E
Size: a a a
2020 October 08
A🚀
Класс
Б
types.DynamicClassAttribute is a decorator that allows having a
Practically, it is used only in
@property that behaves differently when it's called from the class and when from the instance.from types import DynamicClassAttribute
class Meta(type):
@property
def hello(cls):
return f'hello from Meta ({cls})'
class C(metaclass=Meta):
@DynamicClassAttribute
def hello(self):
return f'hello from C ({self})'
C.hello
# "hello from Meta (<class '__main__.C'>)"
C().hello
# 'hello from C (<__main__.C object ...)'
Practically, it is used only in
enum to provide name and value properties for instances while still allowing to have name and value class members:import enum
class E(enum.Enum):
value = 1
E.value
# <E.value: 1>
E.value.value
# 1
Б
types.DynamicClassAttribute is a decorator that allows having a
Practically, it is used only in
@property that behaves differently when it's called from the class and when from the instance.from types import DynamicClassAttribute
class Meta(type):
@property
def hello(cls):
return f'hello from Meta ({cls})'
class C(metaclass=Meta):
@DynamicClassAttribute
def hello(self):
return f'hello from C ({self})'
C.hello
# "hello from Meta (<class '__main__.C'>)"
C().hello
# 'hello from C (<__main__.C object ...)'
Practically, it is used only in
enum to provide name and value properties for instances while still allowing to have name and value class members:import enum
class E(enum.Enum):
value = 1
E.value
# <E.value: 1>
E.value.value
# 1
TRIGGERED
Б
Сделал MR в CPython с выпиливанием этой бесполезной и медленной штуки из енума
Б
types.DynamicClassAttribute is a decorator that allows having a
Practically, it is used only in
@property that behaves differently when it's called from the class and when from the instance.from types import DynamicClassAttribute
class Meta(type):
@property
def hello(cls):
return f'hello from Meta ({cls})'
class C(metaclass=Meta):
@DynamicClassAttribute
def hello(self):
return f'hello from C ({self})'
C.hello
# "hello from Meta (<class '__main__.C'>)"
C().hello
# 'hello from C (<__main__.C object ...)'
Practically, it is used only in
enum to provide name and value properties for instances while still allowing to have name and value class members:import enum
class E(enum.Enum):
value = 1
E.value
# <E.value: 1>
E.value.value
# 1
Питон из коробки так работает, зачем понадобилось городить
DynamicClassAttribute для енума, для меня загадкаclass Meta(type):
@property
def hello(cls):
return f'hello from Meta ({cls})'
class C(metaclass=Meta):
def __init__(self):
self.hello = f'hello from C ({self})'
assert C.hello == f'hello from Meta ({C})'
c = C()
assert c.hello == f'hello from C ({c})'
2020 October 09
p
а кто нейроночки на gpu гоняет? там только nvidia или же amd тоже норм?
AZ
а кто нейроночки на gpu гоняет? там только nvidia или же amd тоже норм?
Только nvidia. Потому что у них есть cuda, а у других нет
E
Только nvidia. Потому что у них есть cuda, а у других нет
у других есть opencl
AZ
Ну в реальности все нейроночные фреймворки ориентированы на cuda, остальное по остаточному принципу. Может что-то и заведётся, но это лотерея
E
инференс моделей теоретически можно сделать под что угодно. у intel например есть решения для того, чтобы нейронки гонять
AZ
Ну на инференс и на cpu не редко ресурсов хватит. А с обучением другое дело
E
ну да, насколько я знаю у pytorch только cuda,
VA
У amd есть rocm и форки tf/pytorch, которые позволяют работать с их гпу:
https://rocmdocs.amd.com/en/latest/Deep_learning/Deep-learning.html
Если успешно завести, этого возможно хватит, чтобы немного поиграться.
Не знаю какой статус у проекта прямо сейчас, но гитхаб вроде бы живой.
Еще один вариант:
https://github.com/plaidml/plaidml
Этот проект, похоже, скорее мертв чем жив, но если уже есть gpu от amd, то можно поиграться.
Из минусов, только Keras API, зато на macOS можно работать, в отличие от решения от AMD.
В остальном, как уже выше написали, у nvidia по сути монополия из-за cuda.
https://rocmdocs.amd.com/en/latest/Deep_learning/Deep-learning.html
Если успешно завести, этого возможно хватит, чтобы немного поиграться.
Не знаю какой статус у проекта прямо сейчас, но гитхаб вроде бы живой.
Еще один вариант:
https://github.com/plaidml/plaidml
Этот проект, похоже, скорее мертв чем жив, но если уже есть gpu от amd, то можно поиграться.
Из минусов, только Keras API, зато на macOS можно работать, в отличие от решения от AMD.
В остальном, как уже выше написали, у nvidia по сути монополия из-за cuda.
RC
но дешевле конечно купить nvidia
E
и разумнее, потому что неофициальная поддержка и форки всегда будут отставать, а однажды могут просто умереть.
E
2020 October 10
DB
А кто-нибудь решал проблему обратную темплейтингу? Т.е. есть набор строк, и нужно понять из какого темплейта они появились? Аля
Retry in 5 seconds, Retry in 10 seconds -> Retry in %d secondsDB
Я точно видел такое в grouping сентри: