見逃してない?その投稿。 Qaleidospace は Qiita の投稿を独自のアルゴリズムで評価し、ランキング化するサービスです。ストック数だけでは測れない、「見逃せない投稿」をチェックできます。
ディープ・ラーニングの進化で、画像の分類はもはやコモディティに近い状態になりました。画像分類を作るためのチュートリアルやブログはいくらでもありますし、AutoMLのように、もはや分類器は自動生成するもの、という見方もあります。 多くの人がディープ・ラーニングの画像分類器を作ろうとしたとき、チュートリアルやブログを参考にすればすぐにできます。 その後自分の身の回りに応用しようとするとき、画像サンプルを作るのに苦労して、結局あまり多くないサンプルでトライすることもあると思います。そのとき、あまりうまく認識率が上がらないことに悩むことがあるかと思います。かなり以前の個人的な経験では、クラスあたり1,000~2,000枚用意してもその時はそれほどうまく行きませんでした。 Google’s Cloud AutoMLも使ってみました。少ないデータでもうまく学習してくれるのではないか、そう期待して試して
転送先毎にサブドメインを用意しておき、TLS の SNI 拡張と Nginx の stream_ssl_module モジュールを利用して、SNI 拡張のドメイン名で転送先を切り替えます。 次の設定では、外からのアクセスは 443 ポートでのみ待ち受けていますが、www1.example.com で接続してきた場合は HTTP サーバ(8080)へ、www2.example.com で接続してきた場合は MQTT ブローカー(1883)へ転送しています。 ngixn.conf http { server { listen 127.0.0.1:8080; server_name www1.example.com; location / { root html; } } } stream { upstream www1.example.com { server 127.0.0.1:8080;
「Beamerで日本語を無事に扱う」ためにプレアンブルに書くべき設定内容を、各種エンジン(とDVIウェアの組合せ)の各々について示す。 前提 “日本語でない”(欧文の)Beamer文書の作り方については、余裕で解っているものとする。 “Beamerでない”(article系などの)日本語LaTeX文書の作り方については、余裕で解っているものとする。 動作確認はTeX Live 2015(最終版)および2016(2016-07-20時点)で行った。 pLaTeXの場合 dvipdfmxを使う場合 % pLaTeX文書; 文字コードはいつも通り \documentclass[dvipdfmx,12pt]{beamer}% dvipdfmxしたい \usepackage{bxdpx-beamer}% dvipdfmxなので必要 \usepackage{pxjahyper}% 日本語で'しおり'し
はじめに ネットで自作OSについて調べていたところ、Common Lispで書かれたOperating System「Mezzano OS」の存在を知り、試しに使ってみたくなりました。 というわけで、今回は「Mezzano OS」の導入方法についてまとめた記事を書いてみました。 自分の環境は「Ubuntu 17.10」です。 Mezzano OS Mezzano ソースコード MBuild (Mezzanoビルド用ソースコード) 前準備 SBCLのインストール 今回はCommonLispのSBCL(Steel Bank Common Lisp)を使用します。 以下のコマンドを実行して、SBCLをインストールします。
※画面は開発中のものです。実際の製品とはぜんぜん違います。 各話一覧 第1話『画像が表示できました』 第2話『ゲームループとキー入力ができました』 第3話『オンラインゲームになりました』 第4話『WebGLを使い始めたらどう見てもマインクラフトです』 第5話『Babylonjsでゲートオブバビロン』 第6話『Blenderで涼風青葉ちゃんごっこの巻』 第7話『オープンワールドという泥沼』 第8話『たまにはデモします』 第9話『サウンドエフェクトの作業をしてコーディングで荒んだ心を癒やします』 第10話『ゲッダン☆と謎の儀式《バッド・ノウハウ》』 第11話『タイトル画面があるとゲームっぽい』 第12話『RPGアツマールに私も集まーる』 第13話『ネオアームストロングCannon.js砲じゃねえか完成度高けーなオイ』 第14話『冒涜的Firebase活用法』 第15話『babylon.
Clojurianのlagénorhynque (a.k.a. カマイルカ)です。 先日、Shibuya.lisp lispmeetup #62で「re-frame à la spec」と題してre-frameというClojureScriptフレームワークの概要とclojure.specとの統合方法の一例について発表しました。 本記事では、その発表内容に関連してClojureScriptとre-frameでのSPA開発の流れについてご紹介します。 @ababup1192 さんのElmについての素晴らしい記事 Elm開発における思考フロー からサンプルコードと本文の構成を参考にさせていただきました。 こちらの記事と比較してみると、両言語/アーキテクチャの共通点や差異が見られて面白いかもしれません。 ※ 本記事はClojure/ClojureScript, Reagent, clojure.s
pecoと見ると、pacoを思い出しそうになる私です。(pacoは名前が変わってporgとなっていたようです。気づかなかった・・・) pacoは今でも便利に使ってますが、まぁ普通は使わずにパッケージマネージャを使ったほうがいいと思います。emacsを手でビルドしていると手放せないんだ・・・ 前書き pecoって?という方はこちらを。 https://github.com/peco/peco 機能としては、標準入力から受け取ったものを任意に絞り込んで、標準出力に出力する、というかなりシンプルですが、emacsでhelm/anythingを、Vimならば・・・なんだっけ。そういった絞りこみインターフェースをシェル上で実現する、という感じのものです。 私も以前、zshで似たような(ものすごい機能劣化版)を、zshの機能だけを使って作ったりしたことがありますが、これはコマンドなのでシェルに関係なく
#define __is_constexpr(x) \ (sizeof(int) == sizeof(*(8 ? ((void *)((long)(x) * 0l)) : (int *)8))) #include<stdio.h> #define Def 10 #define __is_constexpr(x) \ (sizeof(int) == sizeof(*(8 ? ((void *)((long)(x) * 0l)) : (int *)8))) enum test{Enum}; int main(){ int Val = 10; const int Const_val = 10; int a = __is_constexpr(Val); int b = __is_constexpr(Const_val); int c = __is_constexpr(10); int d = __
今まで仕事で使ってきた、メジャーなものからマイナーなものまで含めたJupyter NotebooksのTIPS集です。 入力補完 とりあえずこれが無いと生きていけません。 Nbextensions(Jupyterの拡張機能)自体が未設定であれば、一旦そちらをインストールして、その後にHinterlandという機能にチェックを入れると有効化されます。 AnacondaのJupyter notebookでnbextensionsを使う ※Nbextensionsインストール後、Jupyterのファイルリスト的な画面で、タブで「Nbextensions」という選択肢が追加されます。 Azure Notebooksなどだと、最初からインストール不要で選択できるようになっています。 Google Colaboratoryなどでは、そういった設定ができるのかまだよくわかっていません。(ご存じの方コメン
前回は既に学習済みのパラメータがあるものとして、そこからフォワード計算を行ない予測を出すところを実装しました。今回は、データからパラメータを学習するところの実装について考えてみます。具体的には、「ゼロから作るDeep Learning」の5章にある、計算グラフベースでの誤差逆伝搬法の実装と、それを使った隠れ層二層のニューラルネットの学習と予測について書こうと思います。 一応Githubにレポジトリ作りました(まだあまり整理されていない)。ちなみに処理系はSBCL 1.4.3で動作確認しています。 https://github.com/masatoi/cl-zerodl インストール手順は上記を参照してください。 準備 前回と同様に必要ライブラリを読み込み、作業用パッケージを定義しておきます。 metabang-bindは分配束縛などに対応したletの拡張版のような構文を導入するライブラリで
TL;DR 勾配法はほとんどのケースで極小点に収束する(鞍点には収束しない) この事実は力学系や最適化の分野ではよく知られているが,機械学習では新しい? 数年前にバズった勾配法の比較動画は実際の学習現象を説明できていないかも 鞍点の近傍での振舞いで差がつく? いや,そもそも鞍点近傍に流れ込まないかも 比較動画に登場した鞍点は,実際にはまず生じないタイプかも 機械学習にも役立つモース理論 ほとんどすべての関数はモース関数 モース関数の臨界点のタイプはわずか $d+1$ 種類($d$ は定義域次元) 安定/不安定多様体とモース・スメール複体で勾配法の流れは分かる Monkey saddleはまず現れない(もし現れても簡単に消せる) 量的な問題に関しては,結局は実験するしかない この記事を書いたきっかけ 昨夜,ある論文を見かけて,ふとこんなツイートをした. ML業界,「勾配法が鞍点に収束する確率
はじめに Fujitsu Advent Calendar 2017 も25日目,とうとう最終日となりました.振り返れば今年1年,チェス・将棋・囲碁でトッププロを上回るAIが登場したり,日本のスパコンが環境性能世界ランキング上位を独占したり,ヒト型ロボットがバク宙したりと,シンギュラリティの到来を思わせるようなビッグニュースが度々報じられました.そんな1年の締めくくりとして,シンギュラリティについて解説しようと思います. さて,これから解説するシンギュラリティは,2045年に人工知能がどうこうという話ではなく,数学における 可微分写像の特異点論 (singularity theory of differentiable mappings) です.写像の微分がフルランクでない点=写像が特別な振る舞いをする点を調べる理論です. ……待って!ブラウザをそっ閉じないで!この可微分写像の特異点論こそが
はじめに なんか、ガチ素人って書くとAVみたいですね ディープラーニングの知識ゼロの素人でしたが、1ヶ月の勉強でディープラーニング ジェネラリスト試験1に合格しました。 せっかくなので、自分の経験を踏まえつつ合格への(おそらく)最短ルートをまとめてみます。 これからチャレンジしてみようという方の参考になれば幸いです。 ちなみに、僕のスペックはこんな感じです。 数年前まで理系の大学院生だった。 専攻は機械工学だったので、ディープラーニングの知識はゼロ。行列の計算くらいはできる。 お仕事は上流という名のパワポ職人。 多分これが一番早いと思います Coursera 色々なところで紹介されているので、今更細かい解説はしません。 騙されたと思って、Andrew先生の機械学習講座を修了してください。 修了する頃には「何がわからないかがわかる」=「次にどんな勉強をすれば良いかわかる」ようになっていると思
はじめに 過去三年間、技術者ではない方々に OAuth(オーオース)の説明を繰り返してきました※1,※2。その結果、OAuth をかなり分かりやすく説明することができるようになりました。この記事では、その説明手順をご紹介します。 ※1:Authlete 社の創業者として資金調達のため投資家巡りをしていました(TechCrunch Japan:『APIエコノミー立ち上がりのカギ、OAuth技術のAUTHLETEが500 Startups Japanらから1.4億円を調達』)。Authlete アカウント登録はこちら! ※2:そして2回目の資金調達!→『AUTHLETE 凸版・NTTドコモベンチャーズ・MTIからプレシリーズA資金調達』(2018 年 2 月 15 日発表) 説明手順 (1)ユーザーのデータがあります。 (2)ユーザーのデータを管理するサーバーがあります。これを『リソースサーバ
はじめに STM32の開発を始めましたが、まだTimer機能を実装していないことに気付きました。 デバイスを制御する際には何かと時間的な手順が必要になります。 このままでは、機能が足りません。今こそTimerを使う時。 開発ターゲット STM32F303K8 調査 使い方はReference Manualで確認します。 今回はシンプルそうなTIM6を使用することにします。 ブロック図は次のようになっています。 PrescalerやAuto-reload Registerなど私が見慣れていない言葉が書かれています。 PrescalerはTexas Instrumentsの記事によると タイマでどれぐらい長い時間を作ることができるかは、カウンタの最大カウント数×クロック周期で計算できます。 大抵のマイコンでは、システム動作用の高速クロックをタイマ用のクロックにも使います。 例えば、10MHz
一本目の記事では二分探索しか出来ませんでしたが、工夫すればちゃんとload-time-valueでジャンプテーブルに変換できました。追記だと気づいていない人も多いと思うので別記事にしました。 fcase8 load-time-valueでうまく行かなかったのは変数にアクセスできないからなので、 明示的に変数を関数に引数として渡せばいいのではないだろうかと思い、やってみます。 (defmacro fcase8 (i (&rest vars) &body body) `(funcall (svref (load-time-value (vector ,@(iter (for b in body) (for j from 0) (collecting `(lambda (,i ,@vars) (locally (declare ((eql ,j) ,i)) ,b))))) t) ,i) ,i ,
概要 TwitterAPIを利用していろいろ遊んでみる! ドキュメントはコチラ 以下の初心者向け記事も宜しければご覧ください♪ 【随時追記】今夜寿命を迎えても良いようにPythonの基礎学習内容をメモしとく。 手順 Twtterアプリケーションの作成 まずはTwtterAPIを利用するために、対象のアカウントにて、アプリケーション登録をして、 Consumer Key Consumer Secret Access Token Access Token Secret を発行する必要があります。 コチラにアクセスし、対象のアカウントでログインしましょう。 ログインすると、Create New Appボタンが表示されるのでクリックします。 必須情報を適当に入力後に同意し、Create your Twitter applicationボタンをクリックします。 Consumer情報の確認 Consu
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