TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #401 · 15 дек.

Функция asyncio.wait() это еще один способ вызвать множество асинхронных задач. Она работает в нескольких режимах. 1. Самый простой - ждем завершения всех задач async def main(): tasks = [asyncio.create_task(do_it(i)) for i in range(10)] done, pending = await asyncio.wait( tasks, return_when=asyncio.ALL_COMPLETED ) for task in done: try: print(task.result()) except Exception as e: print(e) Очень похоже на gather, но работает не так. ▫️возвращает не результаты, а два сета с объектами Task у которых можно забрать результат через task.result() если они в списке done ▫️не гарантирует порядок результатов так как оба объекта это set ▫️не выбрасывает исключение когда оно появляется, а сохраняет его в Task. Исключение появится когда попробуете забрать резултьтат. 2. Ждем завершения первой задачи, даже если там ошибка. async def main(): tasks = [asyncio.create_task(do_it(i)) for i in range(3)] done, pending = await asyncio.wait( tasks, return_when=asyncio.FIRST_COMPLETED ) # в done может быть несколько задач! for task in done: try: print(task.result()) except Exception as e: print(f"Fail: {e}") # Оставшиеся задачи в pending, как правило, нужно отменить, иначе они будут продолжать работать for task in pending: task.cancel() В сете done будут таски которые успели завершится, причем как успешно так и нет. 3. До первой ошибки. Тоже самое, но с аргументом FIRST_EXCEPTION done, pending = await asyncio.wait( tasks, return_when=asyncio.FIRST_EXCEPTION ) Функция завершается как только первая задача упадет с ошибкой. Учтите, что в любом случае done вы можете обранужить несколько задач, как с ошибками так и успешные. ↗️ Полный листинг примеров здесь #async

Hashtags

Резултати

Пронајдени 1 слични објави

Пребарај: #shippingtech

当前筛选 #shippingtech清除筛选

🚢ИИ в судоходстве: инструмент эффективности или новый перегруз экипажей? Развитие искусственного интеллекта ИИ(AI) в морской отрасли всё чаще рассматривается как следующий этап цифровизации флота, однако ключевой вопрос заключается не в технологии, а в её практическом применении. За последние 30 лет внедрение спутниковой связи, датчиков и цифровых систем уже обеспечило высокий уровень обмена данными между судном и берегом. Тем не менее, во многих случаях технологии лишь накладывались на существующие процессы, увеличивая нагрузку на экипажи вместо её снижения. Современный этап внедрения AI демонстрирует схожую проблему: с одной стороны — ожидания полной автоматизации, с другой — риски неправильного, неэтичного или неэффективного применения. Практическая ценность AI в судоходстве заключается не в замене человека, а в повышении безопасности операций, автоматизации рутинных задач, улучшении навигационной поддержки и анализа данных, а также снижении операционной нагрузки на экипаж. Ключевой фактор успеха — интеграция AI как инструмента, а не как дополнительного слоя технологий. В противном случае цифровизация продолжит увеличивать сложность эксплуатации вместо повышения эффективности. Отраслевые эксперты подчеркивают, что будущее AI в судоходстве будет определяться не разработчиками технологий, а операторами флота, которые решат — станет ли AI инструментом повышения эффективности или источником дополнительной нагрузки. 📌 Морская цифровизация активно развивается с начала 1990-х годов с внедрения спутниковой связи и систем мониторинга судов. Сегодня ключевыми драйверами являются автоматизация, большие данные и AI, которые формируют новую модель управления флотом. Основные решения разрабатываются технологическими компаниями и интеграторами, однако конечное применение и контроль остаются за судоходными операторами и судовладельцами. #AI#ShippingTech#Digitalization#Maritime#FleetManagement