TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #32 · 7 фев.

Скорее всего уже слышали, что складывать строки через + это плохая практика. Падение производительности, и всё такое. Без лишних слов, давайте измерять: from timeit import timeit def t1(): # складываем 10 строк через + из переменной t = 'text' for _ in range(1000): s = t + t + t + t + t + t + t + t + t def t2(): # склеиваем список строк через метод join arr = ['text'] * 10 for _ in range(1000): s = ''.join(arr) def t3(): # складываем через + но не из переменной а непосредственно инлайн объекты for _ in range(1000): s = 'text' + 'text' + 'text' + ... # всего 10 раз Теперь каждую строку склейки запустим по 10М раз >>> timeit(t1, number=10000) 0.21951690399964718 >>> timeit(t2, number=10000) 1.4978306379998685 >>> timeit(t3, number=10000) 0.2213820789993406 Хм, а нам говорили что через "+" это плохо и медленно ))) 😁 Тут стоит учитывать, что речь идёт о склейке множества длинных строк. Давайте изменим условия: def t4(): t = 'text'*100 for _ in range(1000): s = t + t + t + t + t + t + t + t + t def t5(): arr = ['text'*100] * 10 for _ in range(1000): s = ''.join(arr) def t6(): for _ in range(1000): s = 'text'*100 + 'text'*100 + ... # всего 10 раз >>> timeit(t4, number=10000) 12.795130728000004 >>> timeit(t5, number=10000) 2.642637542999182 >>> timeit(t6, number=10000) 0.2184546610005782 Вот, уже другой разговор, сразу видна разница, в среднем в 6 раз. Но погодите, почему последний тест t6() по скорости такой же как и t3()? Ведь строки теперь в 100 раз длиннее! Это вопросы оптимизации кода, какие простые изменения ускоряют или замедляют выполнение программы. Мы столкнулись с примером обхода обращения к переменной. Например, именно так работает директива #define в С++, во время компиляции подставляя значение переменной вместо ссылки на неё. В Python это тоже работает, но часто ли вы сможете встретить такой способ работы со строками? К сожалению, способ почти только теоретический. В целом, тесты показали то, что мы хотели. Делаем выводы самостоятельно. Полный листинг 🌍 #tricks

Резултати

Пронајдени 1 слични објави

Пребарај: #activeinference

当前筛选 #activeinference清除筛选
Культурный

@culturnyy · Post #11751 · 27.07.2024 г., 04:52

👋«Контролируемая галлюцинация»: три концепции, объясняющие принципы работы мозга и жизни Последнее десятилетие подарило нам ряд теорий, которые спрессовали междисциплинарный опыт поколений ученых в доступные пониманию конструкции. Восприятие, когнитивные искажения, адаптивные стратегии — все имеет общий принцип. Ознакомительную, user-friendly версию трёх передовых концепций, которые помогают понять, как работает мозг и всё живое, предлагает вашему вниманию Пётр Борисов, попутно рассказывая, как теория когнитивного диссонанса повлияла на изучение механизмов работы восприятия, чем эти механизмы напоминают принципы работы бюрократического аппарата и почему мы живем в мире «контролируемой галлюцинации». Чтобы быстро и гибко действовать в нестабильном и шумном мире, мозг должен стать мастером предсказаний — скользить по волнам зашумленной и неоднозначной сенсорной стимуляции, стараясь обогнать её. Опытный сёрфер держится в так называемом “кармане”: близко, но чуть впереди того места, где волна начинает “ломаться”. Она несёт тебя, но не ловит. У мозга такая же задача. Непрерывно пытаясь предсказать входящий сенсорный сигнал мы получаем возможность изучать мир вокруг нас, думать и действовать в нём …все живое является генератором прогнозов о состояниях окружающего мира, находящимся в процессе самоподдержания и самоорганизации путем отграничения себя от среды и минимизации ошибки своих прогнозов. #brain#activeinference#neuro