Вернуть деньги: Как ускорить Python в 3 раза

🚀 Как ускорить Python в 3 раза при запуске в WebAssembly

WebAssembly дает возможность:

Выполнять Python код прямо в браузере – это открывает путь к созданию веб-приложений, написанных полностью на Python, без необходимости использовать JavaScript.
Изолировать и безопасно выполнять сторонний код.
Переносить Python-программы между различными платформами и архитектурами.
Запускать Python-скрипты на устройствах с ограниченными ресурсами (встроенные системы и гаджеты IoT).

Но есть одна ложка дегтя: производительность Python-программ в WebAssembly оставляет желать лучшего. Эту проблему теперь можно решить с помощью компилятора py2wasm, который преобразует Python-программы в WebAssembly (Wasm), не используя нативный интерпретатор. В результате производительность Python-кода значительно увеличивается – по данным разработчиков, в 3 раза.

Компилятор py2wasm ускоряет выполнение Python-кода почти в 3 раза

🐍 Больше полезных материалов вы найдете на нашем телеграм-канале «Библиотека питониста»

⚙️ Сервер на минималках

Автор этой публикации давно ждал появления простейшего локального сервера с автоматической перезагрузкой для разработки небольших веб-проектов. В Python, разумеется, есть сервер, его можно запустить командой python -m http.server. Но автоматическую перезагрузку приложения (как встроенные серверы Django или Flask) этот сервер не выполняет. Автору же нужно было простейшее решение, для которого не надо было бы устанавливать целый фреймворк.

В итоге энтузиаст создал простой однофайловый веб-сервер, в котором есть все, что нужно, для локальной разработки:

Сервер

Это простой HTTP-сервер на Python, который слушает порт 5000 по умолчанию и обрабатывает входящие соединения в отдельных потоках.
Сервер обрабатывает HTTP-запросы на файлы, отдавая их содержимое, а также создает WebSocket соединения.

Автоматическая перезагрузка

Для мониторинга изменений файлов в текущей директории и подпапках используется API inotify.
При любом изменении файла (создание, модификация, удаление) всем подключенным клиентам отправляется сообщение "reload" через WebSocket.

WebSocket связь

При запросе HTML файла сервер внедряет в него JavaScript код, который устанавливает WebSocket соединение с сервером по пути /websocket.
Код на JavaScript перезагружает страницу в браузере при получении сообщения "reload" через WebSocket.

⚙️ Курсы и туториалы

Как построить RAG-систему с нуля

RAG – самая популярная технология для повышения точности и релевантности ответов LLM. С помощью этого подхода модели можно дать доступ к любым данным, которых она не знает. Новый курс freeCodeCamp покажет, как это сделать – в нем рассматриваются все компоненты систем RAG, техники индексации, извлечения и генерации на основе запросов, а также новейшие разработки в этой области:

Вводная часть – объяснение общей концепции и архитектуры RAG-систем.
Индексация – процесс создания индекса из набора документов для последующего эффективного поиска релевантной информации.
Извлечение – получение соответствующих документов из индекса на основе запроса пользователя.
Генерация – этап создания окончательного ответа на запрос на основе извлеченных документов с помощью языковой модели.
Перевод запроса – различные подходы к преобразованию начального запроса в формат, удобный для компонентов извлечения и генерации.
Маршрутизация – процесс определения, какие модули системы RAG следует задействовать для обработки конкретного запроса.
Построение запроса – методы формирования запроса к индексу на основе исходного запроса пользователя.
Использование нескольких представлений документов в индексе.
RAPTOR – алгоритм индексации с применением ранжирования для извлечения релевантных фрагментов.
ColBERT – метод совместного поиска и обучения для индексирования.
CRAG – комбинированный подход к извлечению и генерации.
Адаптивный RAG – динамическое обучение и настройка компонентов RAG для конкретных задач и данных.
Будущее RAG – перспективы развития архитектуры и технологии.

🧩🐍 Интересные задачи по Python для практики можно найти на нашем телеграм-канале «Библиотека задач по Python»

Как запустить Llama 3 локально

Meta* недавно выпустила мощную языковую модель Llama 3*, которая сопоставима с самыми продвинутыми проприетарными LLM. И ее можно запускать локально, с помощью инструмента Ollama, без необходимости подключаться к облачным сервисам. В этом видео объясняется, как использовать Ollama для работы с различными языковыми моделями, в частности с Llama 2* и Llama 3*. Также будет продемонстрирован веб-интерфейс проекта и показано, как запускать модели с помощью Ollama и взаимодействовать с ними, используя Python.

Как сделать браузерную игру на Django и HTMX

Туториал показывает поэтапную разработку лайт-версии популярной игры Connect Four («Четыре в ряд»). Фишка этого проекта – рендеринг и сохранение состояния на стороне сервера. На фронтенде вместо JavaScript используется HTMX.

Интерфейс игры

Как в кино: фантастическое улучшение качества изображений

SUPIR (Scaling-UP Image Restoration) – опенсорсный ИИ-инструмент для улучшения качества и повышения разрешения изображений. Для работы SUPIR требуются Python и FFmpeg. Основные возможности:

Загрузка изображений через графический интерфейс.
Управление с помощью промптов.
Восстановление деталей, удаление шумов и артефактов с исходного изображения.
Значительное увеличение разрешения изображений.
Пакетная обработка множества изображений одновременно.
Поддержка ваших собственных моделей.
Подробнее об установке, настройке и использовании SUPIR – в этом видео:

Как сделать базу данных с графическим интерфейсом

В этом туториале создается настольное приложение для управления данными, в котором можно добавлять, просматривать, обновлять и удалять записи с информацией о сотрудниках с помощью графического интерфейса и базы данных SQLite (без ORM). Чтобы у приложения был более современный и привлекательный вид, помимо Tkinter используются виджеты ttk и customtkinter. Этот проект отлично подходит для начинающих питонистов – здесь подробно разбираются все этапы разработки:

Настройка проекта