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: #mlteam

当前筛选 #mlteam清除筛选
Data Science Jobs

@datasciencejobs · Post #1422 · 17.04.2023 г., 06:20

ML engineer Team Lead #vacancy#вакансия#remote#удаленно#MLTeam Lead #NLP#RecSys#fulltime Role: ML Team Lead Company: http://Whisk.com Location: Remote Compensation: from 8k usd monthly About us: Whisk is the thriving cooking community available on iOS/Android, Web and Samsung hardware (Whisk was acquired by Samsung in 2019). Today we reach millions of users across many markets and languages. Our stack: Python, PyTorch, CatBoost, Pytorch Lightning, Transformers, Nvidia Triton, ClickHouse, Mongo, MySQL, Elasticsearch, MLFlow, DVC, KubeFlow, Kubernetes, GCP Required Qualifications: • 6+ years working in a software/machine learning engineering role with NLP and/or RecSys technologies. • Strong machine learning background, and experience in building and productionizing machine learning models. • Experience leading a team of machine learning engineers and managing project roadmap with data, product, and other engineering teams. • A history of mentoring other machine learning engineers, if not being a direct manager and scaling a team successfully. • Strong communication skills and the ability to lead and work with others in a closely collaborative team environment. • Strong leadership, problem-solving, and relationship-building skills. • Working proficiency in English. Type of Work: Contract-based (Long-term project), full-time (40 hours per week), 100% remotely. If you interested in this opportunity you can text me in telegram @polina_whisk. ❗️Please note that currently we only can hire people who located outside of Russia or Belarus.