はてなブックマーク

https://docs.microsoft.com/ja-jp/dotnet/machine-learning/how-does-mldotnet-work ML.NET を使用すると、オンラインまたはオフラインのどちらのシナリオでも、.NET アプリケーションに機械学習を追加できます。 この機能により、データを使った自動予測をアプリケーションで利用できるようになります。ML.NET を使うためにネットワークに接続する必要はありません… 要するに .NETアプリケーションに機械学習の機能を追加 オンライン、オフラインどっちも大丈夫だけどオフライン対応すればネットワークは気にしなくてもいい 32bitアプリも大丈夫 ただし、Tensorflow、LightGBM、ONNXに関連する機能は使えない って感じ。 現状、ディープラーニングの機能をエコシステム、特にデスクトップアプリに組み込むには

https://www.lenovo.com/jp/ja/notebooks/lenovo/lenovo-n-series/Lenovo-Chromebook-S330/p/88LGCS31095 Lenovo Chromebook S330は、フルキーボード、広いタッチパッド、豊富なインターフェースを備えたパワフルな14型のChromebookです。 こんなのを購入して遊んでいます。 ベースはLinuxなので遊びたいのですが、Chromebookへの接続はいろいろ制限されています。 例えば、Teamviewerはクライアント専用。これは面白くないです。 なので、仮想OSとしてUbuntu 18.04をインストールし遊んでみます。 Install Ubuntuまずは仮想OSのインストール。 デベロッパーモードで起動ESCキーとF3 (再読込ボタン) を押しながら電源を入れ、Ctrl+D を

# デバイスの認識を確認 $ ubuntu-drivers devices == /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 == modalias : pci:v000010DEd00001B80sv00001028sd00003366bc03sc00i00 vendor : NVIDIA Corporation model : GP104 [GeForce GTX 1080] driver : nvidia-driver-390 - distro non-free recommended driver : xserver-xorg-video-nouveau - distro free builtin # 自動でインストール $ sudo ubuntu-drivers autoinstall # 再起動 $ sudo reboot

Introduction前回は導入手順の紹介しました。 C#をサポートしているので、試してみないわけにはいきません。 Pythonもサポートしており、簡単にテストできそうです。 内容としては、C#(クライアント)-Python(サーバー)とし、クライアントから送信した画像をサーバー側で反転して返すというプログラムになります。 今回のソースは下記になります。

結構前にUbuntuにCaffeをインストールしました。 Windows版がある!!会社でWindows上で動作するDeepLearning環境はないか？という質問を受けて、調べることになりました。 その過程でCaffeがWindowsで動作するように、Microsoftがgithubで開発を行っていることを知りました。 CNTKがあるのに、Caffe?って思いましたが、Windowsシステムに開発者を集めるための一環としては、既にDeepLearningの世界ではそれなりの地位があるCaffeを使えるようにすることは非常に意義があるでしょう。 Windows向けのCaffeは個人デベロッパーがWindows向けにCaffeｗフォークして開発していました。

久しぶりにBitNami Redmine Stackを更新しました。 が、今回はいつも以上に更新に手間取りました。 基本のアップデート手順は前回 (2.0.3-1 to 2.1.0-0)と同じですが、**(8)** の手順は実行しないでください。 つまり (7) まで実行した段階で、次からの手順を実行します。 (1) プラグインの退避<InstallDir>\apps\redmine\htdocs\plugins (InstallDirはBitNami Redmine Stackのインストール先) から、プラグインを一度全部別のフォルダに移動します。 私の場合は、 redmine_logs redmine_comment_only redmine_knowledgebase でした。 (2) データベースのマイグレーションデータベースの更新を実行。スタートメニュー->BitNami Red

前回は、Visual Studio Code Metrics PowerTool 10.0 が提供する5つのコードメトリックス値について説明をしました。 今回は、個々のメトリックス値がどのように変化していくのか、をテーマに 保守容易性指数 について説明します。 Explanationおさらいですが、保守容易性指数はMSDNのコード メトリックス値というページでの説明によると、 保守容易性指数 – コードの相対的な保守容易性を表す、0 ～ 100 のインデックス値を算出します。 値が大きいほど、保守容易性が優れていることを示します。 色分けしたコード評価を使用して、コード内の問題部分をすばやく識別することができます。 緑色の評価は 20 ～ 100 の範囲にあることを示し、コードの保守容易性が良好であることを示します。 黄色の評価は 10 ～ 19 の範囲にあることを示し、コードの保守容易性

スクラム開発ってのが流行っている、というのでせっかくのBTS、Redmineを使って導入できないか？って調べたらプラグインがあるようなので導入してみた。 が、結構道のりは長かった。長かった。 ですので、多大な時間を労するのは、私だけで良いんです。これを見ている方々には、「ここは俺に任せてお前らは先に行け！」 と言わせていただきたいwww 阿呆なコメントはさておき。 この記事の目標は簡単にスクラム環境をRedmineに導入するプラグインRedmine Backlogsを簡単にインストールする事です。 たかがプラグインと思っていると躓きます。結構面倒です。というか、Redmineのプラグインは何かあると、すぐにRedmine本体が動かなくなりますから本当に困ります。 導入対象環境はBitNami Redmine Stack 2.1.2-0です。 最新のバージョンはBitNami Redmine

技術屋さんなので、プログラマーなのでそれらしいネタで情報提供しましょう、ってことで始めた 「.NETで○○○を試してみる」シリーズ 第2弾。 第1弾はソフトウェア工学なんてお題目を掲げたものの、終始ソフトウェアの機能紹介と用語解説に甘んじてたようにも見える。 いや、ソースコードも書いていたし、一応C#**、.NET Framework**っていう範疇ではありましたが。 今回は難読化に挑戦します。 Explanationまずは、難読化が何か、というところから。 そもそも、.NET 用に作成されたプログラムは、CやC++で作成されたプログラムに比べてリバース エンジニアリングが極めて容易です。 なぜなら、ソースコードがコンパイルされて作成された実行ファイルやアセンブリは、その時点ではネイティブコードに変換されていないためです。 C#やVisual Basic .NETで記述されたソースコードは