「シン・ゴジラ」公開記念特集 塚本晋也、ゴジラを語る - 映画ナタリー 特集・インタビュー
7月29日に全国ロードショーとなる「シン・ゴジラ」。本作の公開を記念し、7月28日から29日にかけて日本映画専門チャンネルで特集放送が行われる。この特集では、著名人がゴジラシリーズの思い出を語る番組「ゴジラ ファーストインパクト」やゴジラシリーズ8作品、そして「シン・ゴジラ」の総監督・庵野秀明が手がけた実写映画がオンエアされる。 映画ナタリーでは、「シン・ゴジラ」で生物学者・間邦夫准教授役を務めた映画監督・塚本晋也にインタビューを実施。「シン・ゴジラ」本編を観終えた直後の塚本に、同作やゴジラシリーズの原体験を語ってもらった。 取材・文 / 秋葉萌実 撮影 / 佐藤友昭 怪獣ものや特撮作品は、好きというのを超えて自分にとってかけがえのないものというか原体験に近いんです。実は子供の頃はゴジラよりもガメラシリーズを観ていたことのほうが多くて……。小学生の頃、通学路にガメラのポスターが貼られていた
How to submit a package to PyPI — Peter Downs
The other month a coworker of mine wanted to distribute a small wrapper he'd written for the Locu API. Instead of forcing developers to clone his repository, he wanted them to be able install with a single command: pip install locu. He wasn't sure how to go about this so I wrote up a quick guide, which I'm publishing below because I haven't found any other guides for this particular use case (pyth
Pythonライブラリを作成してPyPIに登録する - shoya.io
Confusion Matrix(混同行列)を視覚的に描画するdalmatianというライブラリを作成してPyPIに登録しました(ソースコードはGitHubで公開)。パッケージの作成とPyPIへの登録、情報が少なくて苦労したので、必要なファイルと公開手順のメモを残しておきます。 ファイル構成 dalmatian ├── README.md ├── dalmatian │ ├── __init__.py │ ├── matrix.py │ └── test.py ├── register.py └── setup.py dalmatian/dalmatian/matrix.pyがモジュールの実体でtest.pyがテストファイルです。必要なファイルはsetup.pyと__init__.py。register.pyやREADME.mdは任意。 setup.py # coding: u
「シン・ゴジラ」英語版タイトルは「Shin Godzilla」 10月に北米440スクリーン超で限定公開
日本では大ヒット上映中の映画『シン・ゴジラ』が、いよいよ米国、カナダにも登場する。北中南米の配給権を持つファニメーション・フイルム(FUNimation Films)が、2016年10月11日から18日の北米限定公開を発表した。9月2日には北米版公式サイトもオープンした。 公開スクリーン数は440以上としており、主要都市で鑑賞することができる。各劇場は期間中にスケジュールを合う日程で上映するとみられる。 ファニメーションによる7月の配給権獲得の発表の際には、米国公開は2016年末としていた。当初の予定より繰り上がったかたちだが、これは日本での大ヒットを念頭に話題性の高いうちに北米ファンの届けるとの戦略とみられる。前売券は9月9日より発売開始する。 またこれまで英語圏では『Godzilla Resurgence』のタイトルで紹介されることも多かった本作だが、英語版タイトルが『Shin God
A Unified View of Multi-Label Performance Measures
Multi-label classification deals with the problem where each instance is associated with multiple class labels. Because evaluation in multi-label classification is more complicated than single-label setting, a number of performance measures have been proposed. It is noticed that an algorithm usually performs differently on different measures. Therefore, it is important to understand which algorith
機械学習のためのPython入門 クラスとメソッド編 - Beginning AI
機械学習にどのようなPythonの知識が必要かは、Python機械学習プログラミングの監訳者福島 真太朗（ふくしま しんたろう）さんが以下のように述べられています。 Pythonの文法については、リスト、タプル、ディクショナリなどの基本的なデータ構造、forループ、print関数、zip関数、enumerate関数、関数やクラスの作成方法などが理解できていれば十分です。 thinkit.co.jp そこで今回はPythonで書かれた機械学習のコードを読めるように、リスト、タプル、ディクショナリなどの基本的なデータ構造、forループ、print関数、zip関数、enumerate関数、関数やクラスの作成方法について学んでいきます。 従ってこの記事は、Pythonを一度もやったことがなく、機械学習のためにPythonを学びたいという人向けです。 今回読み解くPythonコードについて 今回は題
TensorFlowでニューラル会話モデル - Qiita
以前の記事ではTensorFlowを使って英語から日本語に翻訳するニューラル翻訳モデルを訓練しましたが、今回は最近のチャットボットブームに乗っかって（？）、ニューラル会話モデルを訓練してみました。 環境 環境は以前の記事と同じですが、今回はAWSのスポットインスタンスを使うことでコスト削減を図りました。 TensorFlow 0.9 AWS g2.2xlarge spot instance Ubuntu Server 14.04 Python 3.5 データ ニューラル会話モデルを訓練するためには、発言とその発言に対する返信のテキストデータが必要になります。ここではTwitterのリプライを収集スクリプトを書き、1.3Mほどのツイートと返信先のペアを収集しました。ツイートからユーザ名、ハッシュタグ、URLは削除され、例えば次のようなペアが得られます。 返信先ツイート ツイート
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
http://hateblo.mktakuya.net/entry/2016/08/31/235900
http://neuralpainting.co/
映画は面白さを求めて観られるものではない
