はてなブックマーク

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 今回は、今話題の Claude 3 でAWS CDKというAWSインフラのプロビジョニングツールを使い、簡易的なメール通知の仕組みを作成しました。 基本的にはClaudeに尋ねながら構築を行っており、AWS CDKの最初のセットアップ以外はコードをほとんど書いていません。 なので、AWS CDKに馴染みが無い方でも、最初のセットアップさえ出来れば、Claudeを活用しながら、どなたでもAWS CDKをご活用頂けるのではと考えております。 技術要素の紹介 Claude 3 2024年3月4日に発表されたAnthropic社の最新

はじめに 最近、AWS CDKでコンテナ関連のリソース構築をしておりますが、コンテナリソースをどこまでCDKで実装するべきかが大きな悩みの種でした。 今回、コンテナ周辺のリソースをCDK、コンテナ本体のリソースをecspressoで構築した為、構築内容の紹介となっています。 ecspressoとは ECSサービス、タスクに関わる最小限のリソースをコード管理する事ができるツールです。 CDKを使う中で「CDKでサービス定義、タスク定義をするのは運用上厳しい」と感じた為、 CDKでサービス定義、タスク定義以外のリソースを構築 ecspressoでサービス定義、タスク定義、デプロイにも利用 ecspressoの外部参照機能（後述）を利用し、CDKで定義したリソースを取り込み といった構築の仕方をしています。 動作環境 cdk 2.59.0 ecspresso v2.1.0 構築内容 今回はサンプ

はじめに コンテナデプロイツールであるecspressoですが、ecspresso v2が昨年末にリリースされました！ ecspresso handbookでも紹介されているecspresso v1とv2の変更点の中でも、今回はSSMパラメータストア参照を利用しました。 https://zenn.dev/fujiwara/books/ecspresso-handbook-v2/viewer/v1-v2 何のために利用したか？ ECSのログコンテナ用fluent-bitのイメージですが、 検証環境でstableタグ指定で運用し、ログ転送に問題が無いかをテスト 具体的にはpublic.ecr.aws/aws-observability/aws-for-fluent-bit:stableの形で指定 ログ転送に問題が無い場合、動作環境用のSSMパラメータストアの値をstableタグのイメージURI

はじめに 最近、CDKのベストプラクティスを久しぶりに読み返していたのですが、grantメソッドなる存在を知りました。 https://aws.amazon.com/jp/blogs/news/best-practices-for-developing-cloud-applications-with-aws-cdk/ こちらのメソッドを利用する事で、例えばCDKのリソース定義時に インラインポリシーを記載 リソースにアタッチ をしなくとも、IAMのインラインポリシーやアクセスポリシーの実装が可能です。 今回はこちらのgrantを利用し、記述量の削減をした例をご紹介します。 対象リソース 今回構築するリソースは以下。ECSの周辺リソースを対象としています。 ECRリポジトリA ロググループB ECSのタスク実行ロール リポジトリAのPULL権限を付与 ロググループBに対するログ吐き出しの権限

はじめに 本日のテーマはWebアプリケーションのEC2 → ECS Fargate移行の際に、 ECSデプロイツールであるecspressoを利用した話です。 移行対象のアプリケーションについて JavaのWebアプリケーション テスト・デプロイ作業は手動な部分が多い 元々のアプリケーションは複数機能が同一EC2上に同居しており、今回その一部アプリケーションをリプレースすると共に、コンテナ化する形を取りました。 プロジェクトの全体像 コンテナ移行（EC2→ECS Fargate） CICDパイプライン用意（開発→テスト環境） リリースシェル用意（テスト→本番環境） 👈今回のテーマ 開発環境と本番環境のAWSアカウントが分かれており、 既存Webサーバーと同様に夜間リリースの運用にしたいという事情がありました。 他にも、テスト環境と本番環境の設定ファイルを書き換えたいといった事情もあり、今

はじめに 以前の記事であるGitHubとVSCode、vscode-revealを使って、知識のストック→アウトプットをシームレスに行える環境を整えた話の続きです 前回の記事ではあまり触れていなかった、VSCode拡張機能のGitLensについての使い方解説です 対象 VSCode上でラクにGit操作をしたい方 前提 Gitの基本的な使い方が分かること Git、VSCodeがインストール済であること VSCodeデフォルトの場合 基本的なGit操作はできる 変更の追跡、差分確認、コミット、プッシュなど GitLensとは VSCode内でGitの各種操作をしやすくするための拡張機能 リポジトリの状態、ブランチ管理を視覚的に行える GitLensを入れてみると 先ほどの「ソース管理」内に以下のビューが追加 今回はその中でもよく使うビューについて紹介します COMMITS（コミットビュー） 現

df = pd.read_csv('https://raw.githubusercontent.com/jbrownlee/Datasets/master/daily-total-female-births.csv') df['Births2'] = df['Births'] + np.random.normal(0, df['Births'].std(), [len(df)]).astype(int) df['Births3'] = df['Births'] + np.random.normal(0, df['Births'].std() * 2, [len(df)]).astype(int) df = df.loc[:50, :]

AdventCalender論文２日目担当のCurryです！ 今回は画像の中の文字を見つける技術の昔と最新をまとめました。 意外と文字検出の論文紹介ってないんじゃね！？っていう 画像は参照サイト（各章の先頭のURL）、論文中から引っ張ってきてます 文字検出 画像の中の文字を見つけるのは 文字検出 と呼ばれます。英語では Text Detection とか Text Localization という。 つまりこんなタスク。オレンジ線が文字を囲めてるので、検出ができたと判断できる。 入力画像 出力 文字検出の難しさは、以下のようによく言われる。（いわゆる論文のイントロの謳い文句） 1. 文字の多様性 2. 文字の色 3. 文字のコントラストや背景との混同 4. 文字の大きさが違う 5. 文字の方向（いわゆるアルファベットが斜めになっていたり） ちなみに、、、 文字認識 は文字を判別することなの

ICCV2019でBestPaperをとったという SinGANの論文を読んでみたンゴ 論文: SinGAN: Learning a Generative Model from a Single Natural Image https://arxiv.org/abs/1905.01164 ICCVはComputerVisionの学会でも最高レベルで、それのBestPaperなので、最高中の最高ということ。実際結果がどれもすごかった。特に画像をアニメーションにするのが一番すごかった SinGANはSigle natural imageのGANを略したもの（おそらく） 結果画像は論文から引用しています GAN(Generative Adversarial Network)は2014の最初の発表以来、さまざまな種類が発表されてきた。 GANのすごいところは、それまで画像生成はVAEなどがやってい

Help us understand the problem. What is going on with this article?

Help us understand the problem. What is going on with this article?

今話題の五等分の花嫁の将来のお嫁さんが誰なのかいろいろ憶測あって、気になったので予測しようとおもいました ディープラーニングの物体検出のstate-of-the-artたち、YOLO v3とFaster R-CNNにまかせてみました 見る人によってはネタバレとかになると思うので、そう思ったらすぐこのページを閉じて下さい これはあくまでテクログです。ネタバレとかがしたいのではなく、ただディープラーニングを使ったあそびとして捉えて下さい 学習データ Kindleで１巻を開いて、スクショをひたすらとって、アノテーション付けました YOLO v3 YOLOはKeras実装を使いました https://github.com/qqwweee/keras-yolo3 こっちの画像の結果は Itsuki 0.36 (220, 93) (273, 153) Nino 0.24 (220, 93) (273,

でぃーぷらーにんぐのフレームワークを使う特訓用の問題集でもあって、チートシートでもあるものをつくってみました https://github.com/yoyoyo-yo/DeepLearningMugenKnock ディープラーニングの論文とかを理解するための特訓集です。自分の手で実装することを目標にしてます。 あくまで趣味ベースで作ったものなので、プルリクエストは受け付けてますが依頼などは一切受け付けません そこをご理解頂けた方のみご利用下さい ★追記 2019.11.7 Study-AI株式会社様　http://kentei.ai/ のAI実装検定のシラバスに使用していただくことになりました！(画像処理１００本ノックも） Study-AI株式会社様ではAIスキルを学ぶためのコンテンツを作成されており、AIを学ぶ上でとても参考になります！ 検定も実施されてるので、興味ある方はぜひ受けること

画像処理が初めての人のための問題集をつくったりました。（完成！！） 研究室の後輩用に作ったものです。 自然言語処理100本ノックがあるのに、画像処理のがなかったので作ってみました。 あくまで趣味ベースで作ったものなので、プルリクエストは受け付けてますが依頼などは一切受け付けません そこをご理解頂けた方のみご利用下さい 画像処理の基本のアルゴリズム理解につながると思います。 pythonのnumpyの練習にもなると思います。(2019.3.8 C++もつくってますーー） ぜひぜひ下のgitをやってみてください。 [HP]https://yoyoyo-yo.github.io/Gasyori100knock/ [Git]https://github.com/yoyoyo-yo/Gasyori100knock ★追記 2020.5.8 環境構築の手間をなくすために、Google Colabに修正

Help us understand the problem. What is going on with this article?