Python/ django
63.4K subscribers
2.25K photos
130 videos
48 files
3K links
по всем вопросам @haarrp

@itchannels_telegram - 🔥 все ит каналы

@ai_machinelearning_big_data -ML

@ArtificialIntelligencedl -AI

@datascienceiot - 📚

@pythonlbooks

РКН: clck.ru/3FmxmM
Download Telegram
This media is not supported in your browser
VIEW IN TELEGRAM
⚡️ Tencent выложила код Hunyuan World 1.1 (WorldMirror)

Теперь доступен полный стек для кастомизации и тонкой настройки модели:

- из видео в 3D-сцену за одну секунду
- преобразование ЛЮБОГО входа (картинка, видео, 3D-приоры) в ЛЮБОЙ выход: 3DGS, depth, камеры, normal-карты, point-cloud
- готовый код для обучения и свои пайплайны

Можно сразу пробовать онлайн-демо или собирать свою модель.

Демо: https://huggingface.co/spaces/tencent/HunyuanWorld-Mirror
Код: https://github.com/Tencent-Hunyuan/HunyuanWorld-Mirror

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
12👍4🔥2😱1
Почему «Async Django» часто решает не ту проблему

Django теперь умеет ASGI и async-views, но автор статьи отмечает: переход на async сам по себе почти ничего не ускоряет. Чтобы получить выгоду, весь код должен быть переписан под асинхронность, а в реальных проектах прирост обычно минимальный.

Где async реально нужен?
В задачах с большим количеством ожидания: внешние API, WebSockets, стриминг ответов. Там async даёт ощутимую экономию.

Но есть нюанс:
Django стал «двухрежимным» фреймворком - синхронные и асинхронные части живут рядом, усложняя архитектуру. ORM всё ещё в основном синхронная, и это становится бутылочным горлышком.

Поэтому для большинства проектов выгоднее оставить sync Django и вынести тяжёлые операции в фоновые задачи (Celery, RQ). Это проще, надёжнее и предсказуемее.

Итог:
Async Django - круто с инженерной точки зрения, но бизнес-ценность есть далеко не в каждом сценарии. Для большинства приложений классический Django остаётся лучшим выбором.


https://www.loopwerk.io/articles/2025/async-django-why/
👍96🔥4