Vimでパーリンノイズ - mfumiの日記
あけましておめでとうございます．これは Vim Advent Calendar 34日目の記事です． 今日はパーリンノイズの話をしようと思います．パーリンノイズはCGのテクスチャ生成等に利用される乱数*1です．普通の乱数だと，あまりにも各々の値がばらばらで，自然界にあるものを表すのには不適合な場合があります．そのときに使われるのがこのパーリンノイズです． このパーリンノイズをvimで利用できるプラグインを作成しました． GitHub - mmisono/vim-perlin: perlin noise function implemented in vimscript なお，動作にはynkdirさんによるvim-funlibが必要です． GitHub - ynkdir/vim-funlib 今回はこのプラグインについての解説をしようと思います．なお，パーリンノイズのアルゴリズムそのものにつ
Pythonのドキュメントには書かれていないが、正規表現モジュール(re)にはscannerという機能がある。 一旦作成した正規表現オブジェクトで、長い文章中をスキャンしていくような感じで、全てのマッチする部分を検出していく機能だ。 便利なんだが、使いたい時に毎回使い方を忘れているのでこの際ここにメモしておこう。 >>> a="aaabbbcccdddaaa111fffsss" >>> import re >>> pat = re.compile(r"aaa(...)") >>> dir(pat) ['__copy__', '__deepcopy__', 'findall', 'finditer', 'match', 'scanner', 'search', 'split', 'sub', 'subn'] >>> scanner = pat.scanner(a) >>> dir(scann
正規表現は「文字列のパターン」が、ある特定の文字列にあるかどうかを調べたり、その一部を抽出したりするための機能です。初心者にはかなり難しい部類のテクニックですが、Pythonだけではなくほぼすべてのメジャー言語でサポートされている機能ですので紹介させていただきます。なお、正規表現の「文字列のパターンの指定の仕方」はどの言語でもほぼ同じですが、関数などには若干の違いがあります。 正規表現の概要 PC上の画像ファイルを検索する際に“*.jpg”などという形で指定したことはありませんか。これは“.jpg”という拡張子がつくファイルすべてということなので、“*”は「なんでも」という意味になります。 正規表現は“*”を「なんでも」と解釈したように、「文字列のパターン」を定義する特別な書式だといえます。書式を覚えるのはなかなか大変で、初心者のうちは使いこなすのが難しいと思いますが、基本を覚えるだけでも
1行でシャローコピー／ディープコピー - 現場のためのソフトウェア開発プロセス - たかのり日記
簡単にシャローコピー（浅いコピー）／ディープコピー（深いコピー）をする方法です。 Jakarta Commons の BeanUtils や Lang を利用します。 シャローコピー import org.apache.commons.beanutils.BeanUtils; public SampleBean shallowCopy(SampleBean src) { SampleBean dest = (SampleBean)BeanUtils.cloneBean(src); return dest; } 単に、プロパティをコピーしているだけです。 S2を利用している場合は、org.seasar.framework.beans.util.BeanUtil#copyProperties を利用しても、同様のことができます。 ディープコピー import org.apache.common
Impala BE Note
Impala BE メモ 本文章は，Impala のメモ の TODO のうち，BackEnd の特にクエリの実行部を読み，文章化したものである． 概要 BackEnd(BE) は単体のデーモンとして動作し，FE 側でパースした結果(Job ID/Plan)に基づいて処理を実行する．FE と BE のやりとりには Thrift が用いられている． |FE| - パース結果(Job ID/実行Planなど) thrift -> |BE| 実行 Tree/Node について 実行プランは，Tree として表現される．Tree の構成要素を Node と呼ぶ．Node は Expr インタフェースを実装する必要がある． Tree は，FE で構築されて，Thrift 経由でシリアライズされ，BE 側の ExecNode::CreateTree() を実行することで再構築できる． Node の種類
都内の事業会社で分析やWebマーケティングの仕事をしています。大学・大学院では経済学を通じて統計解析を行うなどしておりました。企業に勤めてからは、機械学習やテキストマイニング、クローリング技術などに関心を持っています。 Twitterアカウント Mr_Sakaue( SKUE ) GitHub 読書メーター ほしいものリスト はじめに 2018年9月のテキストアナリティクスシンポジウムに行った際に、学習済みの分散表現で事前学習したモデルを使って分類してうまくいく事例が紹介されていました。 全てのタスクにおいてうまくいくとは思えませんが、試すコストはあまりかからないので試してみます。 2017年のテキストアナリティクスシンポジウムにおいても、メルカリやGunosyでは分散表現を用いた手法が一番精度が高いと言われていましたし、今年の会ではNLP系の学会でも分散表現はデファクトスタンダードになっ
DeepCopyするときは、Cloneメソッドをオーバーライドすること。 1 List<string> list = new List<string>(); 2 List<string> cloneList = List<string>(list); //=> コピー(複製)作成
これはKerasアドベントカレンダー2017 16日目の記事です。 こんにちは。アイパー隊長です。 今年４月に転職して、３ヶ月ぐらいKerasと毎日をともにしてきました。 モデルを構築したり、学習したり、学習途中をデバッグしたり、学習結果を確認したりと。 その中で色々学んだので、それを書きなぐっておきます。 環境 バックエンドはTensorflowを使います。 Tensorflow Keras 学習したモデルの中間レイヤーのアウトプットの確認 Kerasのドキュメントにあります、「中間レイヤーの出力を得るには？」に書いてある通り、途中のレイヤーのインプットとアウトプットを関数化してレイヤーのアウトプットの値を確認することができます。 下記はドキュメントのコード from keras.models import Model model = ... # create the original
はじめに 深層学習と強化学習を組み合わせた Deep Q Network、通称DQNでOpenAI GymのClassic controlを解くプログラムを作ってみました。 今回はその実装について紹介したいと思います。 DQN自体については DQNの生い立ち ＋ Deep Q-NetworkをChainerで書いた ゼロからDeepまで学ぶ強化学習 の記事がとてもわかりやすく、私もこちらで紹介されている論文やGitHubのコードを参考に実装しました。 強化学習やDQNの理論を知りたい方はこちらをご参考ください。 DQN"もどき"？ Deep Q Networkという名前からも分かる通り、DQNは強化学習の1つであるQ学習を多層ニューラルネットで関数近似します。 それに加え、下記の3つの手法を取り入れて初めてDQNと呼べるみたいです。 Experience Replay Fixed Targ
Data::Dumper - stringified perl data structures, suitable for both printing and eval - metacpan.org
NAME Data::Dumper - stringified perl data structures, suitable for both printing and eval SYNOPSIS use Data::Dumper; # simple procedural interface print Dumper($foo, $bar); # extended usage with names print Data::Dumper->Dump([$foo, $bar], [qw(foo *ary)]); # configuration variables { local $Data::Dumper::Purity = 1; eval Data::Dumper->Dump([$foo, $bar], [qw(foo *ary)]); } # OO usage $d = Data::Dum
データサイエンティストの山本(@hayata_yamamoto)です。 レアジョブでは、EdTech Labという研究開発の部署で、主にスピーキングテストの自動化プロジェクトに関わっています。弊社全体としては、PHP, Go, TypeScriptなどがメイン言語ですが、私たちのチームはPythonで開発をしています。 今回は、Pythonを用いた分析チームの開発スタイルの話をします。 www.rarejob.co.jp 分析チームでの開発スタイル このスタイルに至った背景 どのようにやっているか 特徴量エンジニアリングとトレーニングの切り分け、最適化処理の簡略化 jupyterlab_templatesを利用したNotebookスタイルの統一 コア部分の単体テスト mypyでの型チェック flake8でのLintと、autoflake, black, isortを用いたコード整形 おわり
main help file *usr_41.txt* For Vim version 7.3. Last change: 2011 Feb 15 VIM USER MANUAL - by Bram Moolenaar Write a Vim script The Vim script language is used for the startup vimrc file, syntax files, and many other things. This chapter explains the items that can be used in a Vim script. There are a lot of them, thus this is a long chapter. |41.1| Introduction |41.2| Variables |41.3| Expression
「オブジェクトの複製」には本質的に厄介な問題をいくつも含みます。特に、オブジェクトの再帰的な複製(ディープコピー)には直感的ではない動作や単純ではない依存関係が発生しがちです。myclabs/deep-copyはそれをいい感じに解決してくれます。 公式サイト myclabs/DeepCopy: Create deep copies (clones) of your objects 概要 Create deep copies (clones) of your objects パッケージ名 myclabs/deep-copy 作者 My C-Labs mnapoli (Matthieu Napoli) ライセンス MIT License バージョン v1.6.1 (2017-04-12) インストール Composerでインストール可能です。 composer.phar require myc
自分で強くなるAI「DQN」で3色オセロ「トリコロール」の学習に挑戦 | Aidemy | 10秒で始めるAIプログラミング学習サービスAidemy［アイデミー］
DQNはAI（エージェント）が状況を把握して行動します。行動に対する報酬”Q値”をエージェントに与えることで、より適した行動を取れるようになります。初めはランダムに行動した結果を保存しますが、勝った時に得られる報酬を参考にそれぞれの一手に対するQ値が定まります。 本プログラムではDQNのエージェント同士を戦わせて学習していきます。 まずは黒ターンと白ターンのAIを用意します。 #train.py #もろもろインポート import copy from Reversi import Reversi from dqn_agent import DQNAgent #オセロ開始の合図 if __name__ == "__main__": # 繰り返しの学習回数の設定 n_epochs = 100 # オセロの環境を構築 env = Reversi() # playerID playerID = [
You can download a free guide to genetic programming here.http://www.gp-field-guide.org.uk/ This example aims to reconstruct a simple mathematic function,which can been refined in def examplefun(x, y). I have given x * x + x + 2 * y + 1 to it. Nodes in a tree can be classified to three kinds:function,variable and constant, so I have built three wrappers:funwrapper,variable and constant. The fitnes
streamingAPIって日本語のfilteringに対応してないし、1%程度のtweetしか拾え無いし、使い勝手がいまいちだなって思っている人多いと思います。そんなstreamingAPIの使い道って何かないかなーって思ってなんとなく思いついたので作ってみました。 準備 必要なのはtwitterのstreamingAPIから取得した10分おきの単語のカウントデータ（sqliteに格納）のみです。DBのフィールドはymd, hour, minute, word_dict, tweet_cntとしました。 それぞれ、年月日('2014-06-01'), 時間('22'), 分('10'(00～50までの10分刻み)), pickleした辞書型の単語集合, 10分間毎のツイート数です。 作ったあとで思ったんですが、DBの設計ミスりました。年月日、時間、分とか分ける意味あんまりなかったですね。
まぁこの手のネタは、あちこちで語り尽くされているとは思うんですが。 特に深くつっこむつもりはなかったんですが、書き始めたら止まらなくなっちまった。 vim script にはクラスがないんですが、辞書に関数が定義できるので、クラスオブジェクトっぽく記述することが出来ます。 [ソース] " クラスオブジェクトのファクトリ関数 function! s:class_animal(name, sound) " 辞書をクラスオブジェクトとして使用する let self = {} " プロパティ let self.name = a:name let self.sound = a:sound " メソッド function! self.get_name() return self.name endfunction function! self.get_sound() return self.sound
こんにちは。サービスグループの武田です。 最近Rust勉強会が定期的に開催されていて、社内のRust熱（Rust愛？）が上がっています。 『The Rust Programming Language』勉強会 ｜ シリーズ ｜ DevelopersIO Rustの特徴的なメモリ管理モデルとして所有権があります。正直まだ勉強し始めなので、はっきり理解したと自信をもって言えませんが、所有権については完全に理解した *1といっても過言ではないでしょう。 ムーブセマンティクスとコピーセマンティクス Rustの値には所有権があり、その所有権をもっている変数を所有者と呼びます。ある値の所有者はただひとつの変数という制限があり、言い換えると同時に2つ以上の変数がある値の所有権をもつことはできない、ということになります。この制限によって、所有者がスコープから外れる際にメモリを安全に破棄できます。 ではこの所
JavaScriptのDeepCopyでJSON.parse/stringifyを使ってはいけない - Qiita
JavaScriptでのDeepCopyはJqueryではextend, angular.js だと angular.copy を使って簡単にできてしまうようだけれど、標準実装としてはそもそも用意がされていないようだ。 だから自分で作らないと行けないし、それにはいくつもの方法があって、中には罠のようなものもある。 例えば適当に個人ブログなんかを当たって見つかるのがJSONを経由した方法。 オブジェクトをJSON文字列に変換してから再びオブジェクトに戻すというハック的なやり方だ。stackoverflowだとこれが一番高速に動くぜ！なんて意見もあって、さすがネイティブ実装されたメソッドなだけはあるという感じだ。お手軽感も高い。 しかしDeepCopyする方法として実戦投入するにはいくつかの問題がある。 ###①そもそもDeepCopyするためのものじゃない この方法を知らない他人がコードを見
mPDFライブラリを使ったPDFファイルの出力について、mPDFのインストールから簡単な日本語テキストの入ったPDFファイルを出力するところまでを解説します。2018年9月時点で最新バージョンのmPDF v7.1zzzを使います。 この記事のポイント mPDFライブラリをインストールする とりあえずPDFファイルを出力してみる 日本語テキストを使ったPDFファイルを出力する mPDFライブラリとは mPDFライブラリはFPDFライブラリをベースにして作成された、PHPからHTMLを使ってPDFファイルを作成するライブラリです。 UTF-8に対応し、日本語のテキストも扱うことができます。 GNU General Public Licenseのため、ライブラリの改修・再配布ができ、このライブラリを使って構築したシステムに対しても特に制限は設けられていません。 商用利用ももちろん大丈夫です。 2
他のデモ https://media.giphy.com/media/TGu1wje7gWM26vByT7/giphy.gif はじめに Rasberry Piで自動レジを作成するプロジェクトをやっていたのですが、その際に使用した物体検出方法を紹介します。自動レジのgit ↓自動レジで使ったモデルの詳細 最新の距離学習を使っているので是非みてみてください。 [Keras]MobileNetV2+ArcFaceを使ってペットボトルの分類してみた Raspberry Pi上で処理速度が必要なタスクだったので、YoloやSSDなどのディープラーニングベースでの物体検出は使えませんでした。また検出画像を次工程でCNNに入れ商品を分類するという構造だったので、とにかく物体がカメラに入ってきたらその部分だけを切り出せればよいということで、背景差分での物体検出をやってみました。 Rasberry Piで
![[openCV]背景差分で物体検出をしてみた[Raspberry Pi] - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/81821cd6ed4a7edac496553538fcbe4d576a526f/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JTVCb3BlbkNWJTVEJUU4JTgzJThDJUU2JTk5JUFGJUU1JUI3JUFFJUU1JTg4JTg2JUUzJTgxJUE3JUU3JTg5JUE5JUU0JUJEJTkzJUU2JUE0JTlDJUU1JTg3JUJBJUUzJTgyJTkyJUUzJTgxJTk3JUUzJTgxJUE2JUUzJTgxJUJGJUUzJTgxJTlGJTVCUmFzcGJlcnJ5JTIwUGklNUQmdHh0LWFsaWduPWxlZnQlMkN0b3AmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZzPTY0MmUwNGM3YWY4NWI5NGQ3NzY0MjVkN2U2MTc1YTZm%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBrb21peWEtbSZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9MTQ4ZWYyNjk3NjFmZTlhNTQxMWE5YjEyZTRiZmVkYjE%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D6b087a019dcbdf01a7292a2db69e702c)
※書きかけです、少しずつ追記・修正します。 C++のデータ型は値のセマンティクスらしいです。 つまり 変数 = 変数をすると、C++では中の値もすべてコピーされる...というのがデフォルトの動作でありC++の各種クラスやデータ型（st::stringやstd::vector、std::array）も標準でそうなるようになっているらしいです。このような動作や処理 のことを セマンティクス と言い、とりわけコピーされる動作を ○ コピーセマンティクス （値のセマンティクス） と言います。 PCで言うと、ファイルやフォルダのコピーでしょうか？ 一方、他の言語（例えばPythonなど）では、デフォルトでは値そのものはコピーされずに、値への参照のみコピーされる ことが多いです。 これを ○ 参照のセマンティクス と言います。 イメージ的にはファイルやフォルダへのショートカットやシンボリックリンクの作
vim9script4pythondevelopers.md Vim9 script for Python Developers Vim9 script�Vim script��������������������������������������������������系��� def������義����������Vim script��vim9script�����使����������(vim9script���
Turing株式会社の自動運転・AIモデル開発チームの岩政(@colum2131)です。 Turingは2030年までに完全自動運転の達成を目指しており、自動運転AI開発から車両開発など、取り組むことは多岐に渡っています。 今回の話は、自動運転AI開発中に出た問題と、ひとまずの解決方法になります。より良い解決策があれば、教えてもらいたいです🙏 Transfomer-EncoderをONNXに変換したい ONNX（Open Neural Network eXchange）は、機械学習・深層学習モデルを表現するために構築されたオープンフォーマットです。 PyTorchやTensorFlow、scikit-learnなどのフレームワークで学習されたモデルをONNXに変換することでサーバーやエッジデバイスなど多様なハードウェアで運用が可能です。各ハードウェアごとに最適化されたフォーマットにも変換
重要 一部の情報は、リリース前に大きく変更される可能性があるプレリリースされた製品に関するものです。 Microsoft は、ここに記載されている情報について、明示または黙示を問わず、一切保証しません。 protected: System::Object ^ MemberwiseClone(); protected object MemberwiseClone (); member this.MemberwiseClone : unit -> obj Protected Function MemberwiseClone () As Object 戻り値 Object 現在の Object の簡易コピー。 例 次の例は、このメソッドを MemberwiseClone 示しています。 オブジェクトに ShallowCopy 対して簡易コピー操作を MemberwiseClone 実行するメソッ
A little Advanced Akka Streams API前回の部分で、Source、Flow、Sinkを繋いていけば、線形の処理をシンプルに実装出来る。 でも非線形の処理はどうでしょうか？ GraphAkka StreamはStreamの実行トポロジー、どう処理するのを表す概念をGraph（図）と呼ぶ。 線形、非線形、分岐のあるデータ処理は全部Graphである。 Junctionsまず、非線型処理をするため、Akka Streamが提供した分岐を見てみよう。 Fan-out 複数出力 Broadcast[T] – (1 input, N outputs) inputをすべてのoutputに出す。 Balance[T] – (1 input, N outputs) inputを任意一つのoutputに出す。 UnZip[A,B] – (1 input, 2 outputs) Tu
XStreamで書き出し→読み込みすれば、どんなオブジェクトでもディープコピーできるんだなあ。 import com.thoughtworks.xstream.XStream; public class CopyUtils { public static <T> T deepCopy(T obj) { XStream xs = new XStream(); return (T) xs.fromXML(xs.toXML(obj)); } } XStreamなら、対象のオブジェクトがSerializableを実装していなくても書き出せるのがポイントですね。
(レポート) BDT401: Amazon Redshift Deep Dive – チューニングとベストプラクティス #reinvent | DevelopersIO
AWS re:Invent 2015は全日程が終了し、日本からの参加者も帰国の途に着き、今頃は3連休の最終日、ゆっくり体を休めている頃でしょうか。私はと言うと、この後10/19〜23とTableau Conference 2015(こちらも開催地はラスベガス！)に参加するため、弊社代表兼AWSコミュニティヒーローのBOSSと米国サンフランシスコに滞在しております。(※この辺りの詳細についてはまたいずれ...) さて、当レポートではAmazon Redshift Deep Diveのセッションをレポートして行きたいと思います。Amazon Redshiftも新機能が色々と追加されており、"最新版のベストプラクティス"も情報をアップデートして行かなければなりません。これまでの情報整理も兼ねてその内容についてレポートして行きたいと思います。 当セッションについては既にスライド資料がSlidesh
深層強化学習でシステムトレードしてみたかった
環境の作成 必要なライブラリを読み込みます。 import time import copy import numpy as np import pandas as pd import chainer import chainer.functions as F import chainer.links as L from plotly import tools from plotly.graph_objs import * from plotly.offline import init_notebook_mode, iplot, iplot_mpl init_notebook_mode() 可視化には、Plotlyを使ってみました。 Plotly: https://plot.ly/python/ Jupyter notebook上でも、グラフをマウスでぐりぐりと操作できるので、面白いです。
JavaScriptのオブジェクトは参照渡しなので複製したい時は自分で同じオブジェクトを作らないといけない。そこでオブジェクトをディープコピーするclone関数を作ってみた。コードは以下。GitHubにもある。 See the Pen PqRWmw by shigure (@webkatu) on CodePen. 使い方と引数の説明 var cloneObject = clone(object, homogeneity, excludedPrototypes, excludedObjects); 第一引数「object」 第一引数はコピーしたいオブジェクトを指定する。ただ単にディープコピーしたいのであれば第一引数だけ使えばいい。 var a = {a: function() {}, b: [], c: {}}; var b = clone(a); //参照渡しではなく全てコピーされている
PythonのAWSライブラリBoto3のSessionはスレッドセーフではないよという話 | DevelopersIO
こんにちは。サービスグループの武田です。 AWSのリソースを操作する方法としてマネジメントコンソールやAWS CLI、そして各プログラミング言語に用意されているSDKが利用できます。人気の高いPythonでは、Boto3というライブラリが提供されています。 さてそのBoto3ですが、基本的な使い方は次のような流れになります。 first_test.py import boto3 session = boto3.Session() client = session.client("sts") r = client.get_caller_identity() print(r) セッション作成 各サービス用のクライアント作成 API呼び出し 通常であれば、これ以上言及することは特にないのですが、マルチスレッドと組み合わせる際に少し注意が必要です。一連の流れで作成しているSessionオブジェクト
現在(2020/05/05)使用している AtCoderなどの競プロ(Python用)のテンプレ！ よかったら使ってください〜 （万が一間違いがあったらすいません！） 1行目は削除して提出することが多いと思うので、 (入力時で)必ず使用するsysとそれ以外のライブラリ の2行に分けている！ また、input()よりsys.stdin.readline().rstrip()の方が明らかに早い！！！ 参考記事 Pythonの知っておくと良い細かい処理速度の違い8個 (2020/05/17追記) S()の位置をLS()の上に移動(見栄えがよくなかったため) import bisect,collections,copy,heapq,itertools,math,numpy,string import sys def I(): return int(sys.stdin.readline().rstr
2007-04-26
そもそも何でこんな問題で悩んでるかと言うと、開発に当たって採用しているJAXBで生成したオブジェクト（ビーン）は、デフォルトでは Serializable を実装していないからだ。 Serializable がデフォルトで実装できない理由はこういった点にあるのだろうか？ http://www.itarchitect.jp/technology_and_programming/-/27074.html いったんそのクラスをリリースすると、そのクラスの実装を後から変更しづらくなる：シリアライズを行う環境と、デシリアライズを行う環境とで、そのクラスのバージョンが異なると、インスタンスを復元できなくなるため※2 バグやセキュリティ・ホールの可能性が増える：通常、オブジェクト・インスタンスはコンストラクタを使用して生成するが、デシリアライズによるオブジェクトの生成は、メソッドreadObjectで行
Object copying - Wikipedia
In object-oriented programming, object copying is the act of creating and initializing a new object based on an existing object's state. The various ways to implement copy have implications that a programmer needs to understand in order to write a computer program that is correct and performant. Copying allows for the emergent state of the original object – represented by its internal state – to b
In memory qt.conf generation and registration Shiboken Better support for more than 9 arguments to methods Avoiding a segfault when getting the .name attribute on an enum value with no name PySide-setup Switched to the new setuptools (v0.9.8) which has been merged with Distribute again and works for Python 2 and 3 with one codebase Support for building windows binaries with only Windows SDK instal
Solving Every Sudoku Puzzle
by Peter Norvig Note: This page is the original 2006 essay; an updated Python 3 Jupyter notebook is available here and should probably be read instead of this page. In this essay I tackle the problem of solving every Sudoku puzzle. It turns out to be quite easy (about one page of code for the main idea and two pages for embellishments) using two ideas: constraint propagation and search. Sudoku Not
プログラミングコンテストチャレンジブック [第2版] ～問題解決のアルゴリズム活用力とコーディングテクニックを鍛える～posted with カエレバ秋葉拓哉,岩田陽一,北川宜稔 マイナビ 2012-01-28 Amazonで検索楽天市場で検索Yahooショッピングで検索 目次 目次 はじめに 1. 基本的な入出力 2. 数値への変換 3. 空白で分割 4. 空白で分割しつつ数値に変換 5. 特定の条件のデータを数える 6. 複数行をまとめて読み込む 7. 二重のリストの行列を入れ替える 8. 二重のリストをフラットにする 9. 連結と繰り返し 10. 要素の存在確認 11. 削除 12. ソート 13. マイナス値のインデックス 14. 部分リストの取り出し（スライス） 15. シャローコピーとディープコピー 16. 和集合と積集合 17. 文字列における、連結と繰り返し、存在確認 18
Automatic autoencoding variational Bayes for latent dirichlet allocation with PyMC3 — PyMC3 3.10.0 documentation
Automatic autoencoding variational Bayes for latent dirichlet allocation with PyMC3¶ For probabilistic models with latent variables, autoencoding variational Bayes (AEVB; Kingma and Welling, 2014) is an algorithm which allows us to perform inference efficiently for large datasets with an encoder. In AEVB, the encoder is used to infer variational parameters of approximate posterior on latent variab
vim7のfunctionsを参照していたところ、戻り値型や関数の数に違いがあったので差をみてみました。 同じ関数でも、パラメータによって返す型が違う事もあるようです。 関数の数は３倍くらい増えていました。 vim6＝60くらい vim7＝200くらい なるほど。 List型とDict型の使い方がvim7ではポイントになりそう。 vimヘルプより ※必要なパラメータは省略し戻り値の型のみピックアップしてみました。 vim6 append() 数値 argc() 数値 argv() 文字列 browse() 文字列 bufexists() 数値 bufloaded() 数値 bufname() 文 字列 bufnr() 数値 bufwinnr() 数値 byte2line() 数値 char2nr() 数値 col() 数値 confirm() 数値 delete() 数値 did_file
この記事はNode.js Advent Calendar 2013 - Adventarの3日目の記事です。 今年npm publishしたモジュールについて、ということで（今年、ってまだ12月終わってないのだけど）私が2013年01月01日から今日2013年12月03日までにpublishしたモジュールについて書いていきます。 mktemp npm / github このモジュールは、mktempコマンドのようなモジュールです。 var mktemp = require('mktemp'), temp; // "ランダムな値.tmp"というファイル名の空ファイルが生成され、 // tempには"ランダムな値.tmp"が代入される。 temp = mktemp.createFileSync('XXXXXXXXXX.tmp'); というような使い方をします。 例に書いた同期関数だけでなく、非
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
[メモ]正規表現モジュール re のscanner機能
Pythonで学ぶ 基礎からのプログラミング入門(13) 正規表現をマスターしよう
学習済み分散表現を用いた文書分類に挑戦（一部再学習も） – かものはしの分析ブログ
Listのコピーは、コンストラクタを使った方が楽。 - Seasons.NET
Kerasのモデル・レイヤー周りの話 - ITの隊長のブログ
Chainer✕OpenAI GymでDQN(もどき)に挑戦！ - Qiita
分析チームの開発スタイルについて - RareJob Tech Blog
Vim documentation: usr_41
オブジェクトをいい感じに複製(クローン)する [myclabs/deep-copy] - 超PHPerになろう
A Simple Genetic Programming in Python
twitter streamingAPIで突発的な流行語を抽出 - Qiita
vim script で、クラスっぽい定義 - C++でゲームプログラミング
RustのコピーセマンティクスをCopyトレイトを実装して確認する | DevelopersIO
mPDFライブラリでPDFファイルを作成する | GRAYCODE PHPプログラミング
[openCV]背景差分で物体検出をしてみた[Raspberry Pi] - Qiita
C++のコピー・ムーブ・参照・右辺値参照を私なりにまとめてみました
Vim9 script for Python Developers · GitHub
ONNXモデルの変換エラーを解決: PyTorchのTransformerモデルの再実装方法
Object.MemberwiseClone メソッド (System)
Akka Stream 2.4からの新API | XoYo24's Blog
XStreamを利用して簡単にディープコピー - kaisehのブログ
【JavaScript】オブジェクトをDeepCopyするclone関数を書いた | Web活
【Python】競プロテンプレ【AtCoder】 - Qiita
PySide
Juliaで競技プログラミングやるときによく書くコードをまとめてみた - MyEnigma
vim6とvim7の組み込み関数の違い - Guyon Diary
今年npm publishしたモジュールについて - 四角革命前夜