🖥 Roboflow Trackers Roboflow/trackers — это новая, унифицированная Python‑библиотека object‑tracking, в которой «с нуля» реализуются популярные алгоритмы многoобъектного трекинга (первым уже готов SORT, вскоре планируются Deep SORT, ByteTrack и др.) GitHub
.
Проект входит в open‑source‑экосистему Roboflow (Supervision, RF‑DETR и т.д.) и предоставляет единый API поверх разных детекторов, так что вы можете, например, скрестить Ultralytics YOLO‑v9, MMDetection или HuggingFace Transformers с любым трекером из пакета без «клея»‑оберток. Установка
`pip install trackers`
``` import supervision as sv
from rfdetr import RFDETRBase # любой детектор
from trackers.sort_tracker import SORTTracker model = RFDETRBase() # или Ultralytics, MMDet…
tracker = SORTTracker() def callback(frame, _): dets = model.predict(frame) # сводим к sv.Detections dets = tracker.update(dets) # добавляем tracker_id return sv.LabelAnnotator( text_position=sv.Position.CENTER ).annotate(frame, dets, dets.tracker_id) sv.process_video("in.mp4", "out.mp4", callback)
``` На выходе ‑ ролик с пронумерованными боксами, где каждый объект сохраняет ID между кадрами. Лицензия без ограничений (Apache‑2.0) и возможность править алгоритм под себя. 👉 Репозиторий (http://github.com/roboflow/trackers)
@python_be1
.
Проект входит в open‑source‑экосистему Roboflow (Supervision, RF‑DETR и т.д.) и предоставляет единый API поверх разных детекторов, так что вы можете, например, скрестить Ultralytics YOLO‑v9, MMDetection или HuggingFace Transformers с любым трекером из пакета без «клея»‑оберток. Установка
`pip install trackers`
``` import supervision as sv
from rfdetr import RFDETRBase # любой детектор
from trackers.sort_tracker import SORTTracker model = RFDETRBase() # или Ultralytics, MMDet…
tracker = SORTTracker() def callback(frame, _): dets = model.predict(frame) # сводим к sv.Detections dets = tracker.update(dets) # добавляем tracker_id return sv.LabelAnnotator( text_position=sv.Position.CENTER ).annotate(frame, dets, dets.tracker_id) sv.process_video("in.mp4", "out.mp4", callback)
``` На выходе ‑ ролик с пронумерованными боксами, где каждый объект сохраняет ID между кадрами. Лицензия без ограничений (Apache‑2.0) и возможность править алгоритм под себя. 👉 Репозиторий (http://github.com/roboflow/trackers)
@python_be1
GitHub
GitHub - roboflow/trackers: A unified library for object tracking featuring clean room re-implementations of leading multi-object…
A unified library for object tracking featuring clean room re-implementations of leading multi-object tracking algorithms - roboflow/trackers
🐍 Dulwich — проект, предлагающий альтернативу классическим библиотекам вроде GitPython и pygit2. Это полностью Python-реализация Git-клиента без зависимостей от нативного Git. Инструмент поддерживает как низкоуровневые операции с репозиториями, так и сложные команды, имитирующие интерфейс командной строки Git. Для тех, кому важна производительность, есть опциональные Rust-расширения. 🤖 GitHub (https://github.com/jelmer/dulwich)
@python_be1
@python_be1
Наконец-то появился бенчмарк с Doom ☺️
Исследователи из Принстона представили Video Game Bench (https://www.vgbench.com/) — бенчмарк, в котором модели пытаются пройти 20 классических игр из 90-х.
На видео GPT-4o, Claude Sonnet 3.7, Gemini 2.5 Pro и Gemini 2.0 Flash играют в Doom II. Результат: ни одна из моделей не прошла даже 1 уровень. Например, модели часто путают мертвых врагов с живыми и тратят на них все свои патроны.
Опенсорс, GitHub тут (https://github.com/alexzhang13/VideoGameBench)
@python_be1
Исследователи из Принстона представили Video Game Bench (https://www.vgbench.com/) — бенчмарк, в котором модели пытаются пройти 20 классических игр из 90-х.
На видео GPT-4o, Claude Sonnet 3.7, Gemini 2.5 Pro и Gemini 2.0 Flash играют в Doom II. Результат: ни одна из моделей не прошла даже 1 уровень. Например, модели часто путают мертвых врагов с живыми и тратят на них все свои патроны.
Опенсорс, GitHub тут (https://github.com/alexzhang13/VideoGameBench)
@python_be1
🖥 less_slow.py (http://github.com/ashvardanian/less_slow.py)— Python, который не тормозит
Многие считают Python медленным, но это не всегда правда.
Ash Vardanyan в рамках проекта Less Slow показывает, как писать быстрый и эффективный код даже на Python — без магии, но с пониманием.
🐍 Что в проекте:
🔹 pandas vs polars — что быстрее при работе с миллионами строк
🔹 Использование Numba, Cython, PyO3, rust bindings
🔹 Работа с нативными типами, векторизация и zero-copy
🔹 Сериализация без боли: сравнение MessagePack, Arrow, Parquet
🔹 Сравнение аллокаторов, подходов к I/O и нагрузочным тестам
🔹 Ускорение парсинга JSON: orjson, yyjson, simdjson, ujson
🔹 Как обойти GIL и не платить за удобство интерпретатора
📦 Библиотеки и техники:
▪Numba, Cython, cffi, maturin
▪simdjson, orjson, polars
▪pyarrow, msgspec, blosc2, memoryview
▪Работа с mmap, zero-copy, JIT-компиляция, py-spy, perf
📈 Кому подойдёт:
▪Тем, кто пишет ETL, пайплайны или ML/AI обработку
▪Кто работает с большими объёмами данных или бинарными файлами
▪Кто хочет “оптимизировать до безобразия” и понять, как работает Python под капотом
В серии есть еще 2 крутых проекта:
🖥 less_slow.cpp — C++ без тормозов: ассемблер, кеши, SIMD, аллокации, парсинг JSON и трюки с памятью
👉 github.com/ashvardanian/less_slow.cpp
👣 less_slow.rs — продвинутый Rust: сравнение async/sync, SIMD, кеш-френдли структуры, быстрые сериализации
👉 github.com/ashvardanian/less_slow.rs
📚 Репозиторий (http://github.com/ashvardanian/less_slow.py):
💡 Даже если ты не используешь всё это каждый день — ты точно станешь писать лучший Python-код.
@python_be1
Многие считают Python медленным, но это не всегда правда.
Ash Vardanyan в рамках проекта Less Slow показывает, как писать быстрый и эффективный код даже на Python — без магии, но с пониманием.
🐍 Что в проекте:
🔹 pandas vs polars — что быстрее при работе с миллионами строк
🔹 Использование Numba, Cython, PyO3, rust bindings
🔹 Работа с нативными типами, векторизация и zero-copy
🔹 Сериализация без боли: сравнение MessagePack, Arrow, Parquet
🔹 Сравнение аллокаторов, подходов к I/O и нагрузочным тестам
🔹 Ускорение парсинга JSON: orjson, yyjson, simdjson, ujson
🔹 Как обойти GIL и не платить за удобство интерпретатора
📦 Библиотеки и техники:
▪Numba, Cython, cffi, maturin
▪simdjson, orjson, polars
▪pyarrow, msgspec, blosc2, memoryview
▪Работа с mmap, zero-copy, JIT-компиляция, py-spy, perf
📈 Кому подойдёт:
▪Тем, кто пишет ETL, пайплайны или ML/AI обработку
▪Кто работает с большими объёмами данных или бинарными файлами
▪Кто хочет “оптимизировать до безобразия” и понять, как работает Python под капотом
В серии есть еще 2 крутых проекта:
🖥 less_slow.cpp — C++ без тормозов: ассемблер, кеши, SIMD, аллокации, парсинг JSON и трюки с памятью
👉 github.com/ashvardanian/less_slow.cpp
👣 less_slow.rs — продвинутый Rust: сравнение async/sync, SIMD, кеш-френдли структуры, быстрые сериализации
👉 github.com/ashvardanian/less_slow.rs
📚 Репозиторий (http://github.com/ashvardanian/less_slow.py):
💡 Даже если ты не используешь всё это каждый день — ты точно станешь писать лучший Python-код.
@python_be1
https://uproger.com/20-luchshih-maloizvestnyh-i-poleznyh-komand-linux/
@python_be1
https://uproger.com/20-luchshih-maloizvestnyh-i-poleznyh-komand-linux/
@python_be1
https://uproger.com/20-luchshih-maloizvestnyh-i-poleznyh-komand-linux/
UPROGER | Программирование
20 лучших малоизвестных и полезных команд Linux
В арсенале любого опытного Linux-администратора есть набор проверенных временем команд, которые используются ежедневно. ls, cd, grep, find, ps, top – без них немыслима эффективная работа. Однако за пределами этого стандартного набора скрывается множество…
Название первого курса от этого сотрудника: «Как попасть в IT.. Ну или не попасть.. Там как пойдёт, сильно губу не раскатывайте.. Да-да, нет-нет.. Может только айтишные мемы понимать начнете»
@python_be1
@python_be1
This media is not supported in your browser
VIEW IN TELEGRAM
🥚 3D Пасхальное яйцо от Google ,которое можно получить, вбив в поиск эту функцию:
1.2+(sqrt(1-(sqrt(x^2+y^2))^2) + 1 - x^2-y^2) * (sin (10 * (x*3+
Если найдете пасхулку кулича, скиньте в комменты 👇
@python_be1
1.2+(sqrt(1-(sqrt(x^2+y^2))^2) + 1 - x^2-y^2) * (sin (10 * (x*3+
Если найдете пасхулку кулича, скиньте в комменты 👇
@python_be1
⚡️ Огромный курс по созданию языковых моделей с ПОЛНОГО НУЛЯ выложил Стэнфорд — «СS336: Language Modeling from scratch» прямо сейчас преподают в университете и сразу же выкладывают на Ютуб для ВСЕХ.
• Кто угодно может БЕСПЛАТНО научиться создавать собственные ИИ-модели с нуля.
• Это огромный полноценный курс: от архитектуры и токенизаторов до обучения с подкреплением и масштабирования.
• Все темы преподы объясняют пошагово, от простого к сложному. Поймет даже новичок в кодинге.
• К каждой лекции есть множество дополнительных материалов и домашних заданий.
Сайт курса — здесь. (https://stanford-cs336.github.io/spring2025/) Плейлист на Ютубе — тут. (https://youtube.com/playlist?list=PLoROMvodv4rOY23Y0BoGoBGgQ1zmU_MT_)
👍
@python_be1
• Кто угодно может БЕСПЛАТНО научиться создавать собственные ИИ-модели с нуля.
• Это огромный полноценный курс: от архитектуры и токенизаторов до обучения с подкреплением и масштабирования.
• Все темы преподы объясняют пошагово, от простого к сложному. Поймет даже новичок в кодинге.
• К каждой лекции есть множество дополнительных материалов и домашних заданий.
Сайт курса — здесь. (https://stanford-cs336.github.io/spring2025/) Плейлист на Ютубе — тут. (https://youtube.com/playlist?list=PLoROMvodv4rOY23Y0BoGoBGgQ1zmU_MT_)
👍
@python_be1
суть программы вот в чем, 4 двигателя крутятся с одинаковым шагом но с разным промежутком времени, в результате программа работает с задержкой от того что должно быть по факту, если я увеличиваю скорость F1000 вместо F500 то программа работает быстрей, сами же двигатели не синхронно вращаются, в начале вроде как все как и должно быть, но под конец движения, какие-то двигателя вовремя заканчивают движения а какие-то только догоняют причем не зависимо от метода! время на паузы на трех двигателях 0.0157, а одном 0.0078 в секундах кстати на котором 0.0078 он и отстает
@python_be1
@python_be1
🗣 Dia — это новаяоткрытая модель текст‑в‑речь от Nari Labs с 1.6 млрд параметров, способная генерировать полноценный диалог с богатой экспрессией.
Ключевые возможности:
- Ультра‑реалистичный диалог. Генерация согласованных реплик двух «говорящих» персонажей, помеченных тэгами [S1] и [S2] в одном тексте.
- Эмоции и тон. Можно задавать тональность и интонацию через акустический запрос (audio prompt), а также управлять «невербалкой»: смех, кашель, вздохи и т. д.
- Voice cloning. Клонирование голоса по короткому образцу: подгрузите аудио и его транскрипт, и модель адаптируется под заданный тембр
GitHub
Модель написана на Python (100 % кода) с использованием PyTorch 2.0 и CUDA 12.6
Производительность и требования:
Полная версия требует ≈10 GB VRAM; в будущем планируется квантование модели.
Установка и запуск:
`pip install git+https://github.com/nari-labs/dia.git
git clone https://github.com/nari-labs/dia.git
cd dia
uv run app.py ` # или python app.py
В интерфейсе Gradio сразу можно оценить разницу с ElevenLabs и Sesame CSM‑1B
Лицензия: Apache 2.0.
Dia отлично подходит для ML‑исследований в TTS: вы получаете открытые весовые файлы, гибкий API для скриптов и UI для быстрой проверки гипотез.
На данный момент Dia поддерживает генерацию речи только на английском языке
▪Demo (https://yummy-fir-7a4.notion.site/dia)
▪Github (https://github.com/nari-labs/dia)
▪HF (https://huggingface.co/nari-labs/Dia-1.6B)
@python_be1
Ключевые возможности:
- Ультра‑реалистичный диалог. Генерация согласованных реплик двух «говорящих» персонажей, помеченных тэгами [S1] и [S2] в одном тексте.
- Эмоции и тон. Можно задавать тональность и интонацию через акустический запрос (audio prompt), а также управлять «невербалкой»: смех, кашель, вздохи и т. д.
- Voice cloning. Клонирование голоса по короткому образцу: подгрузите аудио и его транскрипт, и модель адаптируется под заданный тембр
GitHub
Модель написана на Python (100 % кода) с использованием PyTorch 2.0 и CUDA 12.6
Производительность и требования:
Полная версия требует ≈10 GB VRAM; в будущем планируется квантование модели.
Установка и запуск:
`pip install git+https://github.com/nari-labs/dia.git
git clone https://github.com/nari-labs/dia.git
cd dia
uv run app.py ` # или python app.py
В интерфейсе Gradio сразу можно оценить разницу с ElevenLabs и Sesame CSM‑1B
Лицензия: Apache 2.0.
Dia отлично подходит для ML‑исследований в TTS: вы получаете открытые весовые файлы, гибкий API для скриптов и UI для быстрой проверки гипотез.
На данный момент Dia поддерживает генерацию речи только на английском языке
▪Demo (https://yummy-fir-7a4.notion.site/dia)
▪Github (https://github.com/nari-labs/dia)
▪HF (https://huggingface.co/nari-labs/Dia-1.6B)
@python_be1
🖥 ex — это утилита для создания одного исполняемого файла .pex, внутри которого содержится вся ваша программа на Python и её зависимости. По сути это самодостаточная, переносимая среда выполнения, похожая на virtualenv, но упакованная в один файл.
Зачем это нужно?
Простота развёртывания: чтобы установить и запустить приложение, достаточно скопировать файл app.pex и запустить его — никакой дополнительной настройки.
Портируемость: один файл может включать сборки для разных платформ (Linux, macOS).
Изоляция зависимостей: все библиотеки (включая C‑расширения) уже внутри, конфликтов версий нет.
Как пользоваться:
Устанавливаем сам инструмент:
`pip install pex`
Собираем .pex-файл:
`pex requests -o fetch.pex —script=requests`
После этого fetch.pex — готовый исполняемый файл, который при запуске сразу импортирует и запускает библиотеку requests.
Интеграция с другими сборщиками:
Системы вроде `Pants, Buck и {py}gradle `умеют автоматически собирать .pex-архивы из вашего кода.
Лицензия: Apache 2.0
▪ GitHub: https://github.com/pex-tool/pex
▪Документация: https://docs.pex-tool.org/
@python_be1
Зачем это нужно?
Простота развёртывания: чтобы установить и запустить приложение, достаточно скопировать файл app.pex и запустить его — никакой дополнительной настройки.
Портируемость: один файл может включать сборки для разных платформ (Linux, macOS).
Изоляция зависимостей: все библиотеки (включая C‑расширения) уже внутри, конфликтов версий нет.
Как пользоваться:
Устанавливаем сам инструмент:
`pip install pex`
Собираем .pex-файл:
`pex requests -o fetch.pex —script=requests`
После этого fetch.pex — готовый исполняемый файл, который при запуске сразу импортирует и запускает библиотеку requests.
Интеграция с другими сборщиками:
Системы вроде `Pants, Buck и {py}gradle `умеют автоматически собирать .pex-архивы из вашего кода.
Лицензия: Apache 2.0
▪ GitHub: https://github.com/pex-tool/pex
▪Документация: https://docs.pex-tool.org/
@python_be1
