Бретт (дрожжи Brettanomyces) дает ноты скотного двора и лейкопластыря
Я точно не гожусь в сомелье – ни того, ни другого не пробовал, распознать не смогу. А Вы правда употребляли? Пластырь пожевать ещё ладно, но скотный двор? 🤔
задача — перенести данные из рабочей базы в аналитическое хранилище
Честно говоря, не вижу существенной разницы: если об аналитике задумались только когда в базе скопилось 10М заказов – это и есть хреновое проектирование. А хоть репликация там есть? А бэкапы?
Мне одному кажется, что необходимость делать выборки по 10М строк есть признак оч. хренового дизайна всей системы? Ну допустим, удалось допилить базу так, что она отдаст и не грохнется – дальше-то что? Потом это ведь и в коде как-то прожевать надо будет. Как, и главное – зачем? В нормально спроектированной системе такая задача не должна появляться в принципе.
Угу. Вот честно – стало уже немного раздражать обилие статей, рассказывающих, какие сложности пришлось преодолевать при внедрении ИИ из-за его "тупости" или "галлюцинаций" – тогда как из описаний совершенно очевидно, что он лишь выявил косяки, присутствовавшие задолго до него.
автор потом честно признался, что функцию он не искал
А признайтесь честно: вы код в Notepad пишете? Любая среда разработки с самым простейшим статическим анализатором подчеркнёт вызов отсутствующего метода – неважно, завёрнут он в макрос или живёт отдельно.
c:\Tools\YOLO-Annotator-1.5>run.bat
First run: creating the Python environment ...
The system cannot find the path specified.
Press any key to continue . . .
c:\Tools\YOLO-Annotator-1.5>python --version
Python 3.13.13
Работа проделана огромная, вопрос лишь в том, насколько она релевантна поставленной задаче. Подавляющее большинство тестов относится к серверным задачам, при чём тут клиентские веб страницы, не совсем понятно.
P.S.
В (46) для всех сборок указан одинаковый результат 0.014, при этом утверждается, что WASM в 13.07 раза быстрее.
PS7 поставить можно, и он закроет первый пункт. Но остальные четыре (имена процессов, PATH агента, localhost, диск) от версии PowerShell не зависят
Ни с одной не сталкивался. Если питон из MS Store не годится – опять таки, поставьте тот, что подходит. У меня стоят нормальные python.exe под виндой и python3 под WSL, оба отлично находятся. С PATH вообще не понял – шелл Клода наследует PATH юзера, он точно такой же. Но даже если почему-то нет – это ровно одна строчка в CLAUDE.md. localhost vs 127.0.0.1 – либо прописать на странице Allow-Origin, либо опять же одна строчка. Скорость чтения диска – проблема конкретного компа.
Гм, а что, собственно, мешает просто поставить WSL и PS7? В особенности, WSL: у меня, например, в нём поднята копия серверного сетапа – соответственно, можно локально пропустить все тесты перед пушем в git.
нужно попробовать несколько классов классифицировать
Обязательно. Я так и делаю: помимо тех классов, которые мне на самом деле нужны, модель обучается распознавать несколько классов-ловушек: тех, что визуально похожи на целевые и могут вызывать ложные срабатывания. При обработке они просто игнорируются, в результате количество ложняков заметно снижается.
Опасения вполне обоснованные, сам об этом неоднократно задумывался. Ситуация требует кардинальной перестройки системы подготовки программистов – при том, что образование – крайне консервативная сфера, она и до ИИ фактически уже перестала успевать за изменениями технологий – а сейчас этот разрыв стал просто катастрофическим.
В то же время в некоторых случаях ИИ просто вскрыл уже имеющиеся проблемы, например:
Рост дублирования. Объем дублирующихся блоков кода (от 5 строк и более) вырос на 81%.
Камон, гайз... вот это означает лишь то, что в проекте и ранее не умели пользоваться инструментами статического анализа кода, полностью полагаясь на ручные проверки. Если к проекту прикручен CPD и правило, что превышение количества дублирований блокирует коммиты, то введение в контур разработки ИИ ничего не поменяет.
Автор поэтому и кропит центральную часть кадра с Full HD сенсора, сохраняя исходную плотность пикселей на градус
Так тут дело не в плотности пикселей, а в количестве деталей в изображении, поступающем на вход модели. При таком кропе уверенно классифицировать объект именно как дрон вряд ли возможно. Поэтому автор и пишет, что птицы у него тоже распознаются как дроны. Подозреваю, и на тучки будет так же реагировать.
Другое дело что поле зрения при этом сужается в замочную скважину
Да, и к тому же при фиксированной зоне захвата резко повышаются требования к оператору: он должен держать дрон строго в пределах рабочей зоны, иначе захват потеряется. На больших расстояниях это задача нетривиальная, мало отличается от самостоятельного прицеливания. Нужен трекинг объекта по всему кадру.
Добавить лазерный ик-дальномер - он даст расстояние, размеры по картинке, по смещению расчет траектории, расчет доворота и упреждения...
Насколько я знаю, примерно так и работают скажем, зенитные автоматы наведения – достаточно давно уже, так что у военных накоплен огромный опыт в этой сфере. Повидимому, с дронами он не работает так же хорошо, как с классической авиацией. Ну или их просто слишком много, на все сразу не наведёшься. Да и устройства эти далеко не карманные.
Есть опыт? 😁
Бессмертие – наверное, скучная штука. А вот если удалось просрать аж 80 млрд, то:
Они у тебя точно были;
Трудно предполжить, что парочка не прилипла так, что уже и не отдерёшь.
Мне – уже нет 🙂 Сам исследовал, и результат получил.
За исключением ситуации, когда Мака нет, только винда. Но и там тоже можно, и даже не сказал бы, что сложнее.
Я точно не гожусь в сомелье – ни того, ни другого не пробовал, распознать не смогу. А Вы правда употребляли? Пластырь пожевать ещё ладно, но скотный двор? 🤔
В принципе не имею ничего против того, чтобы на моём личном балансе образовались $80 млрд убытка.
Честно говоря, не вижу существенной разницы: если об аналитике задумались только когда в базе скопилось 10М заказов – это и есть хреновое проектирование. А хоть репликация там есть? А бэкапы?
Мне одному кажется, что необходимость делать выборки по 10М строк есть признак оч. хренового дизайна всей системы? Ну допустим, удалось допилить базу так, что она отдаст и не грохнется – дальше-то что? Потом это ведь и в коде как-то прожевать надо будет. Как, и главное – зачем? В нормально спроектированной системе такая задача не должна появляться в принципе.
Угу. Вот честно – стало уже немного раздражать обилие статей, рассказывающих, какие сложности пришлось преодолевать при внедрении ИИ из-за его "тупости" или "галлюцинаций" – тогда как из описаний совершенно очевидно, что он лишь выявил косяки, присутствовавшие задолго до него.
А признайтесь честно: вы код в Notepad пишете? Любая среда разработки с самым простейшим статическим анализатором подчеркнёт вызов отсутствующего метода – неважно, завёрнут он в макрос или живёт отдельно.
Never mind, разобрался. Не тот питон первым в PATH.
Это почему?
Работа проделана огромная, вопрос лишь в том, насколько она релевантна поставленной задаче. Подавляющее большинство тестов относится к серверным задачам, при чём тут клиентские веб страницы, не совсем понятно.
P.S.
В (46) для всех сборок указан одинаковый результат 0.014, при этом утверждается, что WASM в 13.07 раза быстрее.
Ни с одной не сталкивался. Если питон из MS Store не годится – опять таки, поставьте тот, что подходит. У меня стоят нормальные
python.exeпод виндой иpython3под WSL, оба отлично находятся. СPATHвообще не понял – шелл Клода наследуетPATHюзера, он точно такой же. Но даже если почему-то нет – это ровно одна строчка в CLAUDE.md.localhost vs 127.0.0.1– либо прописать на страницеAllow-Origin, либо опять же одна строчка. Скорость чтения диска – проблема конкретного компа.Гм, а что, собственно, мешает просто поставить WSL и PS7? В особенности, WSL: у меня, например, в нём поднята копия серверного сетапа – соответственно, можно локально пропустить все тесты перед пушем в git.
Обязательно. Я так и делаю: помимо тех классов, которые мне на самом деле нужны, модель обучается распознавать несколько классов-ловушек: тех, что визуально похожи на целевые и могут вызывать ложные срабатывания. При обработке они просто игнорируются, в результате количество ложняков заметно снижается.
Опасения вполне обоснованные, сам об этом неоднократно задумывался. Ситуация требует кардинальной перестройки системы подготовки программистов – при том, что образование – крайне консервативная сфера, она и до ИИ фактически уже перестала успевать за изменениями технологий – а сейчас этот разрыв стал просто катастрофическим.
В то же время в некоторых случаях ИИ просто вскрыл уже имеющиеся проблемы, например:
Камон, гайз... вот это означает лишь то, что в проекте и ранее не умели пользоваться инструментами статического анализа кода, полностью полагаясь на ручные проверки. Если к проекту прикручен CPD и правило, что превышение количества дублирований блокирует коммиты, то введение в контур разработки ИИ ничего не поменяет.
Так тут дело не в плотности пикселей, а в количестве деталей в изображении, поступающем на вход модели. При таком кропе уверенно классифицировать объект именно как дрон вряд ли возможно. Поэтому автор и пишет, что птицы у него тоже распознаются как дроны. Подозреваю, и на тучки будет так же реагировать.
Да, и к тому же при фиксированной зоне захвата резко повышаются требования к оператору: он должен держать дрон строго в пределах рабочей зоны, иначе захват потеряется. На больших расстояниях это задача нетривиальная, мало отличается от самостоятельного прицеливания. Нужен трекинг объекта по всему кадру.
Насколько я знаю, примерно так и работают скажем, зенитные автоматы наведения – достаточно давно уже, так что у военных накоплен огромный опыт в этой сфере. Повидимому, с дронами он не работает так же хорошо, как с классической авиацией. Ну или их просто слишком много, на все сразу не наведёшься. Да и устройства эти далеко не карманные.