Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
はじめに DockerでWordPressサイトを開発してみようがとてもいいスライドでした。 せっかくならこの内容を「操作できる」だけでなく、「理解できる」ようにしたいと思い、スライドの中身をちゃんと調べたのが、このエントリです。 具体的には、各コマンドやDockerfileのソースの調査履歴になります。 各インフラの知識やLinuxコマンドを学ぶことになるため、人によっては一挙に覚えることが増えて混乱するかもしれません。 とはいえ裏を返せば、サーバ周りの知識が一気に身につく感じがしました。 ちなみに筆者のレベルは、Docker覚えたて。下のような内容をこの前知りました。それでもDocker使えるんだから楽しい。 はじめてのDocker for Mac 前提 $ docker --versionが使えるところまでを前提とします。 よって、スライド15枚目までは省略。 WordPressを
Android Thingsとは? GoogleのIoT platformとして発表されたもので、 発表時点では Intel Edison NXP Pico Raspberry Pi 3 の3つのハードウェアにインストール可能なOSイメージがGoogleから提供されています。 https://developer.android.com/things/index.html https://android-developers.googleblog.com/2016/12/announcing-googles-new-internet-of-things-platform-with-weave-and-android-things.html このページではRaspberry Pi 3にAndroid Thingsをインストールする手順を記載しています Intel Edisonへの導入は以下の記
やってみたいこと javaとかpythonとかtexとかの開発環境をLinuxベースにしたい(Office周りとか普段の作業はWindowsで) CUIだけじゃなく,GUIも含む開発環境をコンテナベースで利用したい それぞれの開発環境は独立に管理したい jdkのバージョンをUPしたいとか,pythonは2と3を別々に作りたいとか,texは日本語用と英語用を作りたいとかの状況に個別に対応したい 編集対象のファイルはホスト(Windows)で一括管理したい バックアップをまとめて取りたい 特定のファイルに複数のコンテナからアクセスできるようにしたい 編集対象のファイルを持ち歩くだけで,開発環境はDockerさえあればどこでも動かせるようにしたい やってみること Docker for Windowsを使って個別の開発環境を導入したLinuxコンテナを立ち上げる Xをコンテナから飛ばしてWindo
「赤りんご」と「青りんご」を見分けるだけの簡単なものですが、はじめて自分の用意した画像で深層学習をしてみました。 こんな感じ Deep Learning Apple Recognition - YouTube 「赤りんご」と「青りんご」を見分けます。 まずは「青りんご」から、確率91.4%と推測しました。 続いて「赤りんご」、確率91.1%と推測しています。 今回は推測結果が90%以上で「赤りんご」と「青りんご」を判定しています。りんごがない時に(例えば私の丸顔を写した場合)80%の推測がされた際は、判定結果が出ない様にしています。 環境 前回記事と同様です。 学習の流れ Web上から画像をダウンロードする ダウンロードした画像をNumPy配列にし、訓練データとテストデータに分ける 畳み込みニューラルネットワークで学習する OpenCVで撮影した画像をNumPy配列にし推測データとして使用
docker for mac install 以前はmacでDockerを使うのにVagrantにdockerを入れて操作していましたが、mac純正の仮想環境xhyveを利用するようになったためVagrantはお役御免となり、だいぶ使いやすくなったようです。 https://docs.docker.com/docker-for-mac/ Dockerfileとdocker-compose.ymlを追加 RailsのプロジェクトルートにDockerfileとdocker-compose.ymlを追加します。 Dockerfile railsの公式Docker imageは bundle config --global frozen 1 が指定してあり、Gemfileの変更ができなくなっています。 本番などの環境ではその運用方法の方が良いと思いますが、今回は開発環境で使用するため公式のDock
PackerでIDCFクラウド(CloudStack + VMware)向けのRancherOS OVAテンプレートを作りました。 格安Dockerクラスタが組めそうな気がしています。 動機 日本国内に設置できるクラウドでコスパ暫定一位のIDCFクラウドLight.S1インスタンス1を使ってRancherクラスタを組みたかった 実現すればおそらくAWSのSpot InstanceやGCPのPreemptible VMと同等以上に安上がりに2 次点でVultr3があったが、RancherOSのインストールには最低1.5GBのRAMが必要4で最小構成ではインストールできなかった Rancher Serverダッシュボード経由のエージェント追加でもこのボトルネックがある模様 VultrではISO/iPXE以外の方法でアップロード/インストールできなかった ISOブートとRANCHER-STATE
Vagrant + VirtualBox を使って Macbook Air に VM を立てて、CentOS 上に Rails4 の開発を行っています。 DB には MySQL を使っているのですが、なんともわかりづらい。 ノートで設計して、頭で設計してコマンド叩いて...の手法に限界を感じました。 できればER図かけるし、DBとも繋がっているし、な環境にならないかなぁって思っていたら、MySQL Workbenchと出会いました。(1年位前にorz) VagrantとMySQLWorkbenchを繋ぐ方法をメモります。 MySQL Workbenchのインストール こちらからどうぞ => http://dev.mysql.com/downloads/tools/workbench/ 面倒くさくて有名なORACLEの認証が必要になりますorz ナビゲーション通りにすすめば問題なくインストー
ついに24日!!!! 皆様いかがお過ごしでしょうか? 今年も残すところ7日という事実に耐えられずお布団で震えています。 はじめに 続きそうなタイトルですが、続編を投稿するかは謎です。 その名の通り、Dockerのコードを読んだり準備したりする話です。 事前準備 イメージの構造がわからない状態で読み始めると辛くなるので 先にOCI image-specを読むことをオススメします。 なぜOCIかというと、Dockerのドキュメントより仕様としてしっかりまとまっているのと、 Dockerを参考にしているのもあって大枠は一致しているからです。 そこらへんをまとめたスライド https://speakerdeck.com/ladicle/container-image-architecture どこから読むか? とりあえず GTAG生成した後にls して雰囲気をつかみます。 drwxr-xr-x 1
以前からやってみたかったRaspberry Piの物体認識を試してみました。今回はクラウドサービスを使わずに深層学習ライブラリと学習済みモデルを使ってみました。 環境 Raspberry Pi3 (RASPBIAN JESSIE WITH PIXEL 4.4 / Python 3.4.2) LOGICOOL ウェブカム HD画質 120万画素 C270 ミニロボットPC等用スピーカー小型かわいい白 7インチ(1024*600) IPS液晶パネル ディスプレイ 今までカメラモジュールを利用していたのですが、OpenCVでストリーミングをさせるためWebカメラを購入しました。ついでにちょっと可愛らしいロボット型のスピーカーも合わせて買ってみました。 ロボット型のスピーカーがWebカメラに映った物をしゃべってくれます(英語です)。 こんな感じ Deep Learning Object Recog
注意 UPDATED: 2017/02/07 この記事で説明しているクラスタは古い手法です。 本稿の内容で構築したクラスタでは docker service などの Swarm mode で導入されたコマンドが動作しません。 Docker 1.12 以降、 Swarm mode に DNS, LB が組み込まれており、外部のディスカバリサービス (Consul などの KVS) に依存しなくなりました。 Swarm mode は標準コマンド docker swarm でセットアップ可能なため、 docker-machine ssh でクラスタを構築できそうです。近日中に記事として公開予定です。 書きました → Swarm mode クラスタを構築して動かしてみる | Qiita TL;DR コマンド見れば分かる人向けの完成品はこちら → hidekuro/swarm-cluster-sam
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? (2019/6/12追記) 今なおこの記事を参照してくれる方がいらっしゃるのですが、現在は以下のスライドのほうが情報が新しいです。 本記事は残しておきますが、新しい情報はこちらをご参照ください。 https://www.slideshare.net/ygotokernel/nvdimmlinux-137104084 はじめに Linux Advent Calendarの24日目の記事として不揮発メモリの状況について記載したいと思います。今回はkernelのソースの中とかのあまり技術的に深いところは突っ込まず、概略レベルです。(深いところ
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