Pythonでのテンプレートエンジンについて調べたのでメモ。 Mako、Genshi、Jinja2 など色々ある(なぜか日本名が多い) フレームワークとしては Bottle が軽量で良さげ これぞ決定版!的なものはないけど Jinja2 が簡単で分かりやすそう というわけで Jinja2 を試してみた。 名前の由来は、テンプレート ⇒ テンプル ⇒ 神社、との事。‥なるほど。 1)インストール 環境はさくらVPS(CentOS)
はじめに 「開発者(個人)のための」としているのは、別に自分でやっても良いんだけど Jenkins に任せられるなら任せたい、くらいのモチベーションを表現したつもりです。 ここでは、スレーブの作り方と使い方を簡単にまとめてみました。 環境 Ubuntu 14.04 LTS Jenkins 1.580, 1.582 途中から 1.582 に Upgrade しました スレーブの設定方法 まずはスレーブを作ってみる とりあえず作るなら、localhost だけで十分です。 スレーブの新規作成 スレーブの設定 赤枠で囲んでいる部分が、手を加えている場所です。 「リモートFSルート」はディレクトリを指定します。存在しないディレクトリでも構いません。勝手に作ってくれます。 「ラベル」は空白区切りで複数指定できます。私はついついコンマ区切りと間違えてしまいます。 起動方法は、「SSH経由でUnixマシ
はじめに 最近の個人的なブームはブロックチェーン・仮想通貨です。 それに伴って(?)仮想通貨など考えるならば、株価を、機械学習で予測することのほうが良いのではないかと思い立った次第です。 とりあえず、データを集めて、それを機械学習のライブラリ(scikit-learnのSVM)に投入してモデルごとの結果を図示化を行いました。 厳密にいえば、今回のものは将来予測ではなく最適収斂モデルなので微妙に違うところもありますが。。 しかしこれは第一弾で、投入データを増やす、モデルをKeras,Tensorflow,chainerなどのやつにする、海外の文献をあさるなど今後に取りうる方針はいろいろありますが、まずはメモ書き残し用途です。 結果 ソースコード import csv import numpy as np from sklearn.svm import SVR import matplotli
はじめに 昔、画像認識での正誤判定にkerasでモデル作成を行ったことがあるが、 その際のソースコードのかけらを発見したので、Qiita上にサルベージしておく。 from keras.models import Sequential from keras.layers import Activation, Dense, Dropout from keras.utils.np_utils import to_categorical from keras.optimizers import Adagrad from keras.optimizers import Adam import numpy as np from PIL import Image import os # 学習用のデータを作る. image_list = [] label_list = [] for dir in os.l
Name Command State Ports --------------------------------------------------------------------------------------------------- laradock_docker-in-docker_1 dockerd-entrypoint.sh Up 2375/tcp laradock_mysql_1 docker-entrypoint.sh mysqld Up 0.0.0.0:3306->3306/tcp, 33060/tcp laradock_nginx_1 nginx Up 0.0.0.0:443->443/tcp, 0.0.0.0:80->80/tcp laradock_php-fpm_1 docker-php-entrypoint php-fpm Up 9000/tcp lar
東京ゲームショウ2018のインディーズゲームブースにてイセキクライマーというゲームの解説のお手伝いをさせていただきました。 ただゲームの解説するのもアレだと思ったので、青森出身という事を活かして津軽弁で解説するか、普通に標準語で解説するかをお客さんに選ばせてみようと思い、下記のようなガジェットを作って持っていきました。 ※イセキクライマーをプレイしていただいた大多数の方々にとっては、こんなもんあったっけ?となると思います。理由は後述いたします。 ただの板に手書きで書かれたようなボタンを触ると、板を見れる位置にいない対面の僕がどのボタンをタップしたのか分かる、という物です。 僕がお手伝いしたイセキクライマーが、一見デジタルに見えないコントローラーだったので、こういうガジェットも似合うんじゃないかな、と思い用意してみました。 仕組み 中身はAndroidタブレットで、タップしたボタンに対応した
今回はvue.jsを使ってフロントエンドを構築するほうを記載します。 単一ファイルコンポーネント vue.jsには単一ファイルコンポーネントという記載方法があります。 そんな大した内容ではないのですが、javascriptとhtmlとcssを1つのファイルに記載できるという機能です。 基本的にvue.jsではこの単一ファイルコンポーネントでファイルを記載していくのかなと思います。 .vueという拡張子のファイルとなりまして、1つのファイル内に、 html,javascript,cssをそれぞれ記載できます。 ファイルがバラバラにならないので、とても管理しやすいです。 また、cssなどの名前のスコープも勝手に区切ってくれるので、使いやすいです サンプル <template> <p>{{ greeting }} World!</p> </template> <script> module.ex
まず最初にフロントとサーバの設計を記載します ログインの動作 ログインの概要 アンケートの前提を記載しておきます メアドとパスワードを事前に登録しておく(社内アンケートなどでの使用を想定) ログイン成功時にトークンをクライアントに送信する(クライアントはそれを記憶しておく) クライアントはアンケートをサーバに送る時にトークンを同時に送る アンケート登録時の動作 アンケート登録の概要 クライアントからPOSTされてきたデータを読み込み、DBに登録します。 ログイン処理(認証) 以下の例では$auth->['psw']にクライアントから入力されたパスワードが入ってきます。 public static function CheckPsw($auth) { $ret = [ 'result' => true, 'id' => 0, ]; // get psw from DB. $psw = Psw
はじめに 「じゃあ、○○さんが運用していたJenkinsの引き継ぎをお願いしますね」 そんな事を言われてしまった貴方へ。 筆者の作業環境 なるべく環境に依存しない内容を心がけますが、 ところどころ出てくるスクリプトは Linux 環境を想定しています。 前提知識 Jenkinsの運用は、いわばJVMで動くWebアプリケーションの運用です。 そのため次のような知識があると、問題発生時に役に立つでしょう。 Webアプリケーションが動く環境の知識 Windows, macOS, Linux それぞれで、Webアプリケーションを動かすための知識が必要でしょう SSH の知識 JenkinsのNodeを増やす際もSSHを使います ネットワーク設定の知識 Proxy設定の知識 Jenkins × Proxy はハマりポイントの宝庫です 宝庫すぎるので本記事では触れません (触れたらきりがありません)
VimmerがCloudFormationを書くなら ale + cfn-python-lint が便利!VimAWSCloudFormationneovimcfn-python-lint Vimmer ですか? AWS CloudFormation を書いてますか? では ale と cfn-python-lint を使いましょう どう便利なの? 見た方が早いと思うので、試しに壊れたCloudFormationテンプレートファイルを vim で開いてみます。 AWSTemplateFormatVersion: 2010-09-09 Description: Sample template for ale.vim and cfn-python-lint Parameters: # このパラメータは使われてない ThisIsNotUsed: Type: String Resources: E
こんにちは。初心者です。 あるサービス(念写できる人と何か念写してほしい人のマッチングサービスです)で機械学習ためそうと思っていて、調べている最中です。 問題 試しに、これの1問目を解くよー。 教師あり学習の問題です。上記ページの回答例のように、SVMを使ってみます。 ライブラリは、scikit-learnを使ってみた。 SVM使いたいだけならほかにもライブラリあるみたいだけど、scikit-learnいいよ~的なことを言う人が多いので使ってみました。 とりあえずやってみる # -*- coding: utf-8 -*- from sklearn.svm import LinearSVC import numpy as np # 学習データ data_training_tmp = np.loadtxt('CodeIQ_auth.txt', delimiter=' ') data_train
こんにちは、初心者です。 適当なニュース記事があったとして、ニュースのカテゴリを推測するみたいな、よくあるやつをやってみました。Python3.3を使いました。 何をやるの? データセットはlivedoorニュースコーパスを使いました。 http://www.rondhuit.com/download.html#ldcc クリエイティブ・コモンズライセンスが適用されるニュース記事だけを集めてるそうです。 トピックニュース、Sports Watch、ITライフハック、家電チャンネル 、MOVIE ENTER、独女通信、エスマックス、livedoor HOMME、Peachy というクラスがあります。 データは、1記事1テキストファイルの形式で、クラス別のディレクトリにいっぱい入っています。 これを学習して、未知の文章に対して、お前は独女通信っぽい、お前は家電チャンネルっぽい、みたいに、分類が
Vagrant+Virtualboxを使いWindows10上にCentOS7.3+php7+MySQL5.7の環境を構築するchefVagrantVirtualBoxrecipecentos7 はじめに VirtualBOXでも同じ環境を複製する場合は、Vagrant+chefが便利ということなので、CentOSサーバの環境を構築してみた。以下の確認環境は Windows10 Home 64bit。 Vagrant / VirtualBoxのインストール VirtualBoxのインストール VirturlBOXのダウンロードページ https://www.virtualbox.org/wiki/Downloads から、WIndows 版をダウンロードしインストールを実行。記入時点では Vitualbox-5.1.22。 Vagrant 本体のインストール Vagrant は https
SV_VertexIDを、Meshオブジェクトの、uv2プロパティで、代用するやり方です。 頂点テクスチャフェッチが苦手と、なんだか、操作がめんどくさいなという感じがあったので、この方法を試しました。 SV_VertexIDは、openGLES3以上、DX11以上という、条件もあったので、それ以下も、対応したく、uv2を、SV_VertexIDを、以下のブログで知り、方法を記載します。 Meshオブジェクトには、このブログにも記載がありますが、tangentプロパティも用意されているのですが、Androidだと、正規化されてしまうようなので、uv2で、試しました。 これがあると、1つのMeshで、大量に、モデルを描画したあと、たくさんのモデルの中の、特定のモデルを、特定の位置に動かしたいということを、CPU側で、頂点情報の一部を更新するだけで、移動/回転などが、できる感じです。同時に、特定
はじめに 本記事では私なりの CloudFormation を少しでも楽にメンテするノウハウを説明します。 この記事で触れること AWS CloudFormation の (私なりの) 作成・メンテ手順 Templateファイルをどうやって書くか スタックの作成、更新手順 テスト・CI・動作確認の流れ AWS CloudFormation の組み込み関数 AWS CloudFormation Change Sets AWS CloudFormation Cross Stack Reference この記事で触れないこと AWS の説明 「これから AWS を触るんです!」という方には色々と説明不足な点があると思いますがご了承下さい CloudFormation ヘルパースクリプト cfn-init とか cfn-signal など 私にはベストプラクティスを説明できる自信がないので省いてい
マルチパスシェーダーは、複数の描画結果を使って、最終的に作りたい出力結果を導き出すのに便利です。やろうと思えば、1パスでも行けるのですが。。。 例えば、1パス目で、キーボードの入力情報を持つテクスチャを生成し、2パス目で、1パス目の描画結果を元に、何かの最終出力を出すなどです。 以下は、フラグメントシェーダーを使ったやり方になります。 Shader "Custom/TestMultiShader" { Properties { _MainTex ("Texture", 2D) = "white" {} } SubShader { Tags { "RenderType"="Opaque" } LOD 100 // 1パス目 Pass { CGPROGRAM #pragma vertex vert #pragma fragment frag #pragma multi_compile_fog
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