Google Cloud Platform (Google App Engine, Compute Engine, BigQuery や Container Engine など)の情報の日本公式ブログ
「○○ feat. ××」の誤用にご用心この「○○ feat. ××」という表現ですが、みなさんはどのようなイメージを持っていますか? ○○と××が一緒に歌っているとか、○○と××のコラボだと思っていませんか? 実はこの「feat.」という言葉は「featuring」の略です。 そして、「feature」は名詞で「特徴」という意味で、動詞になると「特徴にする」から転じて「主役に据える」「呼び物にする」という意味があります。 そのため「○○ feat. ××」という表現は、○○ が ××を主役に据えているという意味になります。××が主役な訳ですから、「feat.」の後にくる××が○○より大物である場合が多いです。 ○○が大物の××にお願いして自分の曲に出てもらっているというケースが多いので、前述の「平井堅 feat. 安室奈美恵/グロテスク」の場合は、平井堅が安室奈美恵にお願いして出てもらっ
素のVimでも充分便利ですが、やはりできることに限界があります。 プラグインを使うことで標準にはない機能を追加でき、Vimでの作業がもっと捗ります。 時短を加速させるために、入れておきたいVimプラグインを系統別に25個まとめてご紹介します。 コーディングスピードを上げたい方、素のVimにはない機能を追加したい方はぜひ使ってみてください。 最初に入れておきたいVimプラグイン 作業効率化のためにまず入れておきたいプラグインを6つ紹介します。 dein.vim https://github.com/Shougo/dein.vim Vimのプラグインを管理するためのVimプラグインマネージャです。 他のプラグインをインストールする前に、まずdein.vimを入れておくことをおすすめします。 unite.vim https://github.com/Shougo/unite.vim Vim用の統
プロファイラに関する記事を書く過程で、パフォーマンスに関して良い感じの記述があったので、メモ。 support.unity3d.com Tips FPSはCPUとGPUの使用内容によって決まる CPU:物理演算・ゲームのコード・スキニング(GPU skiningでない場合。モバイルはNEONで最適化)、パーティクル、Raycasting(レンズフレア等に使用)等が問題となる GPU:フィルレート、シェーダー、ドローコール、イメージエフェクト等が問題となる 使用してないコールバック(StartやAwake)は削除しておく。 物理演算するオブジェクトの数や計算回数はできるだけ減らす。 fixedTimeStepの値を減らして、呼出回数を減らす。標準設定では50FPS想定なので50FPSが不要な場合。(60FPS想定なら上げないとガクガクになる) 静的なコライダー(rigidbodyの無い奴全般
Scala Nativeはscalaのコードを(LLVMのIRを経由して)ネイティブコードにコンパイルするAOTコンパイラ(Ahead Of Time Compiler)です。その存在については、少し前にサイトができていたことで一部で話題になっていましたが、Scala Days 2016 NYCにて正式に公開されました。現在はPre-Release段階ですが、既にサンプルコードを試せるようになっていたので、環境を構築してみました(on Mac OS)。 scala-nativeのリポジトリをcloneする $ git clone git@github.com:scala-native/scala-native.git --recursive git submoduleとしてscala/scalaを持っているので、--recursiveを付けるのを忘れないようにしましょう。 llvm(cla
Amazon.comはディープラーニングを実現するライブラリ「Amazon DSSTNE」(Deep Scalable Sparse Tensor Network Engineの頭文字、読みはデスティニー)をオープンソースで公開しました。 GitHub - amznlabs/amazon-dsstne: Deep Scalable Sparse Tensor Network Engine (DSSTNE) is an Amazon developed library for building Deep Learning (DL) machine learning (ML) models DSSTNEは本番環境のワークロードに対応したライブラリで、以下の特長があります。 マルチGPUスケール 学習と予測のどちらも、複数のGPUにスケールアウトし、レイヤごとにモデル並列化の方法で(model-
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
処理を実行中です
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