🎥 Обертка для ComfyUI: WanVideoWrapper
WanVideoWrapper — это инструмент для интеграции видео в ComfyUI, позволяющий легко обрабатывать и визуализировать видеофайлы. Проект предлагает простое решение для работы с видео в рамках интерфейса, расширяя его функциональность.
🚀 Основные моменты:
- Поддержка различных форматов видео
- Легкая интеграция с ComfyUI
- Удобный интерфейс для пользователей
- Возможность настройки параметров обработки
- Активное сообщество и поддержка
📌 GitHub: https://github.com/eddyhhlure1Eddy/ode-ComfyUI-WanVideoWrapper
#python
WanVideoWrapper — это инструмент для интеграции видео в ComfyUI, позволяющий легко обрабатывать и визуализировать видеофайлы. Проект предлагает простое решение для работы с видео в рамках интерфейса, расширяя его функциональность.
🚀 Основные моменты:
- Поддержка различных форматов видео
- Легкая интеграция с ComfyUI
- Удобный интерфейс для пользователей
- Возможность настройки параметров обработки
- Активное сообщество и поддержка
📌 GitHub: https://github.com/eddyhhlure1Eddy/ode-ComfyUI-WanVideoWrapper
#python
GitHub
GitHub - eddyhhlure1Eddy/ode-ComfyUI-WanVideoWrapper: ode_lowstep
ode_lowstep. Contribute to eddyhhlure1Eddy/ode-ComfyUI-WanVideoWrapper development by creating an account on GitHub.
❤7👍3🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
🔥 Pandas трюк: ускоряем группировки с map вместо merge_groupby
Когда нужно добавить агрегированные значения (например, среднее по группе) обратно в исходный DataFrame, большинство разработчиков делают groupby().transform() или merge().
Но есть менее известный способ — использовать map() после groupby().mean(), который в некоторых случаях работает в 2–3 раза быстрее и требует меньше памяти.
Фокус в том, что groupby().mean() создаёт компактный Series, где индекс — это категория, а значения — результат агрегации.
А map() просто подставляет их обратно в исходный DataFrame без тяжёлого join.
Это особенно полезно на миллионах строк, когда transform начинает “проседать”.
Метод даёт тот же результат, но заметно экономнее по CPU и RAM.
@pythonl
Когда нужно добавить агрегированные значения (например, среднее по группе) обратно в исходный DataFrame, большинство разработчиков делают groupby().transform() или merge().
Но есть менее известный способ — использовать map() после groupby().mean(), который в некоторых случаях работает в 2–3 раза быстрее и требует меньше памяти.
Фокус в том, что groupby().mean() создаёт компактный Series, где индекс — это категория, а значения — результат агрегации.
А map() просто подставляет их обратно в исходный DataFrame без тяжёлого join.
import pandas as pd
import numpy as np
# пример данных
N = 5_000_000
df = pd.DataFrame({
"group": np.random.choice(["A", "B", "C", "D"], N),
"value": np.random.randn(N)
})
# классический подход
df["mean_value_merge"] = df["group"].map(df.groupby("group")["value"].mean())
# сравнение с transform
df["mean_value_transform"] = df.groupby("group")["value"].transform("mean")
# идентичность результата
print(df["mean_value_merge"].equals(df["mean_value_transform"]))
Это особенно полезно на миллионах строк, когда transform начинает “проседать”.
Метод даёт тот же результат, но заметно экономнее по CPU и RAM.
@pythonl
❤14🔥11👍4
🧩 Эффективное кэширование для Python-приложений
dm-cache — это библиотека для кэширования данных в Python, которая обеспечивает высокую производительность и простоту использования. Она поддерживает различные стратегии кэширования и позволяет легко интегрироваться в существующие приложения, улучшая их скорость и отзывчивость.
🚀 Основные моменты:
- Поддержка различных стратегий кэширования.
- Простая интеграция в Python-приложения.
- Высокая производительность и эффективность.
- Легкий в использовании API.
📌 GitHub: https://github.com/mingzhao/dm-cache
#python
dm-cache — это библиотека для кэширования данных в Python, которая обеспечивает высокую производительность и простоту использования. Она поддерживает различные стратегии кэширования и позволяет легко интегрироваться в существующие приложения, улучшая их скорость и отзывчивость.
🚀 Основные моменты:
- Поддержка различных стратегий кэширования.
- Простая интеграция в Python-приложения.
- Высокая производительность и эффективность.
- Легкий в использовании API.
📌 GitHub: https://github.com/mingzhao/dm-cache
#python
GitHub
GitHub - mingzhao/dm-cache: Generic block-level cache utility based on Linux device mapper framework
Generic block-level cache utility based on Linux device mapper framework - mingzhao/dm-cache
❤8👍6🔥3
This media is not supported in your browser
VIEW IN TELEGRAM
🦾 Собери собственного человекоподобного робота!
OpenArm - это открытый проект гуманоидного робота, включающий всё необходимое для сборки, модификации и управления собственными роботизированными руками.
В комплект входят CAD-модели, прошивка, управляющее ПО и симуляторы, так что можно сразу перейти от идеи к реальному устройству.
Система поддерживает телеоперацию с обратной связью по усилию и гравитационную компенсацию, позволяя оператору управлять рукой естественно и точно.
💡 OpenArm интегрируется с MuJoCo и Isaac Sim, что позволяет тестировать управление в виртуальной среде перед запуском на железе.
Проект ориентирован на исследовательские лаборатории, стартапы и энтузиастов, желающих изучать манипуляцию и взаимодействие человека с роботом.
🔩 Можно собрать из набора деталей или заказать готовую сборку - цель OpenArm сделать робототехнику доступной и прозрачной для всех.
Разработкой занимается команда Enactic (Токио, Япония).
GitHub: https://github.com/enactic/OpenArm
@pythonl
OpenArm - это открытый проект гуманоидного робота, включающий всё необходимое для сборки, модификации и управления собственными роботизированными руками.
В комплект входят CAD-модели, прошивка, управляющее ПО и симуляторы, так что можно сразу перейти от идеи к реальному устройству.
Система поддерживает телеоперацию с обратной связью по усилию и гравитационную компенсацию, позволяя оператору управлять рукой естественно и точно.
💡 OpenArm интегрируется с MuJoCo и Isaac Sim, что позволяет тестировать управление в виртуальной среде перед запуском на железе.
Проект ориентирован на исследовательские лаборатории, стартапы и энтузиастов, желающих изучать манипуляцию и взаимодействие человека с роботом.
🔩 Можно собрать из набора деталей или заказать готовую сборку - цель OpenArm сделать робототехнику доступной и прозрачной для всех.
Разработкой занимается команда Enactic (Токио, Япония).
GitHub: https://github.com/enactic/OpenArm
@pythonl
🔥9❤5👍5
This media is not supported in your browser
VIEW IN TELEGRAM
Один One Day Offer вам или целых три — всем? 😉
25 октября Сбер проведёт сразу три экспресс-отбора кандидатов в две команды: GigaData и Kandinsky. Чем вам предстоит заниматься 👇
✔️ Развивать GigaData — внутреннюю платформу Сбера, которая обрабатывает петабайты данных и миллиарды запросов в сутки. One Day Offer для Python‑разработчиков.
✔️ Работать над Kandinsky — обучать большие модели с нуля, собирать и подготавливать данные, исследовать самые эффективные методы дообучения моделей.
— One Day Offer для Machine Learning Engineers с опытом в Deep Learning и компьютерном зрении (CV).
— One Day Offer для Research и Deep Learning Engineers.
Выбирайте то, что больше подходит под ваши навыки, и регистрируйтесь на One Day Offer!
25 октября Сбер проведёт сразу три экспресс-отбора кандидатов в две команды: GigaData и Kandinsky. Чем вам предстоит заниматься 👇
✔️ Развивать GigaData — внутреннюю платформу Сбера, которая обрабатывает петабайты данных и миллиарды запросов в сутки. One Day Offer для Python‑разработчиков.
✔️ Работать над Kandinsky — обучать большие модели с нуля, собирать и подготавливать данные, исследовать самые эффективные методы дообучения моделей.
— One Day Offer для Machine Learning Engineers с опытом в Deep Learning и компьютерном зрении (CV).
— One Day Offer для Research и Deep Learning Engineers.
Выбирайте то, что больше подходит под ваши навыки, и регистрируйтесь на One Day Offer!
❤3🔥2😢2
@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8👍4🔥3
Питонисты, общий сбор на Selectel Python MeetUp 🐍
📍 30 октября, 18:00, Санкт-Петербург или онлайн
Встретимся с топовыми спикерами из Selectel, Яндекса и Райффайзен Банка. Протестируем экосистему mypy на разных версиях Python, обсудим хаос-тесты и cron/systemd timers. В конце вас ждет афтепати с пиццей и нетворкинг с тимлидами.
А теперь конкретнее — на митапе вы узнаете:
✔️ как использовать экосистему mypy в инфраструктуре с 400+ микросервисов,
✔️ как запускать задачи по расписанию от cron/systemd timers до чистого Python,
✔️ насколько сильно можно нагрузить систему, прежде чем она сломается.
Мероприятие абсолютно бесплатное. Приходите в офис Selectel или подключайтесь онлайн. Регистрируйтесь по ссылке.
P.S. Отправляйте коллеге-питонисту и приходите на митап вместе 😎
Реклама. АО "Селектел". erid:2W5zFK8m6tp
📍 30 октября, 18:00, Санкт-Петербург или онлайн
Встретимся с топовыми спикерами из Selectel, Яндекса и Райффайзен Банка. Протестируем экосистему mypy на разных версиях Python, обсудим хаос-тесты и cron/systemd timers. В конце вас ждет афтепати с пиццей и нетворкинг с тимлидами.
А теперь конкретнее — на митапе вы узнаете:
✔️ как использовать экосистему mypy в инфраструктуре с 400+ микросервисов,
✔️ как запускать задачи по расписанию от cron/systemd timers до чистого Python,
✔️ насколько сильно можно нагрузить систему, прежде чем она сломается.
Мероприятие абсолютно бесплатное. Приходите в офис Selectel или подключайтесь онлайн. Регистрируйтесь по ссылке.
Реклама. АО "Селектел". erid:2W5zFK8m6tp
❤4😱2👍1
🤖 MimicKit: Алгоритмы имитации движений для тренировки контроллеров
MimicKit предлагает набор алгоритмов для имитации движений, включая DeepMimic и другие. Поддерживает обучение с использованием методов глубокого обучения и RL, таких как PPO и AWR. Идеально подходит для создания реалистичных анимаций.
🚀Основные моменты:
- Алгоритмы имитации движений и RL.
- Поддержка многопроцессорного и многопоточного обучения.
- Визуализация тренировочных данных и логов.
- Простая интеграция с IsaacGym.
📌 GitHub: https://github.com/xbpeng/MimicKit
#python
MimicKit предлагает набор алгоритмов для имитации движений, включая DeepMimic и другие. Поддерживает обучение с использованием методов глубокого обучения и RL, таких как PPO и AWR. Идеально подходит для создания реалистичных анимаций.
🚀Основные моменты:
- Алгоритмы имитации движений и RL.
- Поддержка многопроцессорного и многопоточного обучения.
- Визуализация тренировочных данных и логов.
- Простая интеграция с IsaacGym.
📌 GitHub: https://github.com/xbpeng/MimicKit
#python
❤4👍4
Данные — стратегический актив компании 💻
Чтобы этого избежать, Cloud․ru предлагает Неудаляемое хранилище резервных копий.
Благодаря технологии Immutable Storage ваши данные становятся неизменяемыми и не могут быть удалены или изменены в течение заданного периода.
Подробнее о технологии — на сайте Cloud.ru🖱
Потеря информации может обернуться:➡️ финансовыми убытками➡️ штрафами от регуляторов➡️ падением репутации и доверия клиентов
Чтобы этого избежать, Cloud․ru предлагает Неудаляемое хранилище резервных копий.
Благодаря технологии Immutable Storage ваши данные становятся неизменяемыми и не могут быть удалены или изменены в течение заданного периода.
Решение:▫️ Защищает от вирусов и шифровальщиков.▫️ Помогает соответствовать требованиям регуляторов.▫️ Сохраняет критически важные данные в неизменном виде.
Подробнее о технологии — на сайте Cloud.ru
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2👍2🔥2
🎧 Хотите превратить любую книгу в аудиокнигу?
Нашли бесплатную нейронку, которая за считанные секунды озвучит даже огромный роман.
✨ Возможности:
— Поддержка множества языков
— Реалистичные голоса от модели KokoroTTS
— Можно создать собственный голос, если готовые не подходят
— Простая установка без лишних заморочек
— Полностью open-source и бесплатный инструмент
🔗 Забираем на GitHub — и слушаем либимые книги 📚🎶
https://github.com/denizsafak/abogen
@pythonl
Нашли бесплатную нейронку, которая за считанные секунды озвучит даже огромный роман.
✨ Возможности:
— Поддержка множества языков
— Реалистичные голоса от модели KokoroTTS
— Можно создать собственный голос, если готовые не подходят
— Простая установка без лишних заморочек
— Полностью open-source и бесплатный инструмент
🔗 Забираем на GitHub — и слушаем либимые книги 📚🎶
https://github.com/denizsafak/abogen
@pythonl
🔥12❤7👍3
Вы начали изучать Python, установили библиотеки, попробовали что-то запустить — и всё внезапно сломалось?
Не переживайте, это случалось с каждым. Просто вы не изолировали окружение. На открытом уроке курса «Machine Learning. Basic» мы разберём, как грамотно настроить виртуальное окружение, чтобы работать с Python и ML-библиотеками спокойно и системно.
Вы узнаете, что такое venv, conda и uv, как управлять зависимостями и подключать Jupyter Notebook к своему окружению. Настроим всё пошагово — без сложных терминов и магии.
Присоединяйтесь 28 октября в 20:00 (МСК). Уверенный старт в Python и машинном обучении начинается с чистого окружения. Регистрация открыта: https://otus.pw/zyQi/?erid=2W5zFHYpC6C
#реклама
О рекламодателе
Не переживайте, это случалось с каждым. Просто вы не изолировали окружение. На открытом уроке курса «Machine Learning. Basic» мы разберём, как грамотно настроить виртуальное окружение, чтобы работать с Python и ML-библиотеками спокойно и системно.
Вы узнаете, что такое venv, conda и uv, как управлять зависимостями и подключать Jupyter Notebook к своему окружению. Настроим всё пошагово — без сложных терминов и магии.
Присоединяйтесь 28 октября в 20:00 (МСК). Уверенный старт в Python и машинном обучении начинается с чистого окружения. Регистрация открыта: https://otus.pw/zyQi/?erid=2W5zFHYpC6C
#реклама
О рекламодателе
❤4😁3
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6👍2🔥2