Здравствуйте , подскажите пожалуйста.
Сейчас пишу мессенджер, мне нужно подключить фласк . но он уже идет с профессиональной версией, как быть ? Оплатить ее не могу из за санкций 🤷, пиратить еще хуже )
@Pythonnewsone
Сейчас пишу мессенджер, мне нужно подключить фласк . но он уже идет с профессиональной версией, как быть ? Оплатить ее не могу из за санкций 🤷, пиратить еще хуже )
@Pythonnewsone
🔥 Yoooo Tencent только что выпустила новую модель генерации видео с открытым исходным кодом, и она выглядит довольно интересно!
Модель (img2videos) может генерировать видео лучше, чем Gen 3 и Luma, создавать анимированные говорящие аватары, генерировать динамические сцены.
📽️ Project http://aivideo.hunyuan.tencent.com
🧑💻 Github: http://git.new/hyvideo
📃 Paper: http://thursdai.news/hypaper
🏋️ Weights on HF: http://thursdai.news/hyv-weights https://pic.x.com/qIib0wdkzy
🤗 Hf: https://huggingface.co/tencent/HunyuanVideo-PromptRewrite
@Pythonnewsone
Модель (img2videos) может генерировать видео лучше, чем Gen 3 и Luma, создавать анимированные говорящие аватары, генерировать динамические сцены.
📽️ Project http://aivideo.hunyuan.tencent.com
🧑💻 Github: http://git.new/hyvideo
📃 Paper: http://thursdai.news/hypaper
🏋️ Weights on HF: http://thursdai.news/hyv-weights https://pic.x.com/qIib0wdkzy
🤗 Hf: https://huggingface.co/tencent/HunyuanVideo-PromptRewrite
@Pythonnewsone
🖥 Python-hdwallet
Это библиотека на Python, предназначенная для создания и работы с иерархическими детерминированными кошельками (HD Wallet), поддерживающими свыше 200 различных криптовалют.
HD Wallets – это аббревиатура от Hierarchical Deterministic Wallets (иерархический детерминированный кошелек). Являясь кошельком криптовалют нового поколения он способен генерировать любое количества ключей на основе главного открытого ключа.
Библиотека предоставляет возможность генерации миллионов адресов и управления ключами, а также включает функции для безопасного создания сид-фраз и удобного взаимодействия с блокчейнами.
pip install hdwallet
🖥 GitHub (https://github.com/talonlab/python-hdwallet)
@pythonl
@Pythonnewsone
Это библиотека на Python, предназначенная для создания и работы с иерархическими детерминированными кошельками (HD Wallet), поддерживающими свыше 200 различных криптовалют.
HD Wallets – это аббревиатура от Hierarchical Deterministic Wallets (иерархический детерминированный кошелек). Являясь кошельком криптовалют нового поколения он способен генерировать любое количества ключей на основе главного открытого ключа.
Библиотека предоставляет возможность генерации миллионов адресов и управления ключами, а также включает функции для безопасного создания сид-фраз и удобного взаимодействия с блокчейнами.
pip install hdwallet
🖥 GitHub (https://github.com/talonlab/python-hdwallet)
@pythonl
@Pythonnewsone
Pygments — Python-библиотека для подсветки синтаксиса. Простой в использовании инструмент идеален для добавления форматирования кода в веб-приложениях, документации или текстовых редакторах, имеет множество готовых стилей под любой вкус и цвет.
Прекрасный выбор при разработки приложений, где требуется визуальное выделение кода с подсветкой синтаксических элементов.
https://github.com/pygments/pygments
@Pythonnewsone
https://github.com/pygments/pygments
Прекрасный выбор при разработки приложений, где требуется визуальное выделение кода с подсветкой синтаксических элементов.
https://github.com/pygments/pygments
@Pythonnewsone
https://github.com/pygments/pygments
GitHub
GitHub - pygments/pygments: Pygments is a generic syntax highlighter written in Python
Pygments is a generic syntax highlighter written in Python - pygments/pygments
🔥 bcrypt (https://github.com/pyca/bcrypt) — это библиотека для Python, которая предоставляет функции для хэширования паролей с использованием алгоритма bcrypt!
💡 Этот алгоритм широко используется для безопасного хранения паролей благодаря своим особенностям: он поддерживает защиту от атак по словарю и делает невозможным обратное вычисление исходного пароля.
🔐 Лицензия: Apache-2.0
🖥 Github (https://github.com/pyca/bcrypt)
@pythonl
@Pythonnewsone
💡 Этот алгоритм широко используется для безопасного хранения паролей благодаря своим особенностям: он поддерживает защиту от атак по словарю и делает невозможным обратное вычисление исходного пароля.
🔐 Лицензия: Apache-2.0
🖥 Github (https://github.com/pyca/bcrypt)
@pythonl
@Pythonnewsone
👩💻 mongoengine (https://github.com/MongoEngine/mongoengine) — Python-библиотека для работы с базами данных MongoDB, предоставляющая объектно-документный маппинг (ODM)!
🌟 Она позволяет разработчикам описывать документы в виде Python-классов с типизированными полями, делая работу с MongoDB удобной и похожей на использование ORM в реляционных базах.
🌟 Библиотека поддерживает валидацию данных, вложенные документы, связи между документами и удобные запросы через Python-методы. MongoEngine часто используется в проектах, где требуется сочетание гибкости MongoDB и строгой структуры данных.
🔐 Лицензия: MIT
🖥 Github (https://github.com/MongoEngine/mongoengine)
@data_analysis_ml
@Pythonnewsone
🌟 Она позволяет разработчикам описывать документы в виде Python-классов с типизированными полями, делая работу с MongoDB удобной и похожей на использование ORM в реляционных базах.
🌟 Библиотека поддерживает валидацию данных, вложенные документы, связи между документами и удобные запросы через Python-методы. MongoEngine часто используется в проектах, где требуется сочетание гибкости MongoDB и строгой структуры данных.
🔐 Лицензия: MIT
🖥 Github (https://github.com/MongoEngine/mongoengine)
@data_analysis_ml
@Pythonnewsone
🌤 Революционный инструмент в области прогнозирования погоды от Google!
Команда Google DeepMind презентовала GenCast – новую модель искусственного интеллекта, способную с высокой точностью предсказывать погоду на целых 15 дней вперёд! 🎯
GenCast – ансамблевая диффузионная модель для прогнозирования погоды и рисков экстремальных погодных условий, обеспечивающая более быстрые и точные прогнозы на срок до 15 дней. GenCast была обученная на 40-летнем архиве исторических метеорологических данных ERA5 от ECMWF.
Модель, работающая на Google Cloud TPU v5, превосходит лидирующую систему прогнозирования ECMWF ENS по точности прогнозов на 97,2% в 1320 различных комбинациях тестируемых параметров. GenCast демонстрирует способность прогнозировать экстремальные погодные явления: периоды сильной жары и холода, сильные ветры и траектории тропических циклонов. Google DeepMind планирует выпустить код, веса и прогнозы модели в открытый доступ, чтобы поддержать метеорологическое сообщество.
Почему это так важно?
- В условиях изменения климата погода становится всё менее предсказуемой.
- Точные прогнозы помогают спасти жизни и сохранить имущество.
- Это способствует эффективному планированию использования возобновляемых источников энергии.
Что может GenCast?
- Генерирует более 50 различных сценариев развития погоды и объединяет их в единый вероятностный прогноз.
- Обеспечивает разрешение до 0.25° для всего земного шара.
- Превышает точность лучших существующих систем прогнозирования в 97.2% случаев!
Как быстро он работает?
- Всего за 8 минут создаёт 15-дневный прогноз при помощи Google Cloud TPU v5. Для традиционных систем это занимает часы работы на суперкомпьютерах!
Особенно точен в прогнозах экстремальной погоды:
- Тайфунов и ураганов
- Аномально высоких и низких температур
- Сильнейших ветров
Открытый доступ:
Google DeepMind предоставляет исходный код модели и её весовые коэффициенты всем желающим, чтобы способствовать развитию метеорологии.
▪ Статья: https://deepmind.google/discover/blog/gencast-predict..
▪ Github: https://github.com/google-deepmind/graphcast
@Pythonnewsone
https://deepmind.google/discover/blog/gencast-predict
Команда Google DeepMind презентовала GenCast – новую модель искусственного интеллекта, способную с высокой точностью предсказывать погоду на целых 15 дней вперёд! 🎯
GenCast – ансамблевая диффузионная модель для прогнозирования погоды и рисков экстремальных погодных условий, обеспечивающая более быстрые и точные прогнозы на срок до 15 дней. GenCast была обученная на 40-летнем архиве исторических метеорологических данных ERA5 от ECMWF.
Модель, работающая на Google Cloud TPU v5, превосходит лидирующую систему прогнозирования ECMWF ENS по точности прогнозов на 97,2% в 1320 различных комбинациях тестируемых параметров. GenCast демонстрирует способность прогнозировать экстремальные погодные явления: периоды сильной жары и холода, сильные ветры и траектории тропических циклонов. Google DeepMind планирует выпустить код, веса и прогнозы модели в открытый доступ, чтобы поддержать метеорологическое сообщество.
Почему это так важно?
- В условиях изменения климата погода становится всё менее предсказуемой.
- Точные прогнозы помогают спасти жизни и сохранить имущество.
- Это способствует эффективному планированию использования возобновляемых источников энергии.
Что может GenCast?
- Генерирует более 50 различных сценариев развития погоды и объединяет их в единый вероятностный прогноз.
- Обеспечивает разрешение до 0.25° для всего земного шара.
- Превышает точность лучших существующих систем прогнозирования в 97.2% случаев!
Как быстро он работает?
- Всего за 8 минут создаёт 15-дневный прогноз при помощи Google Cloud TPU v5. Для традиционных систем это занимает часы работы на суперкомпьютерах!
Особенно точен в прогнозах экстремальной погоды:
- Тайфунов и ураганов
- Аномально высоких и низких температур
- Сильнейших ветров
Открытый доступ:
Google DeepMind предоставляет исходный код модели и её весовые коэффициенты всем желающим, чтобы способствовать развитию метеорологии.
▪ Статья: https://deepmind.google/discover/blog/gencast-predict..
▪ Github: https://github.com/google-deepmind/graphcast
@Pythonnewsone
https://deepmind.google/discover/blog/gencast-predict
👩💻 inflect (https://github.com/jaraco/inflect) — Python-библиотека для работы с инфлексиями слов — преобразованиями форм слов в зависимости от их грамматической роли в предложении!
🌟 Библиотека позволяет конвертировать числа в текстовые строки (например, 42 -> "forty-two"), а также предоставляет функции для работы с формами существительных и глаголов.
🔐 Лицензия: MIT
🖥 Github (https://github.com/jaraco/inflect)
@pythonl
@Pythonnewsone
🌟 Библиотека позволяет конвертировать числа в текстовые строки (например, 42 -> "forty-two"), а также предоставляет функции для работы с формами существительных и глаголов.
🔐 Лицензия: MIT
🖥 Github (https://github.com/jaraco/inflect)
@pythonl
@Pythonnewsone
🌟 PydanticAI: фреймворк для создания AI-агентов на основе Pydantic.
PydanticAI (https://github.com/pydantic/pydantic-ai) - фреймворк для Python, созданный командой разработчиков Pydantic, который упрощает создание приложений с использованием LLM. Фреймворк имеет простой и интуитивно понятный интерфейс для взаимодействия с LLMs, поддерживающими Async OpenAI (Ollama) и openAI API (ChatGPT, Gemini и Groq), с поддержкой Anthropic в ближайшем будущем.
Основная особенность PydanticAI - система внедрения зависимостей, которая передает данные, соединения и логику в целевую модель. Она упрощает тестирование и оценку агентов и позволяет динамически формировать системные промпты и определять инструменты, доступные LLM.
PydanticAI имеет возможность потоковой обработки ответов с валидацией структурированных данных, позволяя контролировать корректность соответствие данных ожидаемому ответу, тем самым повышая эффективность и интерактивность приложений.
Для отладки и мониторинга работы агентов предусмотрена интеграция с Pydantic Logfire (https://pydantic.dev/logfire), с которым можно отслеживать запросы к базам данных, анализировать поведение модели и оценивать производительность.
▶️ В документации к проекту (https://ai.pydantic.dev/) доступны примеры применения PydanticAI в сценариях:
🟢Построение Pydantic-модели на основе текстового ввода (https://ai.pydantic.dev/examples/pydantic-model/);
🟢Погодный агент (https://ai.pydantic.dev/examples/weather-agent/);
🟢Агент поддержки клиентов банка (https://ai.pydantic.dev/examples/bank-support/);
🟢Генерация SQL-запросов на основе пользовательского ввода (https://ai.pydantic.dev/examples/sql-gen/);
🟢RAG-поиск по массиву markdown-документам (https://ai.pydantic.dev/examples/rag/);
🟢Вывод результатов работы агента в терминале (https://ai.pydantic.dev/examples/stream-markdown/);
🟢Пример проверки потокового структурированного ответа на примере информации о видах китов; (https://ai.pydantic.dev/examples/stream-whales/)
🟢Простой чат-приложение (https://ai.pydantic.dev/examples/chat-app/).
⚠️ PydanticAI находится на ранней стадии бета-тестирования.
▶️Установка и простой пример "Hello Word" с Gemini-1.5-flash:
<pre language="python"># Install via PyPI
pip install pydantic-ai
# Set Gemini API key
export GEMINI_API_KEY=your-api-key
# Run example
from pydantic_ai import Agent
agent = Agent(
'gemini-1.5-flash',
system_prompt='Be concise, reply with one sentence.',
)
result = agent.run_sync('Where does "hello world" come from?')
print(result.data)
"""
The first known use of "hello, world" was in a 1974 textbook about the C programming language.
"""</pre>
📌Лицензирование: MIT License.
🟡Документация (https://ai.pydantic.dev/)
🟡Demo (https://huggingface.co/spaces/freddyaboulton/pydantic-ai)
🖥GitHub (https://github.com/pydantic/pydantic-ai)
@ai_machinelearning_big_data
#AI #ML #LLM #Agents #Framework #PydanticAI
@Pythonnewsone
PydanticAI (https://github.com/pydantic/pydantic-ai) - фреймворк для Python, созданный командой разработчиков Pydantic, который упрощает создание приложений с использованием LLM. Фреймворк имеет простой и интуитивно понятный интерфейс для взаимодействия с LLMs, поддерживающими Async OpenAI (Ollama) и openAI API (ChatGPT, Gemini и Groq), с поддержкой Anthropic в ближайшем будущем.
Основная особенность PydanticAI - система внедрения зависимостей, которая передает данные, соединения и логику в целевую модель. Она упрощает тестирование и оценку агентов и позволяет динамически формировать системные промпты и определять инструменты, доступные LLM.
PydanticAI имеет возможность потоковой обработки ответов с валидацией структурированных данных, позволяя контролировать корректность соответствие данных ожидаемому ответу, тем самым повышая эффективность и интерактивность приложений.
Для отладки и мониторинга работы агентов предусмотрена интеграция с Pydantic Logfire (https://pydantic.dev/logfire), с которым можно отслеживать запросы к базам данных, анализировать поведение модели и оценивать производительность.
▶️ В документации к проекту (https://ai.pydantic.dev/) доступны примеры применения PydanticAI в сценариях:
🟢Построение Pydantic-модели на основе текстового ввода (https://ai.pydantic.dev/examples/pydantic-model/);
🟢Погодный агент (https://ai.pydantic.dev/examples/weather-agent/);
🟢Агент поддержки клиентов банка (https://ai.pydantic.dev/examples/bank-support/);
🟢Генерация SQL-запросов на основе пользовательского ввода (https://ai.pydantic.dev/examples/sql-gen/);
🟢RAG-поиск по массиву markdown-документам (https://ai.pydantic.dev/examples/rag/);
🟢Вывод результатов работы агента в терминале (https://ai.pydantic.dev/examples/stream-markdown/);
🟢Пример проверки потокового структурированного ответа на примере информации о видах китов; (https://ai.pydantic.dev/examples/stream-whales/)
🟢Простой чат-приложение (https://ai.pydantic.dev/examples/chat-app/).
⚠️ PydanticAI находится на ранней стадии бета-тестирования.
▶️Установка и простой пример "Hello Word" с Gemini-1.5-flash:
<pre language="python"># Install via PyPI
pip install pydantic-ai
# Set Gemini API key
export GEMINI_API_KEY=your-api-key
# Run example
from pydantic_ai import Agent
agent = Agent(
'gemini-1.5-flash',
system_prompt='Be concise, reply with one sentence.',
)
result = agent.run_sync('Where does "hello world" come from?')
print(result.data)
"""
The first known use of "hello, world" was in a 1974 textbook about the C programming language.
"""</pre>
📌Лицензирование: MIT License.
🟡Документация (https://ai.pydantic.dev/)
🟡Demo (https://huggingface.co/spaces/freddyaboulton/pydantic-ai)
🖥GitHub (https://github.com/pydantic/pydantic-ai)
@ai_machinelearning_big_data
#AI #ML #LLM #Agents #Framework #PydanticAI
@Pythonnewsone
GitHub
GitHub - pydantic/pydantic-ai: AI Agent Framework, the Pydantic way
AI Agent Framework, the Pydantic way. Contribute to pydantic/pydantic-ai development by creating an account on GitHub.
👩💻 unsync (https://github.com/alex-sherman/unsync) — библиотека для Python, которая предоставляет упрощённые инструменты для работы с асинхронным кодом, включая возможность смешивать синхронный и асинхронный код!
🔍 Особенности библиотеки:
🌟 Упрощённое управление задачами.
🌟 Смешивание синхронного и асинхронного кода.
🌟 Поддержка различных типов выполнения.
🌟 Интуитивный API.
🔐 Лицензия: MIT
🖥 Github (https://github.com/alex-sherman/unsync)
@pythonl
@Pythonnewsone
🔍 Особенности библиотеки:
🌟 Упрощённое управление задачами.
🌟 Смешивание синхронного и асинхронного кода.
🌟 Поддержка различных типов выполнения.
🌟 Интуитивный API.
🔐 Лицензия: MIT
🖥 Github (https://github.com/alex-sherman/unsync)
@pythonl
@Pythonnewsone
👩💻 django-cachalot (https://github.com/noripyt/django-cachalot) — инструмент для повышения производительности Django-приложений путем автоматического кэширования запросов, выполняемых через Django ORM!
🌟 Он автоматически управляет инвалидацией кэша, что позволяет разработчикам минимизировать усилия по настройке кэширования и снизить нагрузку на базу данных.
🌟 Поддерживаются Python 3.7–3.11 и Django версии 3.2, 4.1, 4.2, 5.0, 5.1. Библиотека работает с PostgreSQL, SQLite и MySQL, предоставляя возможности для интеграции с Memcached или Redis в качестве кэширующих серверов. Основные преимущества включают простую настройку, поддержку Django Debug Toolbar и возможность использования в многосерверных конфигурациях.
🔐 Лицензия: BSD-3-Clause
🖥 Github (https://github.com/noripyt/django-cachalot)
@pythonl
@Pythonnewsone
🌟 Он автоматически управляет инвалидацией кэша, что позволяет разработчикам минимизировать усилия по настройке кэширования и снизить нагрузку на базу данных.
🌟 Поддерживаются Python 3.7–3.11 и Django версии 3.2, 4.1, 4.2, 5.0, 5.1. Библиотека работает с PostgreSQL, SQLite и MySQL, предоставляя возможности для интеграции с Memcached или Redis в качестве кэширующих серверов. Основные преимущества включают простую настройку, поддержку Django Debug Toolbar и возможность использования в многосерверных конфигурациях.
🔐 Лицензия: BSD-3-Clause
🖥 Github (https://github.com/noripyt/django-cachalot)
@pythonl
@Pythonnewsone
👩💻 fastapi-admin (https://github.com/fastapi-admin/fastapi-admin) — высокопроизводительная и расширяемая панель администратора для приложений на основе FastAPI!
💡 Она вдохновлена Django Admin и предлагает похожую функциональность, позволяя быстро создавать визуальные панели управления для веб-приложений.
🔍 Ключевые особенности :
🌟 Поддержку синхронного и асинхронного режимов работы.
🌟 Автоматическое создание API-документации.
🌟 Фронтенд на базе Amis и гибкость в настройке пользовательских страниц.
🌟 Использование ORM SQLAlchemy или SQLModel для работы с базами данных.
🔐 Лицензия: Apache-2.0
🖥 Github (https://github.com/fastapi-admin/fastapi-admin)
@pythonl
@Pythonnewsone
💡 Она вдохновлена Django Admin и предлагает похожую функциональность, позволяя быстро создавать визуальные панели управления для веб-приложений.
🔍 Ключевые особенности :
🌟 Поддержку синхронного и асинхронного режимов работы.
🌟 Автоматическое создание API-документации.
🌟 Фронтенд на базе Amis и гибкость в настройке пользовательских страниц.
🌟 Использование ORM SQLAlchemy или SQLModel для работы с базами данных.
🔐 Лицензия: Apache-2.0
🖥 Github (https://github.com/fastapi-admin/fastapi-admin)
@pythonl
@Pythonnewsone