Popularne tematy
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Parmita Mishra - building cures
Prezes @precigenetic. tworzenie silników do walki z chorobami. poprzedni @penn
> 'udaje, że zostało przejęte' przez OpenAI
> faktycznie zostało przejęte przez OpenAI
> 'lol, rofl nawet lmao' z powodu udanego wyjścia ze startupu
> ???
czy wszystko jest teraz uważane za śmieszne. nie rozumiem tego
6 godz. temu
>CEO dostaje ofertę pracy od OAI
>zamyka swoją własną aplikację
>udaje, że została przejęta
lol, rofl nawet lmao
Mamy dużo danych z obrazowania hiperspektralnego jako KLATKI WIDEO w plikach .h5. Jest tam dużo zakodowanych metadanych, a pliki są obecnie bardzo chaotyczne. Czy ktoś wcześniej z tym pracował?
Musimy to przetwarzać super szybko, ponieważ ilość danych, które generujemy każdego dnia, jest dość szalona.
Obecnie używamy Pythona do przetwarzania i ponownego przetwarzania każdego pliku za każdym razem, gdy go używamy, i nie jest to zbyt schludne, lol.
Potrzebuję pomocy w zrozumieniu najszybszych sposobów na wprowadzenie dużej ilości plików (4-6 GB, setki z nich) do RDBMS z odpowiednią generacją metadanych dla każdego eksperymentu. Musi to implicitnie rozumieć obszar, który jest obrazowany, oraz pseudo kody kreskowe komórek.
Zastanawiam się, czy ktoś tutaj ma jakieś sugestie dotyczące najszybszego sposobu na zrobienie tego. Nie stać nas na zatrudnienie pełnoetatowej osoby do tego w tej chwili, ponieważ jesteśmy na wczesnym etapie, więc każde narzędzie, które ułatwi mi życie, będzie mile widziane.
283
Najlepsze
Ranking
Ulubione