این پست
https://t.iss.one/pyHints/801
و پست بعدیش رو بخونید.


معمولاً پست‌های من توی کانال‌های مختلف (خودم) پراکنده هست.

برای همین ۸۰٪ سوالات تکراری رو جواب نمیدم.

لیست کانال‌ها :

@pytens
@pyhints
@pyrust
@per3onal
@pytensMusic

🔶 حالا که بحث طرح شیشه ای مایع داغه که شروع کننده آن اپل بود, یه طرح شیشه ای با HTML و CSS با کلاد ۴ زدم.

جهت یاد آوری اولین طرح شیشه ای که مطرح شد مال ویندوز ویستا مایکروسافت بود که در مرور زمان با ویندوز ۷ طرح شیشه ای به بلوغ رسید.

گیت هاب :

https://github.com/Rayiumir/liquid-glass

پیش نمایش :

https://rayiumir.github.io/liquid-glass/

@TheRaymondDev

اگه مث من بعضی وقتا توی دستورات ترمینال گیر می‌کنی و نمی‌دونی دقیقاً هر بخشش چی کار می‌کنه، این ابزار رو از دست نده:

explainshell.com

فقط کافیه دستورت رو تایپ کنی، خودش یکی‌یکی قسمتاشو باز می‌کنه و می‌گه هر آپشن یا آرگومان دقیقاً چیه و چیکار می‌کنه — اونم بر اساس help خود دستور.

مثلاً دستور زیر:

tar -xvf archive.tar

می‌خوای بدونی -x چیه؟ -v چی؟ خودش میاد برات دونه‌دونه می‌گه.

برای وقتایی که حوصله گشتن تو man page نداری، خیلی نجات‌دهندس

@DevTwitter | <Milad Niroee/>

دیروز از آی‌تی هلو یه کتاب گرفتم که امروز چاپ و ارسال کردن برام.
خدایی کیفیت کتاباشون خیلی خوبه، من راضی‌ام.

اگر شما‌هم به کتاب‌های برنامه‌نویسی علاقه دارید می‌تونید بهشون سفارش بدید و مطمئن باشید که با بهترین کیفیت براتون چاپش می‌کنن.

اگر خودتون هم فایل داشته باشید میتونن به شکل کتاب چاپش کنن.

من با مدیر مجموعه صحبت‌کردم و یک کد تخفیف 10 درصدی براتون گرفتم.
کد : DevTwitter

آرشیوشون کامله و اکثر کتاب‌ها رو دارن.

می‌تونید نمونه‌کار‌هاشون رو اینجا ببینید: @ITBook_Images

کانالشون:
@itbook_pub

مایکروسافت خوب تونسته محصولاتی رو در اختیارمون بذاره که باش Agent بسازیم..

مدل SaaS خیلی کار و ساده کرده برای ساخت ایجنت هایی که شما میخوای با Docuementهاتون بسازین... نیاز به کد زدن ندارین

از اونور IaaS میشه همون AutoGen و اینا که شما کنترل بیشتری روی رفتار Agentتون دارین..

@DevTwitter | <Sam92/>

دستور بررسی سلامت هارد:

sudo smartctl -a /dev/sdX

❗ جایگزین کن sdX با نام دیسک موردنظر، مثلاً sda یا nvme0n1

بخش‌های کلیدی خروجی:
Power_On_Hours:
تعداد کل ساعت‌هایی که دیسک روشن بوده (طول عمر تقریبی).

Reallocated_Sector_Ct:
تعداد سکتورهای معیوب جایگزین‌شده (اگر > 0، نشانه خطر).

Temperature_Celsius:
دمای فعلی دیسک.

Wear_Leveling_Count یا Media_Wearout_Indicator
(برای SSD): میزان فرسایش.

شاید بدرد بخوره...

@DevTwitter | <mehdi ghazi/>

چند وقت پیش، کانال DevTwitter دیتای تلگرامش رو منتشر کرد به صورت عمومی و جالب بود برام که ببینم چه مواردی خیلی پر‌تکرار بودن توی این دوره‌ای که این کانال زده شده و فعالیت داشته...

بخاطر همین رفتم و یه سری کار‌هایی روش کردم.

یه دید جالبی می‌ده از این کانال و همچنین شاید یه جرقه‌ای باشه برای کسانی که می‌خوان شروع کنن به کار کردن روی دیتاها و کلا کار دیتا کنن.

به درخواست چنل devtwitter تو گیتهاب چنل گذاشتم. فقط برای فان و دیگر هیچ...

پیش‌نمایش‌ها و Visualizationها رو توی خود README می‌تونین ببینین.

https://github.com/DevTwitter/devtwitter-data-exploration


@DevTwitter | <Ryan Heida/>

آموزش Qt6 - قسمت بیست و یکم - استایل و تم در QML

در این قسمت کمی بیشتر وارد ماژول Controls میشیم و روی استایل و تم‌ها بیشتر تمرکز میکنیم و یاد میدیم چطوری توی QML و ماژول Controls از تم‌ها استفاده کنید.

لینک ویدیو در یوتیوب:
https://youtu.be/nxTDISkm4W8

@Bardiaism

بعد از چند سال تلاش برای رسیدن به کد تمیز و پرفورمنس بالا به صورت همزمان
فهمیدم که این دو خیلی کم پیش میاد که در کنار هم حضور داشته باشن.
و برای هرکدوم باید trade-off انجام داد.
همیشه پرفورمنس متوسط و کار راه بنداز مساوی با تجربه‌ی کم توسعه دهنده نیست. شاید موضوع مهم تری برای پیاده سازی وجود داره که اولویتش نسبت به پرفورمنس و سرعت لود بیشتره.

دیپ لرنینگ و LSTM هنوز هم خوراک پیش‌بینیه ولی بحث چیزای مالی و ترید می‌آد وسط دستو پاش میلرزه و نتیجه خوبی نمی‌ده چون بازار تحت تاثیر نویز ها و خبر های خارجی داره می‌چرخه نه لزوما تاریخ.


@Linuxor

برای اینکه
Deepseek coder v3 671B
رو اجرا کنید احتمالا راهکاری به ذهنتون نمیرسه که بیشتر از ۱.۳ توکن خروجی بده تازه به شرط اینکه بیش از ۰.۵ ترابایت رم هم داشته باشید.

بعد از اینکه کانفیگ لوکال خودم رو گذاشتم و روی سورس کدهام تست گرفتم دیدم چندتا چیز برای بهبود نتایج لازم دارم :

۱- استفاده از embedding بهتر مثل Qwen3-8b
۲- استفاده همزمان از حداقل ۳ مدل
۳- مدل نهایی به جهت بررسی کدهای تولید شده توسط ۳ مدل دیگه

اگر این ترکیب رو استفاده کنم؛ فکرم این بود که ۳ مدل زیری رو بدون think اجرا کنم ولی مدل‌های تخصصی coder باشند و مدلی که قابلیت think داره رو بذارم که نهایتا با یک context خوب + embedding خوب بتونه کار رو در بیاره.

اول اومدم ایده رو تست کردم؛ یک مقدار هزینه و سرعت و ... رو گذاشتم کنار هر ۳ تا مدل رو تک تک اجرا کردم (هرکدوم روی یکی از GPU ها) نتابجشون رو ذخیره کردم
و درنهایت بصورت دستی نتابج رو دادم به مدل think که خیلی دقت کدهای تولید شده بالارفت
استایل رو رعایت میکرد
جاهایی از کد که رعایت نکرده بودم رو هم بهم گزارش میداد و ...
اینجوری بودم که خب اگر این روی لوکال کار بکنه من که دیگه cloud لازم نخواهم داشت.

از نظر زمانی هم بصرفه بود؛ اگر و تنها اگر می‌تونستم هر ۳ مدل لایه پایین‌تر رو همزمان اجرا کنم؛‌خلاصه که گشتم دنبال راهکارهای منطقی همزمان اجرا کردن؛ یادمون باشه که اینجا مدل‌ها معماری‌های متفاوتی دارند و مثل حالتی نیست که معماری زیرین مدل‌ها یکی باشه و ... (اگر اون تکنیک رو بلدید برای بهینه پروداکشن کردن)

بگذریم توی تحقیقات رسیدم به Ktransformer (مرسی توییتر) :

Local 671B DeepSeek-Coder-V3/R1: Running its Q4_K_M version using only 14GB VRAM and 382GB DRAM

ایده جذاب این تیم اینه که بخش‌هایی که هزینه سنگین برای اجرا داره رو روی GPU میبره و باقی رو میده خود CPU اجرا کنه منم که ۲ تا GPU دارم اگر بشه بجای هر مدل ۲۲ گیگ به هر مدل ۱۱ گیگ گرافیک بدم مشکلم حل میشه. مخصوصا اینکه از نظر RAM سیستم من ۱۲۸ گیگ رم داره که این روزا توی استفاده‌های سنگین هم نهایتا به ۵۰ گیگ نیاز هست.

آیا این فریمورک مشکل من رو حل می‌کنه ؟ کوتاه : خیر
اما ایده خوبی رو بهم داد.

من دارم تلاش می‌کنم از راهکاری که گیمرها چندسال قبل برای تقسیم GPU بین بازی‌ها استفاده میکردند استفاده کنم (تا این لحظه موفق نبودم ولی کل چیز جدید یادگرفتم)
ترکیب این راهکار با دستاورد این کد احتمالا من رو بتونه به جاهای خوبی برسونه اگر هم نشد اشکالی نداره یادگیری مفیدی بوده (حتی تا همینجا) و البته به کمک KTransformers می‌تونم مدل 70B رو روی سیستم خودم اجرا کنم بدون دردسر.

احتمالا شما هم بتونی مدل 14B رو بجای 7B روی سیستم خودت بیاری (شاید لازم باشه کمی دست به کد بشی اگر مدل پشتیبانی نمیشه هنوز)

Ktransformers Github