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: #tenserflow

当前筛选 #tenserflow清除筛选
Data Science Jobs

@datasciencejobs · Post #1535 · 24.06.2023 г., 06:31

#вакансия#vacancy#ML#pytorch#python#релокация#rибрид#relocate#fulltime#Gym#tenserflow#Грузия#Тбилиси#DS 🚀 Компания: the_covert 🔎 Вакансия: Machine Learning Engineer 🌍 Локация: Тбилиси 🚧 Тип занятости: full-time ⏰ Формат: Remote/офис/гибрид 💵 Зп вилка: 2000- 5000 $ (по итогам собеседования) 🗣Сейчас мы находимся в поиске опытного Machine Learning engineer, чтобы усилить команду машинного обучения. 💫Мы – международная группа IT-компаний. С 2006 года создаём собственные продукты, которые востебованы пользователями во всём мире. Наш продукт – это финтех платформа, предлагающая доступ к многофункциональной экосистеме для работы с финансами. Мы работаем с клиентами по всему миру, а общая аудитория насчитывает более 100 млн пользователей. ❗️Стек: Pytorch+Pytroch-Lighting, Gym, ClearML, ETL Airflow, Docker, Crontab, Jira+Confluence, Slack. 💰Что предлагаем: – ЗП в в долларах без привязки к курсу рубля; – Возможность релокации, помогаем с переездом; – Забота о здоровье сотрудников - медицинская страховка после прохождения ИС; – Компенсация спорта; – Индивидуальный подход к области ответственности и пулу задач. ✅Что предстоит делать: – Работать над организацией бесшовной генерацией конфигов для работы с данными; – Рефакторинг кода; – Автоматизация рутинных процессов; – Проводить эксперименты с моделью; – Организация, настройка и сопровождение процессов ETL\ELT. ⚠️Ожидаем от вас: – Опыт работы с пайплайнами ML/DL; – Опыт программирования на Python 3.7+; – Опыт работы с одной или несколькими средами deep learning, такими как Tensorflow/Keras или PyTorch. ➕Будет плюсом: – Опыт программирования на C++; – Участие в олимпиадах/хакатонах по data science. ✉️Контакты: Даниил, @danpushkin