GoLearnについて - Qiita
初めてのAdvent calendarへの投稿になります。 ライブラリの紹介になってしまいますがよろしくお願いします。 Go言語の機械学習について Go Langでもいくつかの機械学習があります。 自然言語処理系 go-porterstemmer - A native Go clean room implementation of the Porter Stemming algorithm paicehusk - Golang implementation of the Paice/Husk Stemming Algorithm snowball - Snowball Stemmer for Go go-ngram - In-memory n-gram index with compression 機械学習系 Go Learn - Machine Learning for Go go-pr
Goでニューラルネットいくつか書いたけどやっぱPythonが楽でいいですね | LESS IS MORE
いまいち成果出ないので気分転換にブログをだらだら書いてみるテストです。 まえがき 半年くらい前に、某深層学習に興味を持ってやってみようかなーと思っていた時期があって、その時にGoでいくつかニューラルネットを書きました（参考：Restricted Boltzmann Machines with MNIST - LESS IS MORE、githubに上げたコード）。なぜGoだったかというと、僕がGoに興味を持ち始めていたからというのが大きいです。Goを知る前は、たくさん計算するようなコードを書くときはC++だったけれど、C++は色々つらいものがあるし、GoはC++には速度面で劣るもののそこそこ速く、かつスクリプト的な書きやすさもあります。C++のデバッグやメンテに費やす膨大な時間に比べれば、計算時間が1.5~2倍に増えるくらい気にしないというスタンスで、僕はC++のかわりGoを使おうとしてい
Goのスケジューラー実装とハマりポイント
Goのスケジューラー実装とハマりポイント golang.tokyo #4 1 March 2017 Koki Ide Koki Ide @niconegoto (Twitter, Github) メルカリ/ソウゾウ GoでAPI書いてます 2 去年のアドベントカレンダー 3 今日はなすこと Groutineの実装デザイン スケジューラーの罠 4 Groutineの実装デザイン 5 スレッドにはどのような種類があるのか N：1 複数のユーザー空間スレッドが1つのOSスレッドで実行 1：1 1つの実行スレッドが1つのOSスレッドと一致 M：N 任意の数のOSスレッドに任意の数のゴルーチンをスケジューリング GoはM:Nを採用 6 それぞれの特徴 N：1 :+1: コンテキストスイッチが非常に迅速である :-1: マルチコアシステムを利用することができない 1：1 :+1: マシン上のすべてのコ
Bevery Hills Dark Spot Remover Canada
GUNSLOT88 Daftar Situs Judi Slot Online Gacor Maxwin Malam Ini Provider Slot88 Resmi Permainan Mesin Slot Paling Gacor Sensasional x500 Ada di Sini GUNSLOT88 selaku tempat bermain mesin slot gacor maxwin hari ini menyediakan berbagai permainan gacoran dengan tingkat kemenangan paling aman triofus judi slot termasuk provider terdepan seperti pragmatic play dan slot88 resmi di indonesia, Pada tahun
The Go scheduler - Morsing's blog
30 June 2013 The Go scheduler Introduction One of the big features for Go 1.1 is the new scheduler, contributed by Dmitry Vyukov. The new scheduler has given a dramatic increase in performance for parallel Go programs and with nothing better to do, I figured I'd write something about it. Most of what's written in this blog post is already described in the original design doc. It's a fairly compreh
Concurrencyについてm9(^Д^)ﾌﾟｷﾞｬｰられないための基礎知識 - Qiita
本記事はGo その2 Advent Calendar 2015の23日目の記事です。 Go言語どころかナンチャってプログラマーである私が、"Goの強みの一つにConcurrencyがあるんだぜ"とドヤ顔で友人に話した所、私の理解が半端すぎてm9(^Д^)ﾌﾟｷﾞｬｰられてしまいました。つらい。 そんな被害者を増やさないために、調査した内容とConcurrencyな構造パターンを書きます。 目的 Go言語におけるConcurrencyについて概要を理解する。 Concurrencyとは なんなんでしょう。まずは日本語訳をググってみましょう。 concurrency: 同時並行性 なるほど。最初、私はconcurrency = 並列性だと考えていましたが、いきなり間違えてました。よく考えれば並列だったらparallelismになります。これはm9(^Д^)ﾌﾟｷﾞｬｰられるのも納得です。 次に
HoloLensで文字入力を簡単に 『HoloKeyboard』のAndroid版登場
HoloLensで文字入力を簡単に 『HoloKeyboard』のAndroid版登場 現実空間にいろいろなものを投影できるMRデバイス「HoloLens」。未来感満載の体験ができますが、不便なのが文字入力。通常は、空中に浮かぶキーボードに対し、頭を動かしてカーソルを合わせながら、指で１文字ずつ入力する必要があります。 それを解決するために以前配信された『HoloKeyboard』というアプリは、iPhoneから文章を送信することでHoloLensでの文字入力を簡単にできるというものでした。 しかし初期に配信されていたのはiPhone版のみ。個人開発者の@0x228氏は、『HoloKeyboard』のAndroid版を制作・公開しました。 #Android 版 #HoloKeyboard 公開しましたので #HoloLens での入力がちょっと….と思ってる方お使いいただければと思います。
スーパーファミコンのソフトをTensorFlowで学習させてみる！ - Qiita
学習方法 ゲームキャプチャ + アクションで報酬(game score)を与えそれを学習させる。 game scoreの取得については、ROMのバイナリ情報を解析する必要があります。 この辺はあまり詳しくありませんが海外にROMの情報が出ているとのことです。 ニューラルネットワークアーキテクチャ 学習関数は定番のReLU。教科学習のアルゴリズムは勾配降下法(Adam)でやってます。 ReLU 勾配降下法 ニューラルネットワークの外観 手順 ⅰ.エミュレータの準備 エミュレータの動作に関しては処理が複雑なのでgitにあげておきます。 https://github.com/tsunaki00/siva_game ※ 他のマシンで試してないので動くかわかりません。 エミュに興味あるかたは海外のgitなどをぐぐってみてください！ ⅱ.ROMの抜き出し 上記にも記載しましたが、ROMの抜き出し方法は
ZeroMQ
Why ZeroMQ? ZeroMQ (also known as ØMQ, 0MQ, or zmq) looks like an embeddable networking library but acts like a concurrency framework. It gives you sockets that carry atomic messages across various transports like in-process, inter-process, TCP, and multicast. You can connect sockets N-to-N with patterns like fan-out, pub-sub, task distribution, and request-reply. It's fast enough to be the fabric
TensorBoardでTrainとTest, Validationを分けて学習状況を把握する - Qiita
TensorBoardでTrainとTestの結果を分けて表示するのに少しハマったのでまとめました。 可視化の意義 ディープラーニングにおいて、過学習は大きな問題です。Trainのデータに過剰に適応してしまい、Testの精度が乖離することが問題ですが、この状況を把握するためには、学習時のTrainとValidationの精度を可視化してみることが大切です。 TensorFlowにはTensorBoardという素晴らしいツールがあります。TensorBoardのチュートリアルでは、Train時の精度や重み,バイアスなどのヒストグラムを見られるようにするものがあります。しかし今回表示させたい損失関数や、Train, Validationを分けた時の表示のやり方がわからず、少しはまったのでまとめます。 チュートリアルのやり方 基本的には、グラフにしたい変数について、histogram_summa
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
“おしり～の”璃乃 水着姿で「アイドル諜報機関ＬＥＶＥＬ７」ワンマンライブをＰＲ | 東スポWEB
GitHub - visualfc/liteide: LiteIDE is a simple, open source, cross-platform Go IDE.
Concurrency for distributed Web crawlers
GitHub - fujiwara/ridge: AWS Lambda HTTP Proxy integration event bridge to Go net/http.
GitHub - nlopes/slack: Slack API in Go
GitHub - hasegaw/IkaLog: IkaLog; Data Collector for Splatoon