Django уроки
1.Django - что это такое, порядок установки
2.Модель MTV. Маршрутизация. Функции представления
3.Маршрутизация, обработка исключений запросов, перенаправления
4.Определение моделей. Миграции: создание и выполнение
5.CRUD - основы ORM по работе с моделями
6.Шаблоны (templates). Начало
7.Подключение статических файлов. Фильтры шаблонов
8.Формирование URL-адресов в шаблонах
9.Создание связей между моделями через класс ForeignKey
10.Начинаем работу с админ-панелью
https://www.youtube.com/watch?v=FyTL1bnUx5I&list=PLA0M1Bcd0w8xO_39zZll2u1lz_Q-Mwn1F&ab_channel=selfedu
#video #Django #Python
1.Django - что это такое, порядок установки
2.Модель MTV. Маршрутизация. Функции представления
3.Маршрутизация, обработка исключений запросов, перенаправления
4.Определение моделей. Миграции: создание и выполнение
5.CRUD - основы ORM по работе с моделями
6.Шаблоны (templates). Начало
7.Подключение статических файлов. Фильтры шаблонов
8.Формирование URL-адресов в шаблонах
9.Создание связей между моделями через класс ForeignKey
10.Начинаем работу с админ-панелью
https://www.youtube.com/watch?v=FyTL1bnUx5I&list=PLA0M1Bcd0w8xO_39zZll2u1lz_Q-Mwn1F&ab_channel=selfedu
#video #Django #Python
YouTube
#1. Django - что это такое, порядок установки | Django уроки
Курс по Python ООП: https://stepik.org/a/116336
Практический курс по Django: https://stepik.org/a/183363
Django урок 1. Что из себя представляет фреймворк Django и его место в разработке сайтов. Порядок установки пакета Django на домашний ПК. Создание виртуального…
Практический курс по Django: https://stepik.org/a/183363
Django урок 1. Что из себя представляет фреймворк Django и его место в разработке сайтов. Порядок установки пакета Django на домашний ПК. Создание виртуального…
Forwarded from Machinelearning
👀 Релиз SAM 3.1 - одной из самых сильных open-source моделей для компьютерного зрения.
Модель понимает, что происходит на изображении или видео, и умеет находить объекты по текстовому описанию. Можно буквально написать «человек в красной футболке» и она найдёт нужных людей.
Работает не только с картинками, но и с видео. Объект можно задать один раз, и дальше модель будет отслеживать его между кадрами.
Ключевая идея - open-vocabulary. Модель не ограничена фиксированными классами, как старые системы. Она оперирует огромным количеством понятий и может находить практически любые объекты.
Ещё важный момент можно комбинировать способы управления: текст, клики, рамки, маски. Это даёт гораздо больше контроля и точности.
Под капотом новая архитектура, где отдельно решаются задачи поиска объектов и их отслеживания. За счёт этого модель лучше различает похожие вещи и стабильнее работает на видео.
В репозитории уже есть всё для старта: готовые веса, код, примеры и ноутбуки.
По факту это уже не просто инструмент для разметки, а полноценный vision-движок, который можно встраивать в реальные продукты от аналитики видео до автоматизации разметки данных.
Теперь модель может отслеживать до 16 объектов за один проход.
С multiplexing все объекты обрабатываются одновременно:
• меньше лишних вычислений
• нет узких мест по памяти
Результат: скорость обработки видео увеличивается примерно в 2 раза
с 16 до 32 FPS на одном NVIDIA H100!
На новом бенчмарке SA-CO, который включает 270 тысяч уникальных концептов, SAM 3 достигает 75–80% от уровня человека.
https://github.com/facebookresearch/sam3
@ai_machinelearning_big_data
#ai #ml #llm #cv #python
Модель понимает, что происходит на изображении или видео, и умеет находить объекты по текстовому описанию. Можно буквально написать «человек в красной футболке» и она найдёт нужных людей.
Работает не только с картинками, но и с видео. Объект можно задать один раз, и дальше модель будет отслеживать его между кадрами.
Ключевая идея - open-vocabulary. Модель не ограничена фиксированными классами, как старые системы. Она оперирует огромным количеством понятий и может находить практически любые объекты.
Ещё важный момент можно комбинировать способы управления: текст, клики, рамки, маски. Это даёт гораздо больше контроля и точности.
Под капотом новая архитектура, где отдельно решаются задачи поиска объектов и их отслеживания. За счёт этого модель лучше различает похожие вещи и стабильнее работает на видео.
В репозитории уже есть всё для старта: готовые веса, код, примеры и ноутбуки.
По факту это уже не просто инструмент для разметки, а полноценный vision-движок, который можно встраивать в реальные продукты от аналитики видео до автоматизации разметки данных.
Теперь модель может отслеживать до 16 объектов за один проход.
С multiplexing все объекты обрабатываются одновременно:
• меньше лишних вычислений
• нет узких мест по памяти
Результат: скорость обработки видео увеличивается примерно в 2 раза
с 16 до 32 FPS на одном NVIDIA H100!
На новом бенчмарке SA-CO, который включает 270 тысяч уникальных концептов, SAM 3 достигает 75–80% от уровня человека.
https://github.com/facebookresearch/sam3
@ai_machinelearning_big_data
#ai #ml #llm #cv #python
👍2