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: #watermarking

当前筛选 #watermarking清除筛选
AI & Law

@ai_and_law · Post #256 · 07.03.2024 г., 08:04

Mozilla Foundation Study Raises Concerns on Watermarking AI Content Hello everyone! In a study released by the Mozilla Foundation, the challenges of identifying synthetic content online have been brought to light. Titled "In Transparency We Trust? Evaluating Watermarking and Labeling AI-Generated Content," the study delves into the effectiveness of various methods, including watermarking and labeling, in differentiating between synthetic and authentic content. The study, which conducted a comprehensive assessment of seven methods, both machine-readable and human-facing, revealed alarming findings: none of the methods were rated as "good," indicating significant hurdles in accurately identifying synthetic content. Despite efforts to implement watermarking and labeling, the study underscores the persistent difficulties faced in combatting the proliferation of AI-generated content. #MozillaFoundation#AIContent#Watermarking