(負荷試験ツール)Locustで基本的な使い方/よくある使い方 - Qiita
注意 この記事は古く、v1.0以降は記載した実装では動作しません 別の方がv1.0での実装を記事にされていますので、そちらを参照してください https://qiita.com/sekikatsu/items/992e82671aa505c5a652 Locustって何よ 負荷試験ツール 一度に大量のリクエストを発生させることができる Python 簡単に負荷試験の処理を定義できる 環境構築 公式で配布しているDockerImageを使ってdocker-compose.yamlを定義する 筆者の環境はMac OS Catalina(10.15.1) ローカル環境で実行した version: "3.4" x-common: &common image: locustio/locust environment: &common-env TARGET_URL: http://example.co
CVPR2019でPerson Re-Identificationの話をしている論文全てに1人で目を通す - Qiita
記念すべきQiita初投稿です リサーチインターンでPerson Re-Identificationというタスク(後述)についてサーベイをすることになりました。 さっと眺めてみたところ案の定ここ数年で深層学習モデルが火を吹き、Market-1501やDukeMTMC-reIDやMARSなどメジャーなデータセットにおいてSoTAをバチバチと競っていました。 研究はサーベイしないと何していいか全く分からないので、こと激流の真っ只中にある機械学習界隈においては最新の研究を大量にサーベイすればするほど幸せになれると思います。 そんな時にちょうどいい(？)のがCVPR2019ですね(？) 「person」で検索して出てきた掲載論文を上から順に、時間の許す限り1人粛々とまとめていきます。 (下書き開始から約1ヶ月後に追記)一応全て目を通し掲載できました。 なお目的としては現状把握が強めのため、さらっと
2019年、俺の読んだ論文50本全部解説(俺的ベスト3付き) - Qiita
第一位 Focal Loss for Dense Object Detection 物体検知のためのFocal Loss これは不均衡データに対処するための損失関数Focal Lossを提案した論文なのですが, とにかくそのシンプルさにやられました. 画像のFLの式を見てください. たったこれだけです. ptは正解ラベルに対する予測値なのですが, ptが大きければ大きいほど損失値をしっかり抑えられるように設計された関数となっています. 正解ラベルに対して0.6と予測するサンプルを学習に重要視せず, 0.3とか0.1とか予測しちゃうサンプルにしっかりと重要視するのです. 自分も7月くらいまでは不均衡データに関する研究していたのですが, 自分が考えた多くのアイディアが結局Focal Lossの下位互換に帰結してしまうのです. しかもこの損失関数の汎用性は非常に高く, あらゆるタスクに入れること
VSCodeのオススメ拡張機能 24選 (とTipsを少し)
1. vscode-icons アイコンがついて見やすくなる。 2. GitLens とにかく強い。 「コミット単位でのファイル比較」や「最新のコミット内容とそのコミッター表示」など色々してくれる。 git blameする手間なくなる。 3. Prettier コードのフォーマットは自動でやりましょう！ 複数人のこだわりをうんたらするよりも、Prettierに委ねるのが楽。 関連のTipsはここ 4. Git History Git logが見やすい 5. Bracket Pair Colorizer カッコの対応を色付きで表示してくれる。 ものすごく読みやすくなって最高&最高！！ なおBeta版ですが、後継となるBracket Pair Colorizer 2も出ています。 6. Settings Sync どこでも同じ設定で使いたい人には便利。 ⇧ + ⌥ + U/D で設定をアップロ
1
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
