TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #60 · 31 мар.

Вторая по частоте future-функция, которую я использовал, это абсолютный импорт from __future__ import absolute_import Что она делает? Изменения, которые вносит эта инъекция описаны в PEP328 Покажу простой пример. Допустим, есть такой пакет: /my_package /__init__.py /main.py /string.py Смотрим код в my_package/main.py # main.py import string Простой пример готов) Вопрос в том, какой модуль импортируется в данном случае? Есть два варианта: 1. модуль в моём пакете my_package.string 2. стандартный модуль string И вот тут вступает в дело приоритет импортов. В Python2 порядок следующий: помимо иных источников, раньше ищется модуль внутри текущего пакета, а потом в стандартных библиотеках. Таким образом мы импортнём my_package.string. Но в Python3 это поведение изменилось. Если мы указываем просто имя пакета, то ищется именно такой модуль, игнорируя имена в текущем пакете. Если мы хотим импортнуть именно подмодуль из нашего пакета то, мы должны теперь явно это указывать. from my_package import string или относительный импорт, но с указанием пути относительно текущего модуля main from . import string Еще одной неоднозначностью меньше 😎 Подробней про импорты здесь: https://docs.python.org/3/tutorial/modules.html #2to3#pep#basic

Резултати

Пронајдени 1 слични објави

Пребарај: #mitcsail

当前筛选 #mitcsail清除筛选
AI & Law

@ai_and_law · Post #377 · 19.08.2024 г., 07:04

MIT CSAIL Unveils Groundbreaking AI Risk Repository MIT's Computer Science and Artificial Intelligence Laboratory (CSAIL) has launched its first-ever AI Risk Repository, setting a new standard for understanding and managing AI risks. This comprehensive database, encompassing over 700 identified risks from 43 existing frameworks, is poised to become an essential tool for stakeholders across the AI ecosystem. The AI Risk Repository is divided into three key components: ✅ AI Risk Database - a detailed compilation of risks, complete with references. ✅ Causal Taxonomy of AI Risks - an analytical framework that explains how, when, and why these risks manifest. ✅ Domain Taxonomy of AI Risks - categorizes these risks into seven domains and 23 subdomains. This repository offers an invaluable resource for researchers, developers, policymakers, and regulators, providing a unified reference point for identifying, analyzing, and mitigating AI-related risks. #AIandLaw#AIrisks#MITCSAIL#AIregulation#ResponsibleAI