Pull to refresh
14
0

Программист

Send message

Почему вам следует использовать pathlib

Reading time15 min
Views85K

От переводчика: Привет, хабр! Представляю вашему вниманию перевод статьи Why you should be using pathlib и её продолжения, No really, pathlib is great. Много внимания нынче уделяется таким новым возможностям Python, как asyncio, оператору :=, и опциональной типизации. При этом за радаром рискуют пройти не столь значительные (хотя, := назвать серьёзным нововведением язык не поворачивается), но весьма полезные нововведения в язык. В частности, на хабре статей, посвящённых сабжу, я не нашел (кроме одного абзаца тут), поэтому решил исправить ситуацию.


Когда я открыл для себя тогда еще новый модуль pathlib несколько лет назад, я по простоте душевной решил, что это всего лишь слегка неуклюжая объектно-ориентированная версия модуля os.path. Я ошибался. pathlib на самом деле чудесен!


В этой статье я попытаюсь вас влюбить в pathlib. Я надеюсь, что эта статья вдохновит вас использовать pathlib в любой ситуации, касающейся работы с файлами в Python.

Читать дальше →
Total votes 43: ↑41 and ↓2+39
Comments17

Классификация покрова земли при помощи eo-learn. Часть 3

Reading time9 min
Views1.7K

Когда нужны результаты лучше, чем "удовлетворительно"


Часть 1
Часть 2



Переход зоны из зимнего сезона в летний, составлено из изображений Sentinel-2. Можно заметить некоторые отличия в типах покрова по снегу, что описывалось в прошлой статье.

Читать дальше →
Total votes 9: ↑9 and ↓0+9
Comments0

Классификация покрова земли при помощи eo-learn. Часть 2

Reading time9 min
Views2.4K

Часть 1
Часть 3


Переходим от данных к результатам, не покидая рамки своего компьютера



Стек изображений небольшой зоны в Словении, и карта с классифицированным покровом земли, полученная, используя методы, описанные в статье.

Читать дальше →
Total votes 9: ↑9 and ↓0+9
Comments0

Классификация покрова земли при помощи eo-learn. Часть 1

Reading time6 min
Views3.3K

Привет, Хабр! Представляю вашему вниманию перевод статьи "Land Cover Classification with eo-learn: Part 1" автора Matic Lubej.


Часть 2
Часть 3


Предисловие


Примерно полгода назад был сделан первый коммит в репозиторий eo-learn на GitHub. Сегодня, eo-learn превратился в замечательную библиотеку с открытым исходным кодом, готовую для использования кем угодно, кто заинтересован в данных EO (Earth Observation — пр. пер.). Все в команде Sinergise ожидали момента перехода от этапа построения необходимых инструментов, к этапу их использования для машинного обучения. Пришло время представить вам серию статей, касающихся классификации покрова земли используя eo-learn


Читать дальше →
Total votes 17: ↑17 and ↓0+17
Comments0

Information

Rating
Does not participate
Location
Украина
Date of birth
Registered
Activity