بارگیری داده
بارگیری داده
بارگیری داده
import cv2 import time import datetime cap = cv2.VideoCapture(0) face_cascade = cv2.CascadeClassifier( cv2.data.haarcascades + "haarcascade_frontalface_default.xml") body_cascade = cv2.CascadeClassifier( cv2.data.haarcascades + "haarcascade_fullbody.xml") detection = False detection_stopped_time = None timer_started = False SECONDS_TO_RECORD_AFTER_DETECTION = 5 frame_size = (int(cap.get(3)), int(cap.get(4))) fourcc = cv2.VideoWriter_fourcc(*"mp4v") while True: _, frame = cap.read() gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces = face_cascade.detectMultiScale(gray, 1.3, 5) bodies = face_cascade.detectMultiScale(gray, 1.3, 5) if len(faces) + len(bodies) > 0: if detection: timer_started = False else: detection = True current_time = datetime.datetime.now().strftime("%d-%m-%Y-%H-%M-%S") out = cv2.VideoWriter( f"{current_time}.mp4", fourcc, 20, frame_size) print("Started Recording!") elif detection: if timer_started: if time.time() - detection_stopped_time >= SECONDS_TO_RECORD_AFTER_DETECTION: detection = False timer_started = False out.release() print('Stop Recording!') else: timer_started = True detection_stopped_time = time.time() if detection: out.write(frame) # for (x, y, width, height) in faces: # cv2.rectangle(frame, (x, y), (x + width, y + height), (255, 0, 0), 3) cv2.imshow("Camera", frame) if cv2.waitKey(1) == ord('q'): break out.release() cap.release() cv2.destroyAllWindows() @pythonl
%matplotlib inline import quantstats as qs # extend pandas functionality with metrics, etc. qs.extend_pandas() # fetch the daily returns for a stock stock = qs.utils.download_returns('META') # show sharpe ratio qs.stats.sharpe(stock) # or using extend_pandas() :) stock.sharpe()▪ Github @pythonl
SQLModel 0.0.14с поддержкой pydantic v2 🎉 Уверен, что это самый большой релиз за все время 🤓.
SQLModel- это библиотека для взаимодействия с базами данных SQL из кода Python, с объектами Python. Она создана для того, чтобы быть интуитивно понятной, простой в использовании, хорошо совместимой и надежной.
$ pip install sqlmodel▪ Github @pythonl
pip install alpha_vantage from alpha_vantage.timeseries import TimeSeries import matplotlib.pyplot as plt ts = TimeSeries(key='YOUR_API_KEY', output_format='pandas') data, meta_data = ts.get_intraday(symbol='MSFT',interval='1min', outputsize='full') data['4. close'].plot() plt.title('Intraday Times Series for the MSFT stock (1 min)') plt.show()▪Github @pythonl
wget https://gitlab.com/api/v4/projects/33695681/packages/generic/nrich/latest/nrich_latest_x86_64.deb $ sudo dpkg -i nrich_latest_x86_64.deb▪ GIthub @pythonl
Cometml,с помощью пары строк кода. Посмотрите на прилагаемый скриншот: Интеграция
Comet + OpenAIбудет отслеживать все автоматически: - сообщения и function_call как входы - варианты как выходы - токен использования как метаданные - работми с метаданными
pip install comet_llmЭтот блокнот Colab продемонстрирует вам пример работы
Cometml: https://colab.research.google.com/github/comet-ml/comet-examples/blob/master/integrations/llm/openai/notebooks/Comet_and_OpenAI.ipynb#scrollTo=A0-thQauBRRL ▪ Github @pythonl