Common Lisp開発環境 on Docker - eshamster’s diary
Docker上でCommon Lisp開発環境（by Emacs+SLIME）を起こしてみました。何が入っているか分からない開発環境だとどうしてもアップデートが億劫になるので、その辺をきっちりコード化したかったというのが動機です。 どちらかと言うとAnsibleやChefのように直接サーバを設定するタイプの方がこの用途ではスタンダードな気がします（単なる印象）が、Dockerの方が試行錯誤で出るゴミ*1が残らないので好みでした。 注意点 執筆時点（2016/08/11）では、CentOS 7のyumではDocker 1.10が入りますが、事実上1.11以上が必須です。1.10ではEmacsの描画が激しく崩れるという問題があるためです（参考の前回記事：Dockerを1.10から1.11へアップデート on CentOS7 - eshamster’s diary）。 また、Dockerfile
Make: Electronics
TOPICS Make/Electronics/DIY 発行年月日 2010年11月 PRINT LENGTH 344 ISBN 978-4-87311-477-4 原書 Make: Electronics FORMAT PDF 本書は「発見による学習」というプロセスを通じて基本を学ぶ、新しい世代のためのエレクトロニクス入門書です。最初に実験または製作を行い、その後、理論を解説するという構成で、退屈になりがちな学習をより深く心に残る「体験」にします。本書で行う実験は「電気を舌で味わう」「電子部品の分解」「LEDを焼き切る」など。作例としては、侵入アラーム、反射速度計測タイマー、ロボットカートなど、エレクトロニクスの重要な要素を理解するのに最適で、実際に使えるものを取り上げました。また本書では、ホビーとしてのエレクトロニクス（電子工作）を楽しむための実践的なアドバイス、さまざまな法則や電子部
OpenCV3とPython3を使った物体追跡（マウスで指定した特徴点をLucas-Kanade法で追跡する） - Qiita
はじめに 今回は、マウスクリックで動画に対して追跡対象を指定し、リアルタイムに３次元空間内の物体を追跡をしてみます。テンプレートマッチングと比較して、計算量が少なく、回転しても追跡し続けることが可能な、特徴量を利用するアルゴリズムを使います。 OpenCV(Open Source Computer Vision Library)はBSDライセンスの映像/画像処理ライブラリ集です。画像のフィルタ処理、テンプレートマッチング、物体認識、映像解析、機械学習などのアルゴリズムが多数用意されています。 ■ OpenCVを使った動体追跡の例 (OpenCV Google Summer of Code 2015) https://www.youtube.com/watch?v=OUbUFn71S4s ■ インストールと簡単な使い方はこちら OpenCV 3（core + contrib）をPython
TensorFlowとGPUインスタンスで英日翻訳 - Qiita
Deep learningのライブラリとして有名なTensorFlowには英仏翻訳のチュートリアルがありますが、AWSのGPUインスタンスを使って英日翻訳で試してみたので紹介します。 環境 TensorFlow 0.9 AWS g2.2xlarge instance Ubuntu Server 14.04 Python 3.5 TensorFlowをAWSのGPUインスタンスで動かす方法については、以下の記事の通りに行いました。 Setting up TensorFlow 0.9 with Python 3.5 on AWS GPU-instance 初期のTensorFlowはAWSとの相性が悪くパッチを当てる必要があると言われていましたが、バージョン0.9ではすんなりとインストールできました。 注意点として、GPUインスタンスの使用にはAWS側に申請して1日ほど待つ必要があったのと、そ
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
Amazon.co.jp: Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning series): Murphy, Kevin P.: 本
