導入方法 Chrome リンクを開いてChromeに追加をクリック https://chrome.google.com/webstore/detail/chatgpt-for-google/jgjaeacdkonaoafenlfkkkmbaopkbilf Firefox リンクを開いてFirefoxへ追加をクリック https://addons.mozilla.org/addon/chatgpt-for-google/ まとめ 検索するだけでChatGPTも使えるので便利です。 もしよろしければスターいただけると嬉しいです

from pichromecast import play_url, create_url play_url(create_url('hello world', 'en'), '192.168.10.101') # https://gist.github.com/SpotlightKid/eca9b00239104e8c599b86635f62ab73#file-urlencode-py from urlencode import urlencode from pichromecast import play_url url = 'https://translate.google.com/translate_tts?client=tw-ob&' + urlencode({'q': 'Hello, 世界', 'tl': 'ja'}) play_url(url, '192.168.10.101

コピペするだけで使えます。BurntToastが管理者権限でインストールできない場合やよりカスタマイズしたい場合にご活用ください。 PowerShell 7.1以降をお使いの方へ WinRT.Runtime.dllとMicrosoft.Windows.SDK.NET.dllをロードし、完全修飾名を削除する必要があります。 例: Invoke-WebRequest https://github.com/Windos/BurntToast/raw/main/BurntToast/lib/Microsoft.Windows.SDK.NET/WinRT.Runtime.dll -OutFile WinRT.Runtime.dll Add-Type -Path WinRT.Runtime.dll Invoke-WebRequest https://github.com/Windos/BurntToa

HTMLとサービスワーカーしかない簡易なサイトを作りました。 ここに通知機能を実装してみてください😸 ソース https://github.com/GitHub30/web-push-study まず、サイトを開いてコンソールを出しましょう。 Chrome ( Ctrl + Shift + J ) Firefox ( Ctrl + Shift + K )

Professional Cloud Architectに合格しました。受験体験記を共有したいと思います。 Professional Cloud Architectとは 2022年の最も高収入につながる IT 認定資格ランキングで2位の資格です。平均年収2200万円($169,029) 合格するためにやったこと 模擬問題集で70%あれば合格できます。1セット1時間合計4時間で終わります。試験開始前に間違えた問題を再度確認しておきましょう。Udemyのセール時に購入するのがおすすめです 【最短攻略】Google Cloud 認定 Professional Cloud Architect 模擬問題集 Udemy自動化 Tampermonkeyをインストールし、下記ユーザースクリプトをインストールすることで次へボタンを自動で押せます。2倍ほど速くテストを進められるので便利です。タッチパネルでやる

Professional Data Engineerに合格しました。受験体験記を共有したいと思います。 Professional Data Engineerとは 2022年の最も高収入につながる IT 認定資格ランキングで1位の資格です。平均年収2200万円($171,749) 合格するためにやったこと 模擬問題集で70%あれば合格できます。1セット1時間合計8時間で終わります。試験開始前に間違えた問題を再度確認しておきましょう。Udemyのセール時に購入するのがおすすめです 【最短攻略】Google Cloud 認定 Professional Data Engineer 模擬問題集 Google Cloud Professional Data Engineer - GCP - Exams - 2022 テストは英語ですが、右クリックで日本語にできます。 Udemy自動化 Tampermo

import os import torch print(torch.__version__) torch_ver, cuda_ver = torch.__version__.split('+') os.system(f'pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/{cuda_ver}/torch{torch_ver}/index.html --no-cache-dir') os.system('cd src/ndl_layout/mmdetection && python setup.py bdist_wheel && pip install dist/*.whl') os.system('wget https://lab.ndl.go.jp/dataset/ndlocr/text_re

設定を開く 共有からリモートデスクトップを開く リモートコントロール を有効にする リモートデスクトップアドレスとユーザ名とパスワードをメモする。リモートデスクトップのトグルを二回押す(再起動) リモートデスクトップ接続を開く リモートデスクトップアドレスを入力し、接続を押す ユーザー名とパスワードを入力し、OKを押す はいを押す 接続完了🎉 参考

形態素解析器ごとに結果を比較できるアプリ作ってみました。 streamlitで作ってます。HuggingFace Spaceなら16GB RAM と 8 CPUが無料で使えておすすめです。 import os os.system('git clone --depth 1 https://github.com/neologd/mecab-ipadic-neologd.git && cd mecab-ipadic-neologd && ./bin/install-mecab-ipadic-neologd -n -y -u -p $PWD') os.system('git clone --depth 1 https://github.com/neologd/mecab-unidic-neologd.git && cd mecab-unidic-neologd && ./bin/install-m

AutoTrain🚂🚂🚂とは ノーコードでテキスト分類や要約などがstate-of-the-artできるサービスです。AutoNLPだとググラビリティが低かったので名称が変わったのだと思います。 データ準備 livedoorニュースコーパスのタイトルと本文を結合して、9つのカテゴリを分類しようと思います。 !wget https://www.rondhuit.com/download/ldcc-20140209.tar.gz !tar xf ldcc-20140209.tar.gz import glob import pandas as pd data = [] for path in glob.glob('text/**/*-*.txt'): with open(path) as f: data.append({ 'url': next(f).strip(), 'datetime

from transformers import TrOCRProcessor processor = TrOCRProcessor.from_pretrained("microsoft/trocr-small-printed") TrOCRProcessorは、特徴抽出器とトークナイザをラップしただけです。任意の特徴抽出器とトークナイザを使えます。google/vit-base-patch16-224-in21k や cl-tohoku/bert-base-japaneseなど 事前学習モデルを選択 事前学習モデルが9種類ありますが、すべて10epochsほど試し一番いいので学習させるのがよいかもです。 from transformers import VisionEncoderDecoderModel import torch device = torch.device("cuda"

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

昨日、川崎で通り魔殺傷事件が発生しました。人工知能で何かできないかと思い考えてみました。 ①通り魔を感知 刃物を持っているかどうかで通り魔か判断します。 データセットは、AGH科学技術大学のKnives Images Databaseからダウンロードしました。 刃物を持っているかどうかで2クラス分類を行います。 精度は、99.9%と通り魔をほぼ完全に認識できました。 EdgeTPUで認識すると200fps(レイテンシ5ms)で認識可能です。 最近はTecoGANやSENetなど超解像技術の進歩がめざましいのでコンビニのような荒くてノイズが入るカメラでも高精度で認識することが可能です。 ②警報を鳴らす コンビニなどの警報機と連携がんばる 警報ブザーを鳴らすことで周囲に危険を伝え逃げる時間を与えたり、犯人を動揺または抑止させることができるかも知れません。 ③110番通報 AmazonConne

先日、Visual Studio Code Remote Developmentが発表されました。これを使うと拡張機能や実行環境をリモートで完結きます。 NuxtでVSCode Remoteを使うメリット ローカル環境にNode.jsやyarnをインストールせずに開発でき、ローカル環境を一切汚さずに開発できる。 Node.jsのバージョン管理をしなくてよくなる。 拡張機能をリモート環境に事前にインストールできるため、一緒に開発する人の環境を統一できる。 ESLintやPrettierやデバッグ環境の設定を個々人で設定しなくていい。 パッケージをインストールするとき、OS依存パッケージを考慮しなくていい。 Dockerが使えるのでCI/CD環境と開発環境が統一でき、k8sやCloud Runにデプロイするときも楽。(AppEngineやCloud FunctionsもVSCode Remot