А почему у меня connection.queries Возвращает после ваших манипуляций пустую строку?

Спасибо за урок 🤝

Добрый день. Проделывал то же самое что и вы до 6:47. Однако при запуске страницы мой HTML код не видит CSS. уже часа 3 пытаюсь понять что не так, гуглил, спрашивал у знакомых и чатаГПТ, игрался с расположением файлов и settings.py но все равно HTML страница не видит CSS. И при переходе на расположение файла CSS (как на 6:55) все равно ничего не видит, и перекидывает на страницу Page Not Found (который мы делали когда работали views.py). Прошу вас, можете помочь с этим и объяснить что может быть не так

У меня при таком раскладе не срабатывает del

Не зря студенты просыпаются в холодном поту от этой темы. Она не так проста. Спасибо вам за хорошее объяснение

Спасибо вам большое

Чувак с пандой >>> ШАД

Браво! Спасибо

Спасибо!!!!!!

в функции round окнугление идет до ближайшего четного числа

Спасибо за урок 👍✌️

Спасибо за урок ✌️👍

Прекрасное объяснение срезов, не так давно читал книгу Пола Бэрри, совсем не понял эту тему там

досмотрел плейлист + зацепил соседний по С/С++ :) Попал относительно случайно с канала Михаила Крыжановского по ML, да и С++ я знаю, но как-то ненапряжно залетел весь плейлист, что то узнал новое, что то вспомнил забытое, немного систематизировал знания. Спасибо, было интересно👍

Спасибо за урок ✌️👍

Спасибо за урок ✌️👍

Я тебе очень благодарен за твой объяснения и то с каким трудом подходишь к подаче материала, после долгих скитаний от статей к статьи и курсов к курсу, твой канал как свежий воздух где понимаешь сложные вещи без проблем, СПАСИБО!!!!

Спасибо за урок ✌️👍

Это прекрасно даже в 2024 xD спасибо🙏

Отличный курс, на основе этого курса, создал свой функциональный сайт, осталось самое легкое, подправить дизайн сайта и выпустить в мир. А будет ли продолжение этого курса? Вроде сказали в конце "в последующих занятиях" однако видео не выходит уже 6-ой месяц) Спасибо!

Получаеться, что свойства объектов, которые находятся в базовом объекте, превращаются в статический свойства ( статические типа языка c++, c#)

Огромное спасибо за уроки ✌️👍

Спасибо за уроки ✌️

Замечательно изложен материал! Большое спасибо!

Не люблю питон, но с кайфом посмотрел этот видос, без воды и всё понятно

Впервые за курсс появилось использование чего-то такого, чего раньше не объясняли - индексирование полей базы данных. Пришлось гуглить, и всё равно не до конца ещё понятно, мб будет понятно дальше. А так лайк авансом

А почему уже после обучения энкодера, при формировании точек на графике, мы все равно добавляем случайную составляющую, у нас же при каждой генерации получатся разные расположения точек. Просто я хотел бы обучить блок нейросети для формирования скрытого вектора, и дальнейшего его использования в другой нейросети уже без обучения. Вот добавление случайностей в скрытый вектор не совсем понятен. То есть вопрос: почему бы уже в предсказании не использовать просто вектор Z_MEAN?

Какая интересная прогрессия, с каждым новым уроком просмотров и лайков всё меньше и меньше

Самое гениальное и доступное изложение информации,смотрю и начинаешь понимать ,что такое действительно программирование и никто почему-то,не говорит ,что начинать нужно именно с языка С ибо он прародитель всего.

Я еще в начале курса не понимал, откуда берется параметр cat_id если в модели он не определен?

Спасибо за развёрнутые уроки 👍🖖

я уже несколько дней бьюсь над тем, как работает эта csrf защита в django. почему тут два ключа? один который в заголовке, второй который в боди отправляется... как поддержать эту защиту без использования rest framework'а? пишу api без rest framework'а. как клиент должен отправлять этот токен (я ему могу его выдать с помощью метода get_token(request)

К сожалению на последней версии TensorFlow код не работает, возникает много ошибок. P.S. Ошибка, чёто ему не нравится. --------------------------------------------------------------------------- ValueError Traceback (most recent call last) Cell In[146], line 19 16 grads = tape.gradient(f_loss, [layer_1.trainable_variables, layer_2.trainable_variables]) 18 opt.apply_gradients(zip(grads[0], layer_1.trainable_variables)) ---> 19 opt.apply_gradients(zip(grads[1], layer_2.trainable_variables)) 21 print(loss.numpy()) 23 y = model_predict(x_test) File c:\Users\Joel\AppData\Local\Programs\Python\Python311\Lib\site-packages\keras\src\optimizers\base_optimizer.py:282, in BaseOptimizer.apply_gradients(self, grads_and_vars) 280 def apply_gradients(self, grads_and_vars): 281 grads, trainable_variables = zip(*grads_and_vars) --> 282 self.apply(grads, trainable_variables) 283 # Return iterations for compat with tf.keras. 284 return self.iterations File c:\Users\Joel\AppData\Local\Programs\Python\Python311\Lib\site-packages\keras\src\optimizers\base_optimizer.py:323, in BaseOptimizer.apply(self, grads, trainable_variables) 321 self.build(trainable_variables) 322 self.built = True --> 323 self._check_variables_are_known(trainable_variables) 325 with backend.name_scope(self.name, caller=self): 326 # Overwrite targeted variables directly with their gradients if 327 # their `overwrite_with_gradient` is set. 328 grads, trainable_variables = ( 329 self._overwrite_variables_directly_with_gradients( 330 grads, trainable_variables 331 ) 332 ) File c:\Users\Joel\AppData\Local\Programs\Python\Python311\Lib\site-packages\keras\src\optimizers\base_optimizer.py:228, in BaseOptimizer._check_variables_are_known(self, variables) 226 for v in variables: 227 if self._var_key(v) not in self._trainable_variables_indices: --> 228 raise ValueError( 229 f"Unknown variable: {v}. This optimizer can only " 230 "be called for the variables it was originally built with. " 231 "When working with a new set of variables, you should " 232 "recreate a new optimizer instance." 233 ) ValueError: Unknown variable: <tf.Variable 'Variable:0' shape=(10,) dtype=float32, numpy=array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.], dtype=float32)>. This optimizer can only be called for the variables it was originally built with. When working with a new set of variables, you should recreate a new optimizer instance. P.P.S. Работающий код, слава ChatGPT! # Пример данных и модели (вы должны использовать свои данные и модель) (x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data() x_train, x_test = x_train / 255.0, x_test / 255.0 model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dense(10) ]) loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True) opt = tf.keras.optimizers.Adam() BATCH_SIZE = 32 EPOCHS = 10 train_dataset = tf.data.Dataset.from_tensor_slices((x_train, y_train)) train_dataset = train_dataset.shuffle(buffer_size=1024).batch(BATCH_SIZE) for epoch in range(EPOCHS): total_loss = 0 for x_batch, y_batch in train_dataset: with tf.GradientTape() as tape: predictions = model(x_batch, training=True) f_loss = loss_fn(y_batch, predictions) total_loss += f_loss grads = tape.gradient(f_loss, model.trainable_variables) opt.apply_gradients(zip(grads, model.trainable_variables)) print(f'Epoch {epoch + 1}, Loss: {total_loss.numpy()}') # Оценка модели y_pred = model(x_test, training=False) y_pred = tf.argmax(y_pred, axis=1).numpy() acc = len(y_test[y_test == y_pred]) / y_test.shape[0] * 100 print(f'Accuracy: {acc}%')

Здравствуйте помогите разобраться с проблемой пишут запуск программы невозможен так как на компьютере отсутствует api-ms-win-core-libraryloader-l1-2-0.dll. Попробуйте переустановить программу

Отличное изложение, спасибо за материал!

Очень интересная информация и доходчиво. Спасибо!

Спасибо за интересный материал!

Сергей, я заметил что у Вас в списке INSTALLED_APPS вместо зарегистрированного приложения 'women' как писали на первых видео появилась строчка 'women.apps.WomenConfig'. Откуда она там взялась и что она значит?)) Кажется, ни в одном из предыдущих видео ничего про эту строчку не было

Сергей "Красавчик!". Все сразу стало понятно. Спасибо.

Просто огонь, Сергей реабилитирует мою веру в то что программисты умеют объяснять материал! Спасибо

Супер объяснение! топ-объяснение моделей в ру-ютубе, особенно понравилась иллюстрация того как можно посмотреть sql-запросы. Любо

А как мы не имея всех исходов попадания, зарание смогли определить, что вероятность попадания равна 50%? Мы это заключили только и того факта, что площадь круга равна площади (прмоугольник минус круг)? Для этого нужно сделать допущение, что попадание дротика в любую часть прямоугольника равновероятна. На основании чего мы делаем данное заключение?

Это всё конечно круто, но хотелось бы увидеть решение конкретных примеров как в первых уроках

У меня не загружался css, проблема была в том что в конце пути static css/styles.css нужен был /

скажите, пожалуйста, можно ли, написав какую-то команду в консоли, имитировать прокрутку колеса мыши?

Очень нравятся ваши занятия! Спасибо!

Ближе к концу видео потерял нить действий но лайк проставил, позже вернусь пересмотрю