TGINSIGHT SIMILAR POSTS
Изворен канал @pythonotes · Post #273 · 26 јул.
В стандартном модуле random есть две очень похожие функции random.randint() random.randrange() Обе возвращают случайное значение из указанного диапазона >>> random.randint(10, 20) 12 >>> random.randrange(10, 20) 17 В чем же отличие? Дело в том что у randrange() есть третий параметр step. randint() действительно возвращает случайное число из указанного диапазона. randrange() на первый взгляд делает тоже самое если передать также два параметра. Но есть указать еще и step то наш диапазон усложняется, то есть в него попадёт не полный ряд значений. Например, я хочу получить случайное значение из диапазона но только чётное число. Тогда достаточно сделать так: >>> randrange(10, 20, 2) 16 Таким образом получается что randint это частный случай randrange без указания параметра step. Еще одно важное отличие в том, что randint() включает в диапазон второе значение а randrange() нет. То есть выражение randrange(10, 20) никогда не вернёт 20, а randint(10, 20) вернёт. #tricks#basic
Пребарај: #planning
@amazingeo · Post #212 · 10.09.2025 г., 16:12
🌍 Milan has over 3 million trees as part of its city plan, giving it more trees than people. Urban forests like this reduce heat, clean air, and boost well-being for city residents. ✨ #cities⚡#sustainability⚡#planning⚡#geography⚡#nature⚡#earth 👉subscribe Amazing Geography🌍
@amazingeo · Post #104 · 23.08.2025 г., 20:12
🌍 Hong Kong’s extensive network of elevated walkways—some stretching over 800 meters—lets people travel between major buildings without ever touching the street, maximizing space in the crowded city. ✨ #urban⚡#planning⚡#cityscape⚡#infrastructure⚡#geography⚡#nature⚡#earth 👉subscribe Amazing Geography🌍
@githubtrending · Post #14639 · 27.04.2025 г., 13:00
#python#agent_computer_interface#ai_agents#computer_automation#computer_use#grounding#gui_agents#in_context_reinforcement_learning#memory#mllm#planning#retrieval_augmented_generation Agent S2 is a smart AI assistant that handles computer tasks by breaking them into smaller steps and using specialized tools for each part, making it highly adaptable and efficient across different systems like Windows and Android. It outperforms other AI tools in completing complex tasks, learns from experience, and adjusts plans as needed, helping users automate digital work more reliably and effectively. https://github.com/simular-ai/Agent-S