測定データの厄介なバックグラウンドを関数定義なしでいい感じに分離できるすごいアルゴリズム「BEADS」のPythonパッケージを作った - Qiita
測定データの厄介なバックグラウンドを関数定義なしでいい感じに分離できるすごいアルゴリズム「BEADS」のPythonパッケージを作ったPython信号処理実験屋のためのPython 最近いろんな種類の測定データに触れる機会が増えてきて「バックグラウンドの評価を試料や測定手法に依存せずにちゃちゃっと一括処理でやりたいな…」という気持ちが高まってきました。いろいろと探してみたところ、「ちょっと工夫するだけでピークを避けるような範囲指定をしないでもうまいことバックグラウンドのフィッティングができるよ」という論文をみつけました。ちょうどピークが動くせいで範囲指定が厄介な連続測定データがあったので「範囲指定いらないの最高じゃん」と思い早速採用して効果を実感したのですが、「もしかしたらバックグラウンド評価の技術って進歩してるのでは？」とふと思いもう少し深く掘ってみたところBEADSというアルゴリズムを
「IPv6は速い」なんてことはない - Qiita
足りないっていうとNATっていう。 こだまでしょうか、いいえIPv4。 枯渇するといわれ続けて三千年、枯渇しても普及しませんIPv6。 内向きDNSサーバーをIPv6デュアルスタックにした記事のおまけです。 結構かみ砕いて身もふたもない表現をしていますがご了承ください。 IPv6は速くないだろ これ、間違ってたら恥ずかしいんですが、いろんなブログなどでIPv6は速いって見かけますよね。 違うだろ違うだろ違うだろ！！ このハ〇ーーー！ 僕は当たり前のことを声を大にして言いたい。 IPv4が住所ならIPv6も住所であると。※ 郵便番号が5桁から7桁になっても郵便の届く速度は変わりませんでしょう。 ですからIPv6にしても速さは変わりません、ええ。 正確に言えばヘッダー長が固定化されてハードウェアでの処理がしやすくなったりパケットフラグメントされないようになったりなど若干速くなる要素はありますが
Pipenvを使ったPython開発まとめ - Qiita
はじめに 今年は複数人でいっしょにPythonを使って開発を行う機会があったのですが，そのときに導入したPipenvがいい感じでしたので一通りの基本操作についてまとめてみようと思います．個人での開発でも有効だと思いますが，複数人で開発するときに便利かなと感じたところも多かったので，そういう視点も入れながらまとめてみました． ※個人的にチームでの開発でよかった内容にをつけています． Pipenvとは Pythonで開発するときに，プロジェクト毎のパッケージ管理や仮想環境の構築を簡単に自動で行ってくれるツールです．Node.jsのnpmなんかを使ったことがあればイメージがわきやすいと思います． パッケージのインストールならpip，仮想環境の構築ならvirtualenv（venv）を使えば対応できますが，pipenvはそれらをまとめてより簡単に扱えるようにサポートしてくれます．またnpm-scr
matplotlibのめっちゃまとめ - Qiita
0. はじめに やりたいことがあるたびにいちいちGoogleや公式サイトで検索してそれっぽいのを探すのはもう面倒だ。 やっとそれっぽいのを見つけたのに、一行で済むようなことを「plt.なんちゃら」だの「set_なんちゃら」をたくさん並べましたなんてブログはもはや検索妨害だ。 Qiitaにすら僕のためのいい感じのまとめがないなんて…… よく考えたら自分が普段使うようなメソッドなんて限られているじゃないか。 もう自分でまとめるわ。自分のために。 というわけでインポート。 ちなみにmplは6.4.と6.5.でしか使わない。 1. 図（Figure）の作成 matplotlibの描き方は、まず台紙となるFigureをつくり、そこに付箋Axesを貼り、その付箋にプロットしていくというのが僕の中のイメージ。 したがってまず台紙を作る。これにはplt.figure()を用いる。plt.subplots(
Goのtimeパッケージのリファレンスタイム（2006年1月2日）は何の日？ - Qiita
Goのtimeパッケージのフォーマットは独特だ。普通のUnixのstrftimeとかだとフォーマット文字列は%Yとか%mといった文字列なのだけど、Goの場合はそのかわりにある種の「サンプル文字列」を与えるという仕組みになっている。 たとえば次の文字列はGoでは時刻の正しいフォーマット文字列だ。 %Y（年）の代わりに"2006"、%b（月の名前）の代わりに"Jan"と書くといったルールになっている。"%Y-%m-%d"の代わりに"2006-01-02"と書くのは見た目にわかりやすいといえばわかりやすいが、"2006年1月2日15時04分05秒"以外の時刻は正しいフォーマット文字列としては認識されない。2006の代わりに2007とか書いても意味がない。 では一体この2006年1月2日という特別な日は、なんの日なのか？ 最初は1970年1月1日（エポック）から特定の時間が経過した日だとか、あるい
ログ出力のための print と import logging はやめてほしい - Qiita
はじめに Python入門系の記事では概して、Pythonのロギング機能の紹介で最初にlogging.debug()といったloggingモジュール付属の関数を呼ぶ方法を案内しています。 Python本家が提供するloggingの「基本チュートリアル」でもこの点で大差ありません。Python本家の基本チュートリアルでは、print()関数を使用する方法もロギングの手段として有効であるとし、タスクに応じてprint()やlogging.debug()を使いわけよう、という流れで記述されています。 コマンドラインスクリプトやプログラムで普通に使う、コンソール出力の表示 : print() そのような「基本」の説明の後「上級」チュートリアルになってようやく、Python言語付属のロギングメカニズムの説明が始まります。「上級」では4+1種類のデータ構造が紹介され、ここで「基本」で多用されていたlo
numpyでも型ヒントチェックしたいと思った - Qiita
概要 Python3.5以降のPEP484で追加された型ヒント。 numpyのndarrayにも適用できないかと思い、型ヒント静的チェックツールであるmypyや、サードパーティモジュールへの対処などｗｐ調べた結果についてまとめる。 結論 結論からいうと、mypyを用いたnumpy.ndarrayの型ヒントチェックはnumpy-stubsを用いれば可能。 ただし、現（2020年1月）時点ではndarrayのdtype, shapeを指定してのmypyチェックはできない。 一方、dtype, shapeを含めた型ヒントを可読性のためのアノテーションとしてつけたいというのであれば、nptypingを用いるという選択肢がよさそう。 準備 最低限以下をpipでインストールしておく。（カッコ内は筆者の検証時の環境） numpy (1.18.1) mypy (0.761) mypyによる型チェック まず
mypyやっていったぞ - Qiita
でインストールできます http://mypy-lang.blogspot.jp/2017/01/mypy-0470-released.html PEP-526の変数アノテーション Python3.6からPEP 526が採用され、変数のアノテーション構文が入りました。mypyもこれに対応しています。 変数アノテーション使ってmypyで引っ掛ける例 from typing import ClassVar # モジュール変数 module_variable: int = "" # intにstr入れようとしてエラー # error: Incompatible types in assignment (expression has type "str", variable has type "int") class Sample: # クラス変数 class_variable: ClassVar
vim-lspでできること - Qiita
最近になってようやくlspを使い始めたのですが、結局補完とエラー取得と定義ジャンプしかしていないなーと思ったので、他にどんな事ができるのかを調べて見ました。 設定方法等はvim-lspのREADMEやWikiを見たら行けるかと思います。 また、最近ではmattn/vim-lsp-settingsというプラグインが作成され、LSPの面倒くさい設定を書かなくてもローカルに自動でLSをインストールしてくれるようになりました。 もし面倒くさくてインストールしていないという方がいれば、試してみることをおすすめします。 基本的にはヘルプで確認すればいいんですが、僕のLSPに対する知識のなさと英語力のなさで結構わからない事があったのでメモがわりに書きます。 ※ この記事は定期的に便利なコマンドに気づいたときに加筆したりしています。なので古い情報と新しい情報が混ざっていることがあるので注意ください。 基本
:terminalでファイルを開く - Qiita
Vim の :terminal の中から外の Vim を操る方法 https://mattn.kaoriya.net/software/vim/20171219121032.htm に記載されている内容ですが、いくつか躓いたのでメモ 普通に:terminalからvimを起動してファイルを開く それをすると、別のvimがterminalの中で開いてしまって、vim in vim の状態になる。terminalの中で開くのではなく、親vimで開いてほしい。 vim --remote を使う :terminal cmd /c vim --remote $HOME 確かに開くけど、開いた後にterminalウィンドウは消えてほしい。 ++close を使う :terminalにはオプションとして++closeがつけられる。これをつけるとジョブが終了したらウィンドウも閉じてくれる。 :termina
vim-lsp の導入コストを下げるプラグイン vim-lsp-settings を書いた。 - Qiita
これら全ての機能は、テキストエディタと Language Server との間で JSON-RPC を使い、ソースコード本体、コード補完候補、座標情報などを交換する事で実現されています。 温故知新 実は Language Server Protocol は OmniSharp というソースコード補完サーバがベースとなっています。 OmniSharp は元々、Vim で C# のコードを補完する為に作られた Vim プラグインでした。当時は Vim が curl コマンドで通信できる様に REST サーバとして作られていました。それを Microsoft が双方向の通信を行える様に通信仕様を JSON-RPC に定め、汎用化の為に仕様として策定した物が現在の Language Server Protocol です。 Language Server Protocol は Visual Stud
認めたくないものだな… Neural Networkの力学系表現というものを - Qiita
この記事は、NTTコミュニケーションズ Advent Calendar 2019の18日目の記事です。 昨日は @yusuke84 さんの記事、WebRTC Platform SkyWayのサポートについて考えていること でした。 メリークリスマス！ はじめに 会社のAdvent Calendarということで、当初はある程度流れに忖度して技術的なTipsを書こう！ とか考えて、Neural Networkについてネタ探ししてたのですが、結局自分が興味のある話、それも実装よりも理論一辺倒な話に落ち着いてしまった、本記事はそんな成れの果てです。 （まあ１人くらい暴走しても良いですよね、きっと） というわけで、Neural Networkを用いた物理系の表現について、少し前から気になってる話をツラツラと書いていきます。そのうちに、この辺の話を端緒に新規性のある手法を論文化するから、それ相応の評価
astropyから得られた太陽の位置を調べて日の出や日没の時間や昼の長さや季節の違いについて勉強してみたり - Qiita
この記事ではastropyというpythonモジュールを使って太陽の位置を求めて、得られた太陽の位置を使って色んなことをやってみます。 はじめに 地球は太陽の周りを公転しているから太陽の見かける位置はいつも変わっていくものです。大昔から天文学者が太陽の変化を記録して移動の規則を求めて確定させて、それを基として季節の推測に使ってきたのです。 天文学によって太陽の位置を計算する方程式が確定されたので、今は天体観測をする時などには使われています。 太陽の位置の変化には色んな要因からできているため、それを計算することはとても複雑で難しいことですが、天文学のためのpythonモジュールであるastropyを使ったらだいぶ簡単になります。 太陽の位置を計算することはastropyの機能の一つです。astropyの中のget_sunという関数を使ったらすぐ特定の時間の太陽の位置をわかるので、すごく便利で
NVIDIA Docker って今どうなってるの？ (19.11版) - Qiita
大事なお知らせ NVIDIA Docker リポジトリでの 2020 年 9 月の変更により、この記事内容と最新の状況に割と大きな差ができてしまいました。最新の状況に合わせた改訂版を、エヌビディアジャパンの Medium ページに投稿しましたので、今後は是非 Medium のほうをご覧ください。 NVIDIA Docker って今どうなってるの？ (20.09 版) 以下、2020 年 8 月までの内容です。 ※ 2020/07/09 CUDA 11 の正式リリースに伴い、CUDA のインストールコマンド例を 11.0 のものに更新しました。 ※ 2020/06/13 CUDA 11 RC のリリースに伴い、CUDA 10.2 のインストールページからインストールしても CUDA 11 RCがインストールされるケースが確認されたので、10.2 を明示的に指定するように例示コマンドを更新しま
トップ学会採択論文にみる、超解像ディープラーニング技術のまとめ - Qiita
2014年から2018年までのCVPR, ECCV, ICCV などのトップ画像処理学会に採択された、ディープラーニング(DL)を用いた超解像モデルのまとめです。 TensorFlow アドベントカレンダー 8日目の記事です。 本来はtensorflowのコードも合わせて紹介したかったのですが、論文の数が増えてしまったのでそれはまた別の記事で書きます。 単画像超解像は各学会でも毎年沢山の論文が採択される主要分野ですが、2014年に初めてDLを使ったモデルが発表されたのを皮切りにその性能や適用分野を大きく広げています。この記事では主要な17の論文をざっくりと系統立ててまとめ、それぞれの論文でどのような問題にどんなテクニックでアプローチしているかを確認していきます。 パフォーマンスの大まかな推移が下記のグラフです。論文リストは記事の最後に！ 数式なしで主要アーキテクチャを説明してみる DL業界
PythonのIterableを順に追っていく - Qiita
はじめに iterator, generatorとかlist, range, tupleなどのシーケンスやcollections, collections.abcなどの概要とtipsをまとめてみました1. 環境 python3.5 (python3.6のときは付記) すすめかた iterable, iterator -> generator -> container -> seuquence, mapping -> 個々のコンテナ(dict, tuple, list, set) -> collectionsモジュール(主にdefaultdict, OrderedDict, Counter, namedtuple) の順で。都度collections.abcモジュールの話も挟みながら進めていきたい。 iterable, iterator iterableなオブジェクトとは、__iter__特
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
mypyのコマンドラインオプションたち - Qiita
Pytorchのnn.DataParallelを使ったモデルを保存するとloadするときにエラーになる問題 - Qiita
PyTorch+OptunaでMNIST - Qiita
PyTorch入門 メモ - Qiita
