---

39 ghfrnbxtcrfz
from gensim.models import Word2Vec

# Текст из предыдущего задания
text = "Лес тихий и зелёный. Птицы поют в лесу. Зелёный лес и чистый воздух."

# Разбиваем текст на предложения, а предложения на слова
corpus = [sentence.split() for sentence in text.split('. ') if sentence]

# Обучаем модель Word2Vec
model = Word2Vec(corpus, min_count=1, vector_size=100)

# Вычисляем сходство между словами "лес" и "птицы"
similarity = model.wv.similarity('лес', 'птицы')

# Выводим значение, округлённое до двух знаков после запятой
print(round(similarity, 2))




37
import numpy as np
from ultralytics import YOLO

# Загружаем модель YOLOv8n
model = YOLO("yolov8n.pt")

# Генерируем 30 искусственных кадров и обрабатываем их
for i in range(30):
    # Создаем искусственный кадр (случайное RGB-изображение)
    frame = np.random.randint(0, 255, (480, 640, 3), dtype=np.uint8)
    
    # Выполняем детекцию объектов на кадре
    results = model(frame)
    
    # Получаем количество обнаруженных объектов
    if results[0].boxes is not None:
        num_objects = len(results[0].boxes)
    else:
        num_objects = 0
    
    # Выводим номер кадра и количество обнаруженных объектов
    print(f"Кадр {i+1}: {num_objects}")






36
import numpy as np

# Создаем массив из нулей размером (3, 3)
zeros_array = np.zeros((3, 3))

# Создаем массив из единиц размером (3, 3)
ones_array = np.ones((3, 3))

# Выводим массивы
print("Массив из нулей:")
print(zeros_array)
print("\nМассив из единиц:")
print(ones_array)






import numpy as np

# Создайте массив из чисел [1, 2, 3, 4, 5]
arr = np.array([1, 2, 3, 4, 5])

# Создайте новый массив, где каждый элемент исходного массива умножен на 3 с помощью цикла for
new_arr = []
for x in arr:
    new_arr.append(x * 3)

# Преобразуем в массив NumPy
new_arr = np.array(new_arr)

# Выведите новый массив
print(new_arr)