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: #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