TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #425 · 20 апр.

Недавно делал быстрый прототип асинхронного приложения в котором требовалось вызывать много синхронного кода. Да, я знаю, что это не лучший дизайн, но нужно было быстрое решение на один процесс и без очередей. Поэтому я выполнял код в потоках. Выглядело это примерно так: from fastapi.concurrency import run_in_threadpool async def execute(data: DataRequest) -> DataResponse: try: result = await run_in_threadpool(sync_function, data) return DataResponse(data=result) except Exception as e: return DataResponse( error=str(e), success=False, ) В общем работает нормально. Для всех вызовов под капотом используется общий тредпул, всё работает предсказуемо. Но потребовалось изменить количество запускаемых в пуле потоков (по умолчанию создается 40 воркеров). Так как дело происходит с FastAPI, делается это через lifespan используя настройки anyio: import anyio @asynccontextmanager async def lifespan(app: FastAPI): limiter = anyio.to_thread.current_default_thread_limiter() limiter.total_tokens = 100 yield # если вдруг нужно вернуть обратно limiter.total_tokens = 40 Зачем менять количество воркеров? - уменьшить, если оперативки мало (один тред занимает ~8мб) - увеличить чтобы выдержать нагрузку Если есть предложения получше при тех же вводных - предлагайте😉 #async

Hashtags

Резултати

Пронајдени 1 слични објави

Пребарај: #openfuture

当前筛选 #openfuture清除筛选
AI & Law

@ai_and_law · Post #341 · 28.06.2024 г., 07:04

Implementing Transparency in AI: A Step Forward Zuzanna Warso and Paul Keller from Open Future, alongside Maximilian Gahntz from Mozilla, have published a proposal to implement the EU AI Act’s training data transparency requirement for general-purpose AI (GPAI). Article 53 1(d) of the Act mandates GPAI model providers to publish detailed summaries of their training content, covering data sources and sets with narrative explanations. The proposed template emphasizes a comprehensive scope and sufficient technical detail to benefit both experts and laypeople. These summaries should list primary data collections, provide narrative explanations of other data sources, and clearly distinguish between 'data sources' (origins) and 'datasets' (processed data points). This transparency requirement aims to enhance accountability, enable research and scrutiny, and strengthen individuals' and organizations' ability to exercise their rights in the AI development process. #AI#Transparency#AIAct#DataGovernance#OpenFuture#Mozilla