Всё для Python программиста :3 Готовый код, советы, лайфхаки, годные библиотеки, уроки и многое другое!
requirements.txt, в котором вы найдете очень много полезного для вышеупомянутой библиотеки.
Свои идеи по улучшению архитектуры и/или состава данной "базы для создания ботов" предлагайте в комментариях.
Всем спасибо 😉get_best_move() позволяющие получить наилучший шахматный ход в указанной партии.
С этой библиотекой вы легко создадите шахматную игру (с PyGame, например).
Либо целого ассистента для игры в шахматы.
Ставится командой ⚙️ pip install stockfish
Документация и примеры кода здесь.ChatGPT попросили написать функцию для определения опытности программиста на основе его расы и пола.
Вот что она выдала:
если черная женщина - джун
если черный мужчина или белая женщина - мид
если белый мужчина - сеньор
Теперь всё понятно.time.sleep работает, но на маленьких значениях результат будет не таким, какой вы ожидаете.
Например, если нужно подождать 5ms или даже 10ms, time.sleep будет ждать вместо этого 15-20ms.
А кастомная реализация подождёт именно те самые 5-10ms.
Код на скрине выше доказывает эту теорию.
Кастомка стабильно выдает нужное время ожидания, даже если это 2ms.
В то время как дефолтный time.sleep практически каждый раз не позволяет ждать меньше 15-20ms.
Может показаться мелочью, но об этом следует знать.time функция sleep работает не так хорошо, как требуется.
Например, если вам нужно подождать всего 5 или 10 миллисекунд, то следует использовать кастомную функцию для этой цели на основе цикла while.
Пример такой функции на скрине выше.
Код можете взять здесь.
Такой метод будет работать в разы лучше, чем time.sleep.Parexel, X5 Retail Group, NVIDIA, Pirogov AI.
Если после успешного обучения вы не найдёте работу, мы вернём вам деньги, ведь гарантия трудоустройства закреплена в договоре.
Узнать подробности и получить курс со скидкой 48%: https://clc.to/xxCTrA
Реклама. ООО ГикБреинс. Государственная лицензия № 040485.NumPy установленный через PIP будет работать в 6 раз медленнее, чем мог бы!
Тот же модуль, установленный через Conda работает в 6 раз быстрее!
Причина в том, что версия NumPy из Conda использует MKL.
В то время как дефолт с PyPi собран на BLAS and LAPACK.
Подробнее можете почитать по ссылкам.
Однако не обязательно ставить Conda, чтобы установить производительную версию NumPy.
Для этого в PyPi есть отдельный пакет intel-numpy.
По поводу процессоров AMD тоже весело, так как раньше существовал "баг", позволяющий использовать MKL на процессорах AMD.
Однако компания Intel поправила всё и убрала эту возможность в 2021.
Не благодарите 😉