Python

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/

⚡️ 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

Тестируй Python-код не «на ощупь», а через три уровня. Сначала юнит-тесты для базовой логики, затем фикстуры для реального окружения (файлы, БД, HTTP-моки), и сверху — hypothesis для автоматического поиска скрытых багов. Так тесты будут короткими, а покрытие и надёжность — максимальными.

    
        
import pytest
from hypothesis import given, strategies as st


# 1) Простой юнит-тест
def test_add():
    assert add(2, 3) == 5


2) Фикстура для окружения (временный файл)
@pytest.fixture
def temp_file(tmp_path):
    file_path = tmp_path / "data.txt"
    file_path.write_text("42")
    return file_path


def test_read_data(temp_file):
    assert read_data(temp_file) == 42


3) Property-based тест (генерация случайных входных данных)
@given(st.integers(), st.integers())
def test_add_random(a, b):
    assert add(a, b) == a + b


Быстрый запуск только упавших тестов:
pytest --lf{}
    

⁉️Машинное обучение кажется чем-то сложным и недосягаемым? Всё проще, чем вы думаете! Первый шаг — разобраться, как устроен ML-процесс и научиться работать в Jupyter Notebook — инструменте, с которого начинают все специалисты в Data Science. На открытом уроке вы шаг за шагом поймёте, как строится путь от данных до модели. Научитесь запускать эксперименты в Jupyter Notebook и Google Colab, работать с виртуальными окружениями и не бояться “сломать” систему. Всё — в формате простых и наглядных примеров. После урока вы сможете уверенно начать свой первый ML-проект и поймёте, какие инструменты нужны, чтобы перейти от теории к практике. ➡️ 13 ноября в 20:00 МСК. Открытый вебинар проходит в преддверии старта курса «Machine Learning. Basic». Регистрируйтесь и сделайте первый шаг в машинное обучение без страха и путаницы:т  https://otus.pw/sLZ2/?erid=2W5zFGojX9i Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🧠 Дискретные диффузионные модели для генерации текста Репозиторий предлагает аннотированную реализацию модели дискретной диффузии для генерации текста, основанную на архитектуре "baby GPT" от Андрея Карпаты. Используя подход денойзинга, модель восстанавливает и генерирует текст, обучаясь на примерах, таких как произведения Шекспира. 🚀 Основные моменты: - Обучение на текстах с использованием дискретных диффузионных моделей. - Параллельная генерация токенов вместо последовательной. - Включает математическую основу и адаптацию существующих архитектур. - Применение к различным наборам данных и настройкам модели. 📌 GitHub: https://github.com/ash80/diffusion-gpt #python

⚡️ Pytest markers: ускоряем разработку и тестирование Когда проект растёт — часть тестов становится медленной (ML-тренировка, GPU-инференс, интеграционные проверки). Pytest позволяет помечать такие тесты и запускать только нужные группы. В примере: - @pytest.mark.fast — быстрые юнит-тесты - @pytest.mark.slow — долгие тесты (например, обучение модели) - @pytest.mark.gpu — тесты, требующие GPU Команды: # Запустить только быстрые pytest -m fast # Запустить всё, кроме slow pytest -m "not slow" Идеально, когда нужно: - быстро прогнать код перед пушем - запускать тяжёлые тесты по расписанию/в CI - разделить ML-тесты по ресурсам (CPU/GPU) Используйте маркеры — и ваша разработка станет быстрее и чище 🧪⚙️ #pytest #python #testing #mlengineering #unittesting #devtools

⚡️ Python трюк: безопасное завершение потоков через флаг события Многие просто daemon=True ставят и надеются, что всё само завершится. Но это ломает контроль и может привести к утечкам. Проще и надёжнее — использовать общий Event, чтобы уведомлять потоки о завершении.

    
        
import threading
import time

stop_event = threading.Event()

def worker():
    while not stop_event.is_set():
        print("Работаю...")
        time.sleep(0.3)
    print("Останавливаюсь корректно.")

thread = threading.Thread(target=worker)
thread.start()

time.sleep(1.2)
stop_event.set()   # посылаем сигнал остановки
thread.join()
print("Все потоки завершены корректно."){}
    

🤖 OpenTrack: Открытая система трекинга движений OpenTrack — это кодовая база для трекинга движений гуманоидов, использующая MuJoCo для симуляции и поддерживающая многопроцессорное обучение. Проект ориентирован на исследование и разработку в области робототехники. 🚀 Основные моменты: - Открытый исходный код для трекинга движений - Поддержка многопроцессорного обучения - Использует MuJoCo для симуляции - Реализует различные сценарии обучения 📌 GitHub: https://github.com/GalaxyGeneralRobotics/OpenTrack

🖥 PostgreSQL: LATERAL JOIN Иногда тебе нужно выполнить подзапрос, который зависит от строки из внешнего запроса, например, выбрать последние покупки для каждого пользователя или самые дорогие товары из категории. Обычный JOIN не справится, но есть мощный инструмент - LATERAL JOIN. Он позволяет вызывать подзапрос для каждой строки внешней таблицы, сохраняя контекст. Этот приём часто заменяет громоздкие запросы или оконные функции и работает значительно быстрее на PostgreSQL. Используй его, когда нужно сделать что-то «на лету» для каждой записи.

Конкурс для тех, кто не боится высоких нагрузок 😎 Мы в VK вовсю готовимся к Highload++. Привезём много крутого — и вы обязаны это увидеть. Поэтому мы решили разыграть 2 билета на ивент 💙 Условия простые: ✅подпишитесь на каналы @vkjobs, @backendhubvk и @frontendhubvk ✅нажмите кнопку «Участвовать» ✅увеличьте свои шансы и пригласите друга — вместе веселее! Информацию об организаторе, правилах и призах ищите здесь, а результаты конкурса мы подведём 1 ноября. Удачи! Участников: 0 Призовых мест: 2 Дата розыгрыша: 16:00, 01.11.2025 MSK (2 дня)