> The squashmigrations command now supports specifying the starting migration from which migrations will be squashed.
> Date and time lookups can be chained with other lookups (such as exact, gt, lt, etc.). For example: Entry.objects.filter(pub_date__month__gt=6).
фольга ж алюминиевая — она очень дешевая. Ну как минимум — явно дешевле электродов для точечной сварки. Может по началу новый вид сварки и будет дороже точечно, но потом должен стать более выгодным. Но вот про гальванические пары в соединениях аллюминий-сталь, как заметил oledje (тут), интересно, т.к. при обычном контакте явно будет коррозия. Можно конечно как-то легировать сталь, что бы снизить эффект, но всё-равно «стрёмно»
да и вообще тонкие проволочки потенциально опасны. Если получить кулаком по ребрам, то это будет неприятно, но не катастрофично. А тут эти проволочки имеют малую площадь и прилично так вопьются в легкие, да и кожу могут порезать.
Возможно, что это только «каркас» на который потом наносится еще какой-то материал.
ну а еще они все были полноватые в начале, думаю это сказывается на эффективности энергозатрат.
Ну а вообще там же всё приблизительно. Они сравнили людей, эльфов и хоббитов с лисами, оленями и опоссумами (исходя из диеты, образа жизни и соотношения размеров), на основании всех этих допущений вывели коэффициенты описывающие (не)эффективность использования килокалорий (людо-лисы — 1, олене-эльфы 0.7025, опосумо-хоббиты 2.1799). Потом взяли какую-то «стандартную» формулу для BMI людей:
(вес в кг, рост в см, возраст в годах «смасштабированных» до продолжительности жизни людей).
так-что хоббиты столько едят лишь потому-что их по эффективности сравнили с опоссумами (которых, в свою очередь выбрали из-за диеты основанной на жуках и мёде)
Кстати и топовые ответы не всегда являются самыми лучшими. Бывает что есть «более правильный» ответ, который оставили значительно позже топового, и он естественно в топ либо выйдет не скоро, либо не выйдет вообще
что же выбрать для интеграции с проектом на django. Я вот недавно искал и наткнулся на swampdragon, а тут вот еще одна новая подобная штука вылезла. Вот бы сравнил кто и показал примеры интеграции. Задача простая — много разных «чатиков» завязанных на конкретные записи в БД определенных таблиц (и используемых через модели django)
> Статья в местной пресс не даёт ясного понимания, почему систему видеонаблюдения развернули именно на аэростатах. Возможно, это связано с гористым характером местности, так что наземные камеры не могут покрывать большую территорию. Видеокамеры с неба способны отслеживать отдельных граждан с расстояния более километра.
не факт что у оставшихся работников был с собой фотоаппарат, а телефоны могли и кинуть где-то далеко от периметра — всё равно нет связи. Ну и самое простое: не до того им было.
насколько я понял у fuji всё проще: там 2 вида сенсоров, один более чувствительный, другой менее. Благодаря этому диапазон чувствительности увеличивается. Если провести аналогии как на видео, то у fuji 2 стакана: маленький и большой, а у modulo стакан постоянно опрокидывается. Получается что modulo может обработать абсолютно любые засветки сохраняя адекватные соотношения яркости между соседними пикселями. Однако непонятно как точно восстановить яркости этих «переполненных» пикселей — наверняка как-то отталкивается от «нормальных» незасвеченных пикселей (которые тоже определяются алгоритмически). Так-что потенциальных проблем масса: на «полностью» засвеченной фотографии может будет множество вариантов «восстановленных» снимков и не всегда получится автоматически выбрать лучший вариант. Так же могут быть проблемы с контрастными элементами — подозреваю что алгоритм может решить что внезапная темная область на самом деле засвеченная область.
Итого:
* modulo камера НИКОГДА не будет выдавать «засвеченные» снимки
* fuji s3/s5 — просто имеют расширенный диапазон за счет сенсоров разной чувствительности
* «финальный» снимок в modulo восстанавливается алгоритмически и зависит от «незасвеченных» пикселей, соотношений между яркостями соседей и т.д. — качество снимка зависит исключительно от алгоритма, так-что трудно сказать насколько хороши будут результаты/
вот тут: web.media.mit.edu/~hangzhao/posters/ICCP15_Poster.pdf
Можно очень хорошо «догадаться» как работает и камера и алгоритм:
* синежелтый график горы высотой от 0 до 1023 режется на сегменты каждые 255 единиц, потом эти сегменты «утапливаются » к нулю. Даже «на глаз» можно понять что порезанную «гору» можно восстановить обратно в цельную с большой точностью. Проблемы начнуться когда в «рельефе» появятся пики (блики), ущелья (темные полоски рисунка, трещины), плато разных высот (границы объектов).
В документе они, кстати, пишут что из пары снимков результаты получаются гораздо проще и лучше и даёт меньше артефактов чем восстановление hdr снимков из нескольких фоток обычных камер
> Date and time lookups can be chained with other lookups (such as exact, gt, lt, etc.). For example: Entry.objects.filter(pub_date__month__gt=6).
и вот этого тоже очень не хватало.
А вообще давным-давно ведь известна эта особенность раков-богомолов
Возможно, что это только «каркас» на который потом наносится еще какой-то материал.
Латинский алфавит
g — же
h — аш
i — и
j -йот/жи
n — эн
p — пэ
q — ку
s — эс
u — у
y — игрек/ипсилон
Ну а вообще там же всё приблизительно. Они сравнили людей, эльфов и хоббитов с лисами, оленями и опоссумами (исходя из диеты, образа жизни и соотношения размеров), на основании всех этих допущений вывели коэффициенты описывающие (не)эффективность использования килокалорий (людо-лисы — 1, олене-эльфы 0.7025, опосумо-хоббиты 2.1799). Потом взяли какую-то «стандартную» формулу для BMI людей:
(88.362 + (13.397 × вес) + (4.799 × рост) − (5.677 × возраст)) * Coeff
(вес в кг, рост в см, возраст в годах «смасштабированных» до продолжительности жизни людей).
так-что хоббиты столько едят лишь потому-что их по эффективности сравнили с опоссумами (которых, в свою очередь выбрали из-за диеты основанной на жуках и мёде)
9+7+3 не 19 разве? Или есть еще какие-то?
Может просто со столбов воруют?
Итого:
* modulo камера НИКОГДА не будет выдавать «засвеченные» снимки
* fuji s3/s5 — просто имеют расширенный диапазон за счет сенсоров разной чувствительности
* «финальный» снимок в modulo восстанавливается алгоритмически и зависит от «незасвеченных» пикселей, соотношений между яркостями соседей и т.д. — качество снимка зависит исключительно от алгоритма, так-что трудно сказать насколько хороши будут результаты/
вот тут:
web.media.mit.edu/~hangzhao/posters/ICCP15_Poster.pdf
Можно очень хорошо «догадаться» как работает и камера и алгоритм:
* синежелтый график горы высотой от 0 до 1023 режется на сегменты каждые 255 единиц, потом эти сегменты «утапливаются » к нулю. Даже «на глаз» можно понять что порезанную «гору» можно восстановить обратно в цельную с большой точностью. Проблемы начнуться когда в «рельефе» появятся пики (блики), ущелья (темные полоски рисунка, трещины), плато разных высот (границы объектов).
В документе они, кстати, пишут что из пары снимков результаты получаются гораздо проще и лучше и даёт меньше артефактов чем восстановление hdr снимков из нескольких фоток обычных камер