TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #62 · 4 апр.

Когда разрабатываете свой GUI с помощью PyQt для какого-либо софта бывает необходимо позаимствовать цвета из текущего стиля интерфейса. Например, чтобы правильно раскрасить свои виджеты, подогнав их по цвету. Ведь бывает, что ваш GUI используется в разных софтах. Причём некоторые со светлой темой а другие с тёмной. По умолчанию стили наследуются, но если вы задаёте какую-либо раскраску для части виджета через свой styleSheet, то требуется ссылаться на цвета текущего стиля. Как это сделать? Как получить нужный цвет из палитры имеющегося стиля? Это достаточно просто, нужно использовать класс QPalette и его роли. Например, мне нужно достать цвет текста из одного виджета и применить его в другом как цвет фона (не важно зачем именно так, просто захотелось😊). Получаем палитру виджета и сразу достаём нужный цвет, указав его роль. from PySide2.QtGui import QPalette color = main_window.palette().color(QPalette.Text) теперь можем использовать этот цвет в стилях my_widget.setStyleSheet(f'background-color: {color.name()};') Готово, мы динамически переопределили дефолтный стиль используя текущий стиль окна! На самом деле есть запись покороче, в одну строку и без лишних переменных. Не очень-то по правилам CSS, но Qt это понимает. my_widget.setStyleSheet('background-color: palette(Text);') Этот способ не подходит если вам нужно как-то модифицировать цвет перед применением в своих стилях. В этом случае потребуется первый способ. Зато он прекрасно сработает в файле .qss, то есть не придётся в коде прописывать раскраску отдельных элементов через ссылки на палитру, всё красиво сохранится в отдельном файле .qss! QListView#my_widget::item:selected { background: palette(Midlight); } Про имеющиеся роли можно почитать здесь🌍 #qt#tricks

Hashtags

Резултати

Пронајдени 2 слични објави

Пребарај: #efficientnet

当前筛选 #efficientnet清除筛选
Data Science Jobs

@datasciencejobs · Post #2823 · 18.07.2025 г., 08:05

#вакансия#cv#ml#engineer#senior#yolo#efficientnet#deeplab#sql#python Senior CV/ML Engineer Всем привет! Наша компания Will9 (резиденты Сколково, ИТ-аккредитация) активно развивает продуктовое направление, в связи с чем мы находимся в поиске Senior CV/ML Engineer в высоконагруженный масштабный продукт для ритейла. Наша компания занимается реализацией проектов для ТОП-3 ритейлеров РФ и работает на рынке более 8 лет. Вам предстоит принять участие в составе команды асов в разработке продукта. Спектр задач довольно широкий – матчинг товаров и ценников, построение облаков эмбеддингов, классифкация, сегментация и детектирование, трекинг объектов, а также непрерывное дообучение в “боевых” условия магазинов на тысячах камер. Мы ждем от вас: ● Более 4 лет опыта полного цикла обучения, развертывания и поддержки систем компьютерного зрения (желательно в ритейле, индустриальной или IoT-сфере) ● Опыт построения пайплайна от сбора данных до инференса в проде: ○ Аугментация, аннотация, выбор модели, обучение, валидация, экспорт, интеграция. ○ Применение Active Learning, Semi-supervised Learning (если аннотация ограничена). ● Практический опыт владения языком Python более 4 лет (основные библиотеки для DS/ML/CV) ● Глубокое знание современных CV-технологий: ○ Object Detection: YOLOv5/v8, SSD, Effi cientDet, Faster R-CNN и др. ○ Image Classifi cation: Effi cientNet, ResNet, ViT и др. ○ Instance/semantic segmentation: Mask R-CNN, DeepLab.. ● Опыт построения и поддержки больших мультиклассовых каталогов: ○ Работа с большим количеством классов (10k+), включая fi ne-grained classifi cation. ○ Оптимизация производительности при inferencing на большом классовом спейсе ● Приветствуется знание систем баз данных (например, PostgreSQL, Infl uxDB) и языка SQL. ● Опыт с микросервисной архитектурой и контейнеризацией (Docker, Kubernetes), а также организации высокопроизводительного инференса (например, DeepStream или Triton Inference Server) ● Практический опыт оптимизации сетей (прунинг, квантизация, дистилляция) будет существенным плюсом Что мы предлагаем: ● Конкурентоспособная заработная плата (300 - 500к на руки в зависимости от опыта). ● Делаем 2 новых продукта (трекшен от ритейла очень хороший). ● Небольшой эффективный коллектив проектной команды, собранный из профессионалов (A-Team). ● Полностью удаленный формат работы и гибкий график. ● Готовы брать и на проектную деятельность (неполная занятость). По всем вопросам и для отправки резюме: @PrometeiArt

Data Science Jobs

@datasciencejobs · Post #2854 · 08.08.2025 г., 06:05

#вакансия#ML#CV#Engineer#Senior#YOLOv5#YOLOv8#EfficientDet#EfficientNet#ResNet#ViT#DeepLab#ObjectTracking#SQL#Docker#k8s#Remote Senior CV/ML Engineer Всем привет! Наша компания Will9 (резиденты Сколково, ИТ-аккредитация) активно развивает продуктовое направление, в связи с чем мы находимся в поиске Senior CV/ML Engineer в высоконагруженный масштабный продукт для ритейла. Наша компания занимается реализацией проектов для ТОП-3 ритейлеров РФ и работает на рынке более 8 лет. Вам предстоит принять участие в составе команды асов в разработке продукта. Спектр задач довольно широкий – матчинг товаров и ценников, построение облаков эмбеддингов, классифкация, сегментация и детектирование, трекинг объектов, а также непрерывное дообучение в “боевых” условия магазинов на тысячах камер. Мы ждем от вас: ● Более 4 лет опыта полного цикла обучения, развертывания и поддержки систем компьютерного зрения (желательно в ритейле, индустриальной или IoT-сфере) ● Опыт построения пайплайна от сбора данных до инференса в проде: ○ Аугментация, аннотация, выбор модели, обучение, валидация, экспорт, интеграция. ○ Применение Active Learning, Semi-supervised Learning (если аннотация ограничена). ● Практический опыт владения языком Python более 4 лет (основные библиотеки для DS/ML/CV) ● Глубокое знание современных CV-технологий: ○ Object Detection: YOLOv5/v8, SSD, Effi cientDet, Faster R-CNN и др. ○ Image Classifi cation: Effi cientNet, ResNet, ViT и др. ○ Instance/semantic segmentation: Mask R-CNN, DeepLab. ○ Object Tracking. ● Опыт построения и поддержки больших мультиклассовых каталогов: ○ Работа с большим количеством классов (10k+), включая fi ne-grained classifi cation. ○ Оптимизация производительности при inferencing на большом классовом спейсе ● Приветствуется знание систем баз данных (например, PostgreSQL, Infl uxDB) и языка SQL. ● Опыт с микросервисной архитектурой и контейнеризацией (Docker, Kubernetes), а также организации высокопроизводительного инференса (например, DeepStream или Triton Inference Server) ● Практический опыт оптимизации сетей (прунинг, квантизация, дистилляция) будет существенным плюсом Что мы предлагаем: ● Конкурентоспособная заработная плата (170-300k для middle, от 300 до 500к на руки для senior в зависимости от опыта). ● Делаем 2 новых продукта (трекшен от ритейла очень хороший). ● Небольшой эффективный коллектив проектной команды, собранный из профессионалов (A-Team). ● Полностью удаленный формат работы и гибкий график. ● Готовы брать и на проектную деятельность (неполная занятость). 👉 По всем вопросам и с резюме пишите @PrometeiArt