️ Спокойно дорабатывая экосистему, вкладываясь в железо и собирая данные, гигант подошел к 2025 году с абсолютным преимуществом. Теперь их победа очевидна даже скептикам. 🔥Лидерство моделей ➡️Gemini 2.5 Pro — №1 в ключевых тестах: LMArena, GPQA Diamond, AIME. ➡️Gemini 2.5 Flash (скоро в релизе) — скорость и стоимость в разы лучше аналогов (даже DeepSeek). ➡️Gemma 3 — open source модель уровня Llama 4 и DeepSeek-v3 но компактнее. 🎯Интеграция в экосистему ➡️1 млн токенов контекста + доступ к Google Поиску, YouTube, Workspace. ➡️Миллиарды пользователей получат Gemini бесплатно через Android, Chrome, Gmail. 🛠️Не только LLM ➡️Veo 2 — топ в генерации видео. ➡️Project Astra (ассистент) и Mariner (взаимодействие с ПК) — прорыв в агентских системах. ➡️Google Workspaces (ранее G Suite) - все собрано в одном флаконе для корпоративного пользователя. ➡️Imagen 3 (изображения) и Lyria (музыка) — пока не топ в своих категориях, но явно догонят, так как были выпущены ещё в прошлом веке (в прошлом году, если быть точнее, но в ИИ это сравнимо с прошлым веком).. ⚡Железо и облака ➡️TPU Ironwood — чипы 7-го поколения для AI-инференса (конкурент Nvidia Blackwell и Huawei Ascend). ➡️Google Cloud + собственные серверы = независимость от Microsoft/AWS. 🆚Почему конкурентам не догнать? ➡️У OpenAI нет своего железа, облака и 2 млрд пользователей «из коробки». ➡️Anthropic зависит от AWS, а Meta сосредоточена на open source, а не продуктах. ➡️Илон Маск с Grok-3 хорошо продаёт полеты на Марс, но у него проблемы с железом (StarGate только стартует). ➡️Apple кажется просто отстал на повороте... ➡️Главный козырь Google: данные. YouTube, Поиск, Карты — это тренировочная база, которой вместе нет ни у кого. ⚠️Но есть нюансы ➡️Gemini всё ещё отстаёт в креативном письме (хотя прогресс есть). ➡️При тестировании не все гладко, мои тесты. ➡️Бесплатный доступ — пока маркетинг. Цены могут вырасти после массового внедрения. ➡️Пока ИИ от Google за VPN, китайцы удобнее... Резюме: Google не просто вернулся в игру — он переписывает правила. И да, это тот редкий случай, когда «too much winning» — не мем, а реальность. 🚀 P.S. Тем, кто верил в xAI: наши соболезнования. https://t.me/semasci #ИИ#AI#GoogleAI#DeepMind#GeminiAI#Veo2#imagen3#lyria