Pythonが実行される仕組みについて雑多に調べてみた - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Pythonはシェルスクリプトの延長くらいにしか使ってきてなかったのだけれど、最近もう少しちゃんとした用途で使う機会が増えてきた。そうなると、低レイヤ好きの人間としてはPythonがどのように実行されているのか気になってきた。 なので雑多につまみ食いしてみた。 Pythonの実装 言語の仕様と実装は別モノであるという話。 Pythonという言語はひとつだけれど、その言語の機能を実現するための方法はひとつではない。CPythonとかPyPyとか、こいつらはPythonという言語の、実装に対する呼称だ。C言語とかで言えばコンパイラにGCCと
DockerでPython 3.8用のpsutilをインストールしてみた - Qiita
動機 ことの始まりはとある先輩からのオーダー。。。 「最新のpyhon3系で動かしているlambdaのメモリ容量取得するようなコードかいてよ。」 よっしわかったよ。 クソ野郎やってやろうじゃないかと意気込んでLambdaの最新のpython3系のランタイムをみたら、、、 python3.8.....になってた。えっ、、、いつのまに3.8に。。。。 ということでpyrhon3.8かつamazonlinux2(Lambdaの実行環境がamazonlinuxとのことなので)で インストールした外部ライブラリが必要になった。。。 Dockerファイル さくっとPython外部ライブラリを準備したかったのでDocker使いました。 Docker for Macです。 python3.8をインストールするために作成したDockerファイルは下記の通り FROM amazonlinux:2 RUN yu
jwilder nginx-proxy + letsencrypt-nginx-proxy-companion + Flask + uwsgiでHTTPS対応のWebサービスを作り、更にQualysでA+を取る - Qiita
jwilder nginx-proxy + letsencrypt-nginx-proxy-companion + Flask + uwsgiでHTTPS対応のWebサービスを作り、更にQualysでA+を取るFlaskDockerdocker-composenginx-proxyLet’sEncrypt JQueryとPythonを勉強しながらGCP上でWebサービスを公開するまでという記事から始めたのだが、このアーキテクチャを作るのもなかなかハードルが高かった。 NginxとFlaskの初期の設定から説明してみたい。 localhostとpublic domainの両方で試せるようにdocker-compose.ymlを分けて作ったものをGitHubに置いている。 https://github.com/legacyworld/nginx-proxy-test 環境 まずはドメインのない
tkinter で作った GUI の実行可能ファイルを作る - Qiita
とある日 Python で subprocess を使って外部ツールを実行するスクリプトを作り、Python コマンドを叩けば実行できるものを作った。(要は、外部ツールのラッパー) ところが、利用者はターミナルを開いて使うような人物ではないので、やっぱり GUI でポチポチできるのが嬉しい。 そして、いつものように多々ハマる日。 tkinter (PySimpleGUI) Python には、 tkinter1 という GUI ツールキットが標準で用意されているらしい。これを使えば仮でも GUI を作れそうだ。 ちょろちょろ Google 先生に尋ねていると Tkinterを使うのであればPySimpleGUIを使ってみたらという話 という記事に辿り着き PySimpleGUI2 という tkinter (及び、Qt, WxPython, Remi) のラッパーライブラリに出会った。 ここ
Pythonの機械学習環境をコンテナで構築 - Qiita
ノートPCにPythonの機械学習環境をコンテナで構築します。 今回は、主にテキスト系機械学習用の環境として、fastTextとPython3が使えるコンテナを構築します。 イメージ 実行(学習と検証)は機械学習用コンテナにシェルでログインし、fastTextとPython3の実行を行う。 ソースコードと学習用ファイルはPC上のフォルダをマウントする。 エディタはVisual Studio Codeを使う。 Edit 作業 https://qiita.com/penpenta/items/3b7a0f1e27bbab56a95f Windows 10 Pro Memory : 8GB Docker Desktop for Windows ベースになるコンテナイメージを起動 まずベースになるコンテナイメージを起動します。 ここでの実行コマンドはビルドしたコンテナイメージを実行するコマンドと同
Nginx + Nuxt.js + Django REST frameworkの実装 - Qiita
初めに 前回投稿の続きで、Nuxt.js + Django REST frameworkで動くアプリケーションをnginxに乗せていきます。 構成イメージ 下記4つのコンテナがあります。 前回投稿からnginxコンテナを加えています。 ・初回ページ表示 ①nginx経由でnuxtコンテナにアクセス ②nuxtコンテナでSSRする。この際APIを叩きdjangoからDBの情報を取得する。 ③レンダリングしたページをユーザに返す ・ページ中でAPIを叩いた場合 nginx経由でdjangoコンテナにアクセス、結果をユーザに返す。 環境 Window10 Pro Docker desktop v2.1.0.5 Python 3.6.9 django 2.2.7 djangorestframework 3.10.3 Nuxt.js v2.11.0 nginx 1.13.12 ディレクトリ構造 .
Ruby と Perl と Java と Python で解く AtCoder ARC 098 C 累積和 - Qiita
はじめに AtCoder Problems の Recommendation を利用して、過去の問題を解いています。 AtCoder さん、AtCoder Problems さん、ありがとうございます。 今回のお題 AtCoder Regular Contets C - Attention Difficulty: 641 今回のテーマ、累積和 入力例 2 のWEWEWEEEWWWEを考察しますと、WEWEWEEiWWWEとなりiの左側のWの個数と右側のEの個数の合計が求める人数となります。 文字列の左0から右n-1に向かって、Eは単調減少、Wは単調増加ですので、計算量を抑える手法として累積和を使用します。 n = gets.to_i s = gets.chomp e = (s[0] == 'E' ? [1] : [0]) w = (s[0] == 'W' ? [1] : [0]) 1.up
Ruby と Perl と Java と Python で解く AtCoder CADDi 2018 C 素因数分解 - Qiita
入力例 4 の972439611840を素因数分解しますと、{2=>6, 3=>3, 5=>1, 103=>4}となります。 これを N 個の整数に分配すれば解答が求まります。N 個未満の素数は、最大公約数に寄与しないわけです。 require 'prime' n, p = gets.split.map(&:to_i) if p == 1 puts 1 elsif n == 1 puts p else h = Prime.prime_division(p).to_h ans = 1 h.each do |k, v| while v >= n ans *= k v -= n end end puts ans end
Pyenv を入れた後、”command not found” で Python がインストールできない時の対処 | DevelopersIO
Guten Tag, ベルリンより伊藤です。 Pyenv を入れて意気揚々とPythonインストールしようとしたら、次のエラーで失敗しました。 $ pyenv install 3.8.2 /usr/local/bin/pyenv-install: line 53: python-build: command not found /usr/local/bin/pyenv-install: line 76: parse_options: command not found このエラー事例を探しても見当たらなかったので、解決した方法をご紹介します。 環境 OS: MacOS Mojave 10.14.6 インストールまでにやったこと Pyenvのインストール & 環境設定 pyenv のセットアップですが、複数の外部サイト（※）を参照した限り、だいたい同じだったので、次の方法で行いました。 ※例
【統計モデリング入門 】一般化線形モデル（GLM）を基礎から学ぶ -Pythonによる実践あり-｜はやぶさの技術ノート
最初に「モデリング」や「モデル」などの用語について整理しておきます。 モデリングとは あるデータを入力したとき、ユーザーがほしい情報を出力する箱をモデルと呼びます。 例えば下図は、あるパターンの波形を入力すると、その数秒先の波形を予測（出力）するモデルのイメージです。 引用元：MXNetとLSTMで時系列データ予測 -入門から実践まで- このモデルを設計する作業がモデリングです。具体的には、モデルの中身にあたるアルゴリズムを検討する作業のことです。 近年では深層学習モデルが人気です。実は上図もLSTMと呼ばれるアルゴリズムを活用した深層学習モデルです。
Pythonとは - python.jp
Python(パイソン) は1990年代初頭ごろから公開されているプログラミング言語で、わかりやすく、実用的な言語として、広く使われ続けています。Pythonはプログラムの「読みやすさ・わかりやすさ」をとても重視していて、Pythonを知らない人でも、理解しやすいようにデザインされています。 もちろん、読みやすさ一辺倒ではなく、実用的で、高い拡張性も備えています。読みやすさ・習得しやすさと、実用性のバランスが、Pythonの大きな魅力といえるでしょう。 Pythonは汎用的なプログラミング言語の利用度調査などでは、常に高い位置を占めています。システム管理やツール・アプリケーション開発・科学技術計算・Webシステムなどで広く利用されてきました。特に、2010年代ごろからの機械学習ブームでは、優れた科学技術計算ツールとして評価され、大きな人気を得ました。 2020年度からは、日本の国家資格であ
2万4000超の開発者に聞いた、Pythonでよく使うフレームワークは？
Python Software Foundationは5月5日(米国時間)、「Python Software Foundation News: Python Developers Survey 2019 Results」において、2万4000名以上のPython開発者が参加した調査の結果を伝えた。 同調査は、Pythonがどのような用途で使われており、昨年と比較してどのように推移したのかなどがまとめられている。加えて、Python開発者が分野ごとによく使っているフレームワーク、ライブラリ、ツールなどについてもまとまっており、参考になる。 掲載されている主なフレームワークやライブラリ、ツールは次のとおり。
商用利用可能なPython向け機械学習ライブラリ「SmallTrain」 Geek Guildがオープンソース化
「高精度の学習済みモデルが簡単に構築できることを体感してほしい」 SmallTrainでは、TensorFlowやPyTorchの関数を用いて、CNN（畳み込みニューラルネットワーク）などの手法によってニューラルネットワークを構築してある。AIモデルには、画像データや時系列データなどのさまざまなデータを既に学習させてある。商用利用が可能で、スモールデータに対応した学習済みモデルとして利用することで工数が大幅に削減できる。さらに、ユーザーのデータを学習させることで、独自の学習済みモデルを構築できる。 当初は、登録ユーザーに限定して公開する。Geek Guildは、実際にSmallTrain 0.1.2で構築した学習済みモデルを登録ユーザーに利用してもらい、商用利用に耐える高精度の学習済みモデルが簡単に構築できることを体感してほしいとしている。さらに、ソースコード改善への貢献（コントリビュート
「関数型プログラミング」と「オブジェクト指向」ってなんやねんPython編 - Qiita
こ の 記 事 は 土 木 専 攻 の エ ン ジ ニ ア が 鼻 水 た ら し な が ら 書 き 上 げ た 努 力 の 結 晶 で す 。 ご 指 摘 は マ サ カ リ で な く 真 っ 白 な タ オ ル で も 優 し く 投 げ て く だ さ い 。 ことの発端 ぼく「いやーしかしぼくもそこそこ長いことPyhton書いとるしもうPython完全に理解したんちゃうんかなー！」 ぼく「久々にdocs.python.orgでもみるかー。今見たら全部わかるんちゃうかwww」 ぼく「関数型プログラミング HOWTO…？何やねんそれ…」 ぼく「えーと…？ほとんどのプログラミング言語は手続き型？で、入力に対して行うべきことをコンピューターに教える指示リスト？オブジェクト指向？はオブジェクトの集まりを操作する。オブジェクトには内部状態があり、その状態を調べたり変更したりするためのメソッ
TypeScript/JavaScript/Pythonの自動言語変換の話 - Qiita
この記事はGWアドベントカレンダーの「なにか新しいことにチャレンジするカレンダー」の5/6記事です。 APIを策定し、SDKを作る側になると、どの言語に対応するかという悩みが出てきます。 SDKを作る労力は最小限にしたいので、できればどれか一つの言語で作ったらそれを他の言語に自動変換したいですよね。 自動変換できる！！とまでは行かないものの、結構惜しいところまで出来てるんじゃないかなというライブラリをまとめてみました。 ※どのライブラリも惜しい！もう一歩！ というところで、完全に自動変換は難しそうでした。9割自動変換→のこり1割手動で治す みたいなやり方であればうまくいきそうです。 JavaScript -> TypeScript Javascriptの6割の人はTypeScriptも使ったことがある・・・みたいな話もありますが、旧いライブラリはまだJavaScriptですよね。移行コスト
Windows HomeにDockerを入れてPythonで簡易ウェブサーバーを動かす - Qiita
はじめに Dockerを勉強しようと思い、Windows10 HOME環境（←重要）でDocker InstallからDockerコンテナー内でPythonで簡易ウェブサーバーを動かすところまでやったのでまとめておく。 手順は抜け漏れがあるかもなので、何かうまくいかないところがあったらコメント貰えると嬉しいです。 Windows OSにおけるDocker Docker使うにあたりWindows10 ProとHomeで違うところ Dockerコンテナー内で簡易ウェブサーバーを動かす手順 Dockerのインストール Virtual Boxで動いているVMのなかを覗いてみる フォルダ・ファイルの構成を用意 Dockerファイルを記述する ウェブページを公開するpythonスクリプトを作成 Dockerイメージのビルド ビルドしたDockerイメージを実行 Dockerコンテナー内で動いているウェ
PythonのWebフレームワーク「FastAPI」とTypeScript・OpenAPIで、型つきでWebアプリを作ってみる - 機械学習WebAppのための技術スタック - Qiita
Intro Pythonで実装した機械学習や画像処理をバックエンドにしたWebアプリをサクッと作るための技術スタックとして、FastAPI+TypeScript+OpenAPIを紹介します。 モチベーション PythonでサクッとWebサーバ（APIサーバ）を立てたい 今まではFlaskを使ってたような用途 「Pythonで」 機械学習・画像処理のサービスなので 「サクッと」 バリデーションとか楽したい サーバ、クライアント共に型の保証が欲しい 機械学習や画像処理のアプリはパラメータが多くなりがち・一貫した慣習が無いのでミスしやすい width or w 値の範囲は[0, w] or [0, 1] ? →型アノテーションでカバーしたい やりたいこと API endpoint公開 メディアファイルアップロード・ダウンロード Additional: 非同期通信、WebSocket 検討した選択
握手会が延期になったので「効果検証入門」を読んで Python で (ほぼ) 実装した - 糞糞糞ネット弁慶
効果検証入門〜正しい比較のための因果推論／計量経済学の基礎 作者:安井 翔太発売日: 2019/12/27メディア: Kindle版 ゴールデンウィークの握手会が延期になり気力が完全に尽きてしまい(そもそも2020年のほとんどのイベントが延期または中止になっているわけですが)，同じく握手会が延期になった友人と「アイドルとシロクマのことを考えないでください状態になっていてつらい」「何か没頭できる事は無いの」という話になった結果，「効果検証入門」を読んだ． 「どうせ読むのならば短期集中で」ということで，一日目午後に1章と2章，二日目午前に3章，午後に4章，三日目午前に5章のペースで Zoom で交互に節単位を音読しながら進めた．2020年，30歳を過ぎて音読． 感想 数学力が低い自分でわかった気分になれる，非常に参考になった．明日からでも試したい．随所に「実際のビジネスの現場ではこんな滅茶苦茶
Azure FunctionsでPythonとMeCabを使う - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 本記事の目的 Azure Data Factoryの前処理で、MeCabを利用した簡単な自然言語処理（形態素解析＋α程度）をしたい。 関数として実装して、後々LogicAppsとか色々なサービスから呼び出せれば便利そう。ということで2つの実装方法を検討した。 Azure Functions（本記事） Azure DataBricks（Azure DatabricksでPythonとMeCabを使う） 機械学習のように重たい処理を行うわけではないのでAzure Functionsで十分だろう、ということで実装してみた。 先に結論を書くと
仕事でPythonコンテナをデプロイする人向けのDockerfile (2): distroless編 - Qiita
なお、distrolessのイメージは2種類（3通りの名前）がありますが、Python 3.5はバグ修正はせず、セキュリティ修正のみでサポート期限が2020/9/13というステータスなので、本エントリーでは3.7の方のみを扱います。 gcr.io/distroless/python3: Python 3.5.3 gcr.io/distroless/python3-debian9: Python 3.5.3(上のイメージと同一) gcr.io/distroless/python3-debian10: Python 3.7.3 一応サンプル等もありますが、どれも1ファイルで構成されたサンプルスクリプトばかりです。前回のsite-packagesにコピーする方法を軽く試したところうまく動かず、シェルもpipもensurepipもないため、ビルドイメージにすることもできません。いろいろ調べた結果、
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
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
