Улучшения в работе с паками

Теперь после загрузки пака с сайта — будь то fishing bot для Throne&Liberty (1 или 2), Path of Exile Helper или любой другой — отслеживать обновления от автора стало гораздо проще. EyeAuras сразу покажет, что для пака вышло обновление: пока что это небольшой бейдж рядом с названием папки. Позже, возможно, появится и другой формат уведомлений.

Слияние настроек пака

Уведомления об обновлениях — не единственное, что дает эта функция. Чаще всего, начав пользоваться чужим паком, вы настраиваете его под себя: назначаете свои хоткеи, меняете имя окна, изображения и т. д. Теперь при выходе новой версии эти изменения не будут теряться — EyeAuras возьмет ваши локальные правки, сравнит их с изменениями автора (remote) и объединит их.

В лучшем случае вы получите все новые изменения от автора и при этом сохраните свои собственные настройки.

Этот механизм пока совсем новый и в нем еще могут быть проблемы. Но теперь, когда функция уже заработала, такие баги будет намного проще быстро находить и исправлять.

В идеале вам вообще не придется задумываться о том, как все это устроено. Посмотрим :-D

Откат изменений

Паки делают люди, а людям свойственно ошибаться. Все изменения, которые вносят авторы паков, версионируются и сохраняются как revisions.

Пока что можно сбросить свои изменения только до текущей последней revision. По сути это эквивалент полной повторной загрузки всего пака, только в 1000 раз быстрее.

Как только механизм будет достаточно отполирован, я включу возможность переключаться между revisions.

Предпросмотр

Во вкладке Preview можно посмотреть, как выглядит пак, даже не загружая его. Проверить хоткеи, общую логику и структуру.

В одном из будущих обновлений из этого же окна можно будет просматривать и код, и Behavior Trees/Macros.

Журнал активности

И последняя вкладка — это еще одна форма Event Log. В ней отображается информация об изменениях, текущем статусе синхронизации и всем, что с этим связано.

YoloEase — вышла новая версия 0.1.65

Основной акцент в этом релизе — исправление проблем с автоаннотацией и обеспечение корректной работы Google Collab. Скоро выложу отдельное видео об этом.

Также есть несколько улучшений производительности, которые особенно заметны на датасетах среднего и большого размера (5-10k изображений).

Локальное обучение

При Local Training модель обучается на вашем собственном железе. Плюс в том, что вы платите только за электричество, минус — у вас должно быть все заранее настроено и готово к работе.

Google Collab

С Google Collab обучение выполняется в облачной инфраструктуре, то есть сам код обучения запускается не у вас локально. Можно использовать как бесплатный тариф, так и платный — на ваш выбор.

Исправления и улучшения

• [UI] Немного подправлены выделения памяти — приложение должно потреблять меньше памяти при запуске.