ゲームに出てくる犬のレビュー【Full ver】 - 三度の飯より犬が好き
三度の飯より犬が好きなので、ゲームに出てくる犬のレビューをまとめました。 「犬が出てくるゲームのレビュー」では無く「ゲームに出てくる犬のレビュー」です。 モブの犬からメインの犬まで、とりあえずプレイしたゲームの犬の安否含めた感想をひたすら書いています。ゲーム自体のネタバレに関しては配慮/Zeroなのでご注意ください。 それなりにボリューミーなのでほねっこジャーキーでもキメながらまったり読んでいただければ幸いです。気になる犬がいたらぜひゲームをプレイして会いに行ってみてくださいね。 レビューはハイパー亀ですがたまに更新されます。(最終更新：2024/4/4) ※Full記事の量がアホすぎて各所でブラウザがクラッシュしたとの報告をもらったため、50音ごと記事をわけることにしました。（笑うとこです） 本記事では各タイトルとそれぞれに飛べるリンクをつけています。 全部読むぜ！というガッツのある方は
藤子不二雄Ⓐ先生×吉田豪「藤子不二雄Ⓐ展 -Ⓐの変コレクション-」開催記念ロングインタビュー!! | コロコロオンライン｜コロコロコミック公式
藤子不二雄Ⓐ先生は、『忍者ハットリくん』や『怪物くん』、『プロゴルファー猿』などの少年向け作品から、『魔太郎がくる!!』、『笑ゥせぇるすまん』などの青年・大人向け作品も数多く生み出してきた日本漫画カルチャーの伝説的な漫画家です。その藤子不二雄Ⓐ先生の奇妙な世界を先生の「変コレクション」とともに紹介する展覧会が、２０１９年１月６日（日）まで六本木ヒルズ展望台 東京シティビュー（六本木ヒルズ森タワー52階）で開催中。ということで、コロコロオンラインでは開催を記念してプロインタビュアー・吉田豪さんにインタビューを依頼しました。Ⓐ先生の大ファンである吉田豪さんによる、超・超・超貴重なインタビュー９０分１本勝負をコロコロオンライン独占でお届けします！！ 藤子不二雄Ⓐプロフィール 1934年富山県氷見市生まれ、84歳（2018年12月現在）。1951年より漫画制作を始める。主な著作は『忍者ハットリくん
本当に諦めて刺身にタンポポ乗せたほうがよいのか(その1 プログラミングの勉強の順序の話) - Lambdaカクテル
note.mu を読んだ．結論から先に書けや！といった旨のコメントをしてしまったが，「プログラミングを志す初心者のレベルが一定程度に達していない」という不満を表明している点については，同意する．自分も大学生であった頃に同期にプログラミングを教えた経験があるが，似た経験が多かったのである．ちょっと強く書いてしまってごめんネ． さて，初心者である以上，プログラミングについて知らないことがあるのは当然のことであるから，著者もその旨は了解しているはずだ． それを前提として考えてもプログラミングを身に付けるための知識や態度が身に付いていない初心者の存在こそを，彼(彼女)は憂いているのではないだろうか． この「学ぶ前提となるような知識や態度」について，上記記事の主張を見ながら，初心者が身に付けるべき知識・態度を探ってみてはどうだろう，と考え，この記事を書くに至った．俺は今正月で帰省中だが，充電器を実家
古典統計学・ベイズ統計・統計モデリングの関係について - Tarotanのブログ
2019年1月4日 9:30頃 追記 同ブログ記事に対して黒木さんからTwitterにて以下のようなご指摘をいただきました（ごく一部のツイートだけを抜粋）． #統計 もう一度書くと、 * 予測分布の予測性能の比較→AIC, WAIC, LOOCVなど * モデルによるサンプル生成の確率分布がサンプルの真の分布にどれだけ近いかを比較→自由エネルギー, BIC, WBICなど — 黒木玄 Gen Kuroki (@genkuroki) January 3, 2019 ありがとうございます． ご指摘通り，このブログ記事では（最近の統計モデリングにおける特徴のひとつとして）予測性能の評価のほうしか取り上げておらず，特にAICしか触れていません． 特異モデルでも妥当であると言われているWAICへの言及ができなかったのは，私がまったく理解していないだけからです．ニューラルネットワークやベイズモデルなど
化学の世界には鏡像異性体という概念があります。 右手と左手は、構造の相..
化学の世界には鏡像異性体という概念があります。 右手と左手は、構造の相対的な位置関係が全く同じであるにもかかわらず立体的に重なり合うことがありません。 それと同様に、結合している元素が同じで、元素同士の相対的な位置関係が全く同じであるにもかかわらず立体的に重なり合わない分子が化学の世界には存在します。そのような、構造が同じであるにもかかわらず立体的に重なり合わない2種類の分子の関係を「鏡像異性体の関係にある」と言います。 鏡像異性体の関係にある化合物は、R体、S体という呼び方で区別されます。生化学の分野では、L体、D体と呼ぶことも多いです。L-メントールとか、L-アスコルビン酸という名前を耳にしたことがある方も多いと思います。 R体を鏡に写すと、鏡に写ったR体は、S体の立体構造をしています。逆に、S体を鏡に写すと、R体の構造が鏡には写っています。ですから、R体とS体の関係を鏡像異性体と言う
2019年Emacs JPを再始動します
新年あけましておめでとうございます。 さて、2018年はどんな年でしたでしょうか。みなさんには昨今のEmacsの様子は、どう映ったでしょうか。「安定」でしょうか。正直な感想として「停滞」でしょうか。あるいは、特に何も映らなかったかもしれません。 昨年2018年5月には、Emacs本体の最新メジャーバージョンであるGNU Emacs 26.1がリリースされました。 MELPAにも日本からの開発者が投稿したものもいくつも新たに収録されているほか、@10srさんのEditorConfig Emacsや、nim-modeのYuta Yamadaさん(@yuutayamada)、僭越ながら筆者(@zonuexe)のEmacs-PHPなど、世界中から利用されているLispパッケージには現在も日本人が主体となって継続的に開発されているパッケージがいくつもあります。 2016年以降はAyanokoji T
イースⅠ・Ⅱ通史(1)：PC88MkⅡSRの発売::Colorful Pieces of Game
このシリーズは様々な人から聞いて、どうやら（だいたい）はっきりしたパソコン版のイース１から、PCエンジン版のイースⅠ・Ⅱまでの通史として、出来るだけ当時の事情なども織り込みつつ、書いていこうというシリーズだ。 イースを作ったころと重なるのもあって、一度イースを作ったころの記事は削除しようか迷ったのだけど、比較することで「何がわかったのか」がわかるようになるなと思ったので残すことにした。 ものすごく長くなると思うのだけど、まとめて夏コミで最終的に新刊としてリリースされることが目標だ。まあ問題はとんでもないページ数になりそうな予感がすることだけど… また、このシリーズは、山根のバカ、五十嵐さん、古代祐三さん、進藤、長山君、百田のバカ、飯淳、その他名前を少し書きづらい沢山の方々から得た情報で書かれている。僕に情報をくださった方々に感謝したい。 ということで本編。 世がファミコンブームに沸き立ちつ
複数のGPUを使ってCloudML上でモデルをトレーニングする
こんにちは、GMOアドマーケティングのS.Rです。 良いモデルを作るには、大きなサイズの学習データが必要です。そして、高速にモデルをトレーニングすることができれば、イテレーションの短縮になります。今回は高速にモデルをトレーニングするために、複数のGPUでディープラーニングのモデルをトレーニングする方法を投稿します。本記事中の図説は、筆者が自らの環境で作成したものを含みます。 1. LibraryとTool: 今回は下記のディープラーニングのツールまたはライブラリを利用していました。 Tensorflow ディープラーニングに対応しており、Googleの各種サービスなどでも広く活用されている。 2017年2月15日に TensorFlow 1.0 がリリースされた。 対応プログラミング言語はC言語、C++、Python、Java、Go。 対応OSは64ビットのLinux（ただしバイナリ配布は
Factorization Machineの実装と数値検証 - エムスリーテックブログ
はじめに あけましておめでとうございます。エンジニアGの西場です(@m_nishiba)。AI・機械学習チームで自然言語処理や推薦システムの開発を行っています。 Gunosyのデータ分析ブログのDeepなFactorization Machinesの最新動向 (2018)を読んでFactorization Machineに興味を持ち調査しました。 Factorization Machine Factorization Machine(FM)はSVMとFactorization methodを組み合わせたような手法です。 詳しくは下記の論文を読んでください。 Factorization Machine FMを用いることで、スパースなユーザー属性情報等の交差項の重みを効率的に計算することができます。 つまり、下記のような回帰モデルを考えたときに [tex: y(x)=w_0 + \sum{i=
PyTorchでAdversarial Attack. モルモットをインドゾウに誤認識させる - 油を売る
PyTorchを用いて分類器に対する攻撃手法であるAdversarial Attackを実装してみる． これは，分類器に対して故意に誤分類を誘発させるような画像を生成する攻撃手法である．例えば， 自動運転車に対する標識の誤検出の誘発 顔認識システムの第三者による誤認証 など，ニューラルネットの社会実装をする上で重要な問題である． Import Modules 必要なライブラリをimportしておく %matplotlib inline import json import pickle import urllib import numpy as np from PIL import Image import torch import torch.nn as nn import torch.nn.functional as F from torch.autograd.gradcheck im
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
Seeing Theory
