Docker導入のための、コンテナの利点を解説した説得資料 - Qiita
何がしたいのか 最近はDockerを導入したサービスがガンガン出てきている一方、現場でのDocker導入に足踏みをしているところもあると思います。 今回はDockerを導入するために、「コンテナを利用するとこんなに便利!!」という主張を展開することで、現場でのDocker導入の推進をしたいと思います！ まあ、スライドモードを使いたかったんですよ TL;DR コンテナと仮想環境は別物だよ コンテナでの運用するといいことがたくさんあるよ どんな環境でも同じように動かせる デプロイ・ロールバックが簡単 システムが簡単に把握できる あいのり環境もいける コンテナとは コンテナ ≒ VM ?? Docker導入しようって言うとこんな話を聞くことがある コンテナってVMみたいなもんでしょ？ VMの上にまたVM作るの? AMI使ってるから、わざわざコンテナにする必要がない コンテナ != VM VMとコ
【体験】3歳の息子に着けたアクションカメラの動画を見て「子供の目線」を教えてもらった（寄稿：赤祖父） - ソレドコ
いつもお世話になっております。赤祖父と申します。 「それどこ大賞」で優秀賞をいただいたことをきっかけに寄稿させていただくことになりました。よろしくお願いいたします。 akasofa.hatenablog.com アクションカメラを子供に着けてもらう 上記の記事でも触れた「子供の目線」を大人としてもっと見てみたい、という話になり、息子（3歳になりました）には今回、こんなものに挑戦してもらうことに。 アクションカメラの定番、GoProシリーズの最新世代コンパクト型モデル「GoPro HERO5 Session」。これを装着してもらって、子供の目線を大人が体感してみようという検証である。 また本体に加えて、子供が胸にGoProを装着するための純正オプション「ジュニアチェストマウント」を購入。厳密に目線の高さならヘルメットかヘッドバンドのような装着になるのだろうが、ただでさえ頭が重い子供にそれは酷
マンガルー - 有名マンガのコマをWebサイト、ブログ、SNSで使える無料Webサービス
「マンガルー」終了のお知らせ いつも「マンガルー」をご利用いただき、ありがとうございます。 この度、2024年5月15日をもちまして、「マンガルー」の運営を終了させていただくことになりました。 ご利用いただいておりますユーザーの皆様には、大変ご不便をおかけして申し訳ございません。 これまでご利用いただき、心から感謝申し上げます。 本当にありがとうございました。 株式会社ムーヤン
日本からドイツへ葉書の出し方 - 国際結婚したのはドイツだ？
逆パターン： 「ドイツから日本へ葉書の出し方」はこちら 宛先、住所の書き方 日本からドイツへの葉書の書き方を紹介します。 ちなみにこれは、封筒でも小型の小包（郵便扱い）でも同様です。 差出人は左上、宛先は右下 目上の人を上に書く日本人としては「え？差出人（自分）が上段に構えていいの？」と不安になりますが、いいんです、差出人は左上なのです。 まぁ、文字の大きさを、宛先より小さめにしましょう。 「これが差出人」と分かるように、ドイツ式なら 「Abs.」、英語式なら 「From」 を頭につける。日本の郵便局員からしたら、Fromの方が分かりやすいと思います。 自分の名前、住所を書いていく。 ※相手が「ドイツに住んでいる日本人」なら、いつも日本で出す様に日本語で 郵便番号→都道府県→住所→名前 の順でOK、相手が「ドイツ人」で日本語が読めないなら、ローマ字で 名前→番地→丁目→市区町村→都道府県→
人工知能はラーメン二郎を識別するか - Qiita
はじめに LINE BOT AWARDS向けにレコーディングダイエットのサービスを作ってみました 料理の画像を上げるとAIが自動的に識別してカロリー情報を返却してくれるというものです 要するにこの記事はそのサービスのステマなので早速BotのQRコードを貼っておきます！ 技術的には Qiitaなので技術面をご紹介。 Tensorflow上のInception-v3で料理の判定(Gunicorn + flaskでWebAPI化） LINE Messaging APIとのやりとり部分はHubot上で動作 アダプタはこちら 管理画面はRuby on Railsでさらっと ランタイム入り乱れてて、マイクロサービスアーキテクチャって感じです 後日このあたりの詳細は別の記事にしたいなと思っています。 ＃特にInception-v3でオリジナル画像でトレーニングするのは結構大変だったのでそのへんとか。 2
文章をベクトル化して類似文章の検索 - Qiita
Doc2Vecで類似文章を検索してみたので、実装を紹介します。 Doc2Vecとは コンピュータが自然言語を処理するためには、まず人間の言葉をコンピュータで扱える値にする必要があります。 単語の意味をベクトル化する手法としてWord2Vecが存在します。 詳しくはリンク先がとてもわかりやすいのですが、ざっくり言うと前後n単語のリストでその単語を表現します。 こうすることで、例えば「犬」と「猫」は同じような文脈で使われるため、似た「意味」であると考えることができます。 Doc2VecはWord2Vecを応用し、文章をベクトル化するものです。 実装サンプル 今回Doc2Vecを用いて実現するのは、以下の2つの機能です。 単語で文章を検索 類似文章の検索 サンプルとして、青空文庫の文章を使用しました。 なお、この記事で使用するコードはGitHubで公開しています。 (学習に使用した文章もzipに
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
