sphinxcontrib-spelling 7.0.0
https://doughellmann.com/blog/2020/10/19/sphinxcontrib-spelling-7-0-0/

Визуализация использования GIL в CPython
https://habr.com/ru/post/523944/?utm_campaign=523944&utm_source=habrahabr&utm_medium=rss

Интересно, как ведут себя потоки, когда борются за GIL, или немного информации отсюда (http://www.dabeaz.com/python/GIL.pdf) только для Python3.


Сразу оговорюсь, что использую Ubuntu 16.04 c ядром 4.15.0-115-generic, на машине стоит 4-х ядерный процессор Intel(R) Core(TM) i5-4200U CPU @ 1.60GHz с 4 GB RAM.

Головоломка для ИИ
https://habr.com/ru/post/524192/?utm_campaign=524192&utm_source=habrahabr&utm_medium=rss

Как я учил агента собирать клетку 2048 в игре “2048”

Python Booleans: Optimize Your Code With Truth Values
https://realpython.com/python-boolean/

Podcast.__init__: The Journey To Replace Python's Parser And What It Means For The Future - Episode 285
https://www.pythonpodcast.com/cpython-parser-replacement-episode-285/

Audio

О полезности contextvars
https://habr.com/ru/post/521702/?utm_campaign=521702&utm_source=habrahabr&utm_medium=rss

В Python есть множество возможностей и языковых конструкций. Какие-то мы используем каждый день, а о некоторых даже опытные программисты узнают с удивлением после нескольких лет работы с языком (привет, Ellipsis (https://docs.python.org/3/library/constants.html?highlight=ellipsis#Ellipsis)!). Совсем недавно вышел Python 3.9 (https://www.python.org/dev/peps/pep-0596/#schedule), но в этой статье я расскажу о функциональности, представленной еще в версии 3.7. На мой взгляд, она совершенно незаслуженно обделена пристальным вниманием. Речь, конечно же, о contextvars (https://docs.python.org/3/library/contextvars.html).

Абстрагируемся от фреймворков глубокого обучения с Neuropod от Uber
https://habr.com/ru/post/524152/?utm_campaign=524152&utm_source=habrahabr&utm_medium=rss

В сегодняшнем материале рассказывается про Neuropod, движок вывода глубокого обучения с открытым исходным кодом от Uber ATG. Это слой абстракции над фреймворками глубокого обучения, решающий проблему быстрой замены написанных на разных фреймворках моделей и проблему адаптации модели для производственных сред, помогающий построить единый и оптимизированный конвейер входных данных. Подробности, как обычно, под катом.

Как я получил пожизненный запас чесночной пиццы с помощью Python и Selenium
https://habr.com/ru/post/524346/?utm_campaign=524346&utm_source=habrahabr&utm_medium=rss

История голодного студента с пытливым умом Не знаю, как вы, а я обожаю пиццу. Особенно если это особые чесночные пицца-палочки Papa John’s. Поэтому я был в восторге, когда после заказа еды навынос получил от них следующее письмо: Papa John’s (с) Заголовок письма с опросом Бесплатная еда! Мне определённо нужно было пройти этот опрос

Test and Code: 135: Speeding up Django Test Suites
https://testandcode.com/135

Audio

Getting Started With MicroPython
https://realpython.com/courses/getting-started-micropython/

Fastcore — недооцененная но полезная библиотека Python
https://habr.com/ru/post/524334/?utm_campaign=524334&utm_source=habrahabr&utm_medium=rss

Недавно я начал оттачивать владение языком программирования Python. Я хотел изучить продвинутые паттерны, идиомы и методы программирования. Начал я с чтения книг по продвинутому Python, но информация, похоже, не откладывалась в голове без применения навыков. Хотелось иметь возможность задавать вопросы эксперту, пока учусь, а такую возможность трудно найти! Тогда ко мне и пришла идея: что, если я найду проект с открытым и достаточно продвинутым кодом и напишу документацию и тесты? Я сделал ставку, что это заставит меня изучать все очень глубоко, а поддерживающие проект люди оценит мою работу и будут готовы ответить на мои вопросы.

Talk Python to Me: #287 Testing without dependencies, mocking in Python
https://talkpython.fm/episodes/show/287/testing-without-dependencies-mocking-in-python

Audio

Deep Learning Inference Benchmark — измеряем скорость работы моделей глубокого обучения
https://habr.com/ru/post/523544/?utm_campaign=523544&utm_source=habrahabr&utm_medium=rss

Перед разработчиками встает задача определения производительности железа в задаче исполнения глубоких моделей. Например, хочется решить проблему анализа пола-возраста покупателей, которые заходят в магазин, чтобы в зависимости от этого менять оформление магазина или наполнение товаром. Вы уже знаете какие модели хотите использовать в вашем ПО, но до конца не понятно как выбрать железо. Можно выбрать самый топ и переплачивать как за простаивающие мощности, так и за электроэнергию. Можно взять самый дешевый i3 и потом вдруг окажется, что он может вывезти каскад из нескольких глубоких моделей на 8 камерах. А может быть камера всего одна, и для решения задачи достаточно Raspberry Pi с Movidius Neural Compute Stick? Поэтому хочется иметь инструмент для оценки скорости работы вашего инференса на разном железе, причем еще до начала обучения.

Мелкая питонячая радость #11: реактивное программирование, парсинг страниц и публикация моделей машинного обучения
https://habr.com/ru/post/523878/?utm_campaign=523878&utm_source=habrahabr&utm_medium=rss

На этой неделе мы посмотрим, как можно работать чуточку быстрее, чем вчера. Разбираемся и внедряем в свои проекты пайплайны реактивного программирования, автоматически потрошим тексты и превращаем модели машинного обучения в интерактивные веб приложения.

Автоматизация работы с проектом Python
https://habr.com/ru/post/524576/?utm_campaign=524576&utm_source=habrahabr&utm_medium=rss

Сегодня делимся с вами переводом статьи DevOps инженера из IBM, об автоматизации сборки быстро собираемых и удобно отлаживаемых образов Docker для проектов на Python с помощью Makefile. Этот проект не только упрощает отладку в Docker, но и заботится о качестве кода вашего проекта. Подробности, как всегда, под катом.

Сказ о том, как я токен в Линуксе хранил
https://habr.com/ru/post/524622/?utm_campaign=524622&utm_source=habrahabr&utm_medium=rss

Когда речь идёт о хранении sensitive data в браузере, достаточно воспользоваться одним из двух доступных вариантов: cookies или localStorage. Тут каждый выбирает по вкусу. Однако я посвятил эту статью Secret Service – службе, которая работает через D-Bus и предназначена для хранения «секретов» в Linux.

У службы есть API, которым пользуется GNOME Keyring для хранения секретов приложений.

Как просто и быстро искать данные с помощью Whale
https://habr.com/ru/post/524578/?utm_campaign=524578&utm_source=habrahabr&utm_medium=rss

В этом материале рассказывается о простейшем и быстром инструменте обнаружения данных, работу которого вы видите на КДПВ. Интересно, что whale создан таким образом, чтобы размещаться на удаленном git-сервере. Подробности под катом.

Sentiment Analysis in Python With TextBlob
https://stackabuse.com/sentiment-analysis-in-python-with-textblob/

The Real Python Podcast – Episode #32: Our New "Python Basics" Book & Filling the Gaps in Your Learning Path
https://realpython.com/podcasts/rpp/32/

Python Bytes: #204 Take the PSF survey and Will & Carlton drop by
https://pythonbytes.fm/episodes/show/204/take-the-psf-survey-and-will-carlton-drop-by