はじめに この記事には、Googleのオンサイト面接に向けて勉強した内容が記載されていますが、それらはすべて面接を受ける直前に書いておいたものです。このエントリを読むことで面接で聞かれた内容が予測されてしまわないようにそのようにさせていただきました。ご了承お願いします。 この記事について 令和元年に医師を退職し、ソフトウェアエンジニアに転職します。 自分にとって大きな転機であったのと、とても大変な道のりであったので、私という人間が辿った道筋を最初から最後までちゃんとまとめておきたいと思いこの記事を書くことにしました。 私のような他業種から未経験での転職を目指されている方にとっても、何らかの参考になる内容であれば幸いです。 私の生い立ち 私は小さい頃からテレビゲームが大好きで、学校から帰るとずっと家でゲームをしている子でした。あまりにもゲームが好きだったので、遊ぶだけではなく自分で作ってみた
指針 厳密解法に対しては、解ける問題例の規模の指針を与える。数理最適化ソルバーを使う場合には、Gurobi かmypulpを用い、それぞれの限界を調べる。動的最適化の場合には、メモリの限界について調べる。 近似解法に対しては、近似誤差の指針を与える。 複数の定式化を示し、どの定式化が実務的に良いかの指針を示す。 出来るだけベンチマーク問題例を用いる。OR-Libraryなどから問題例をダウンロードし、ディレクトリごとに保管しておく。 解説ビデオもYoutubeで公開する． 主要な問題に対してはアプリを作ってデモをする． 以下，デモビデオ： 注意 基本的には，コードも公開するが， github自体はプライベート そのうち本にするかもしれない（予約はしているが， 保証はない）． プロジェクトに参加したい人は，以下の技量が必要（github, nbdev, poetry, gurobi); ペー
はじめに 本書は，筆者が長年書き溜めた様々な実務的な最適化問題についてまとめたものである． 本書は，Jupyter Laboで記述されたものを自動的に変換したものであり，以下のサポートページで公開している． コードも一部公開しているが，ソースコードを保管した Github 自体はプライベートである． 本を購入した人は，サポートページで公開していないプログラムを 圧縮ファイル でダウンロードすることができる． ダウンロードしたファイルの解凍パスワードは<本に記述>である． 作者のページ My HP 本書のサポートページ Support Page 出版社のページ Pythonによる実務で役立つ最適化問題100+ (1) ―グラフ理論と組合せ最適化への招待― Pythonによる実務で役立つ最適化問題100+ (2) ―割当・施設配置・在庫最適化・巡回セールスマン― Pythonによる実務で役立つ
計算量についてのお話です。対象は、プログラミング経験はあるが計算量のことを知らない初心者から、計算量のことを知っているつもりになっている中級者くらいです。 数式を見たくない人にとっては読むのが大変かもですが、深呼吸しつつ落ちついて読んでくれるとうれしいです。 それから、この記事が自分には合わないな〜と思ったときは、（別の記事を Qiita とかで検索するよりも）この記事の一番下の 参考文献 にある本を読むことをおすすめします。Amazon の試し読みで無料で読めます*1。 TL; DR 関数の増加度合いのことをオーダーと呼ぶよ 計算量は、入力サイズ（など）を受け取ってアルゴリズムの計算回数（など）を返す関数だよ その関数のオーダーについての議論がよく行われるよ オーダーを上から抑えるときは \(O\)、下から抑えるときは \(\Omega\) を使うよ オーダーを上下両方から抑えたいときは
【10/18 翻訳完了】 ※StableDiffusion記法で書かれたプロンプトについて、()は{}に（5%強調）、{}は[]に（-5%強調）置換しています（NovelAI用）。また、NovelAIのプロンプトのプリセット機能はオフにしてお試しください。 Twitter (@31pi_) もフォローして頂けるとうれしいです。（間違い等あればこっそり教えてください） 元素法典 The Code of Quintessence ―― Novel AI 魔術全集 ―― 序文『元素法典』は、全ての高品質な術式と〈元素魔術〉を含めることを目的とする魔導書である。〈元素魔術〉とは、特に「商業イラストレベルの表現力を追求した」美しい絵を指す。 本書は、すべての人に開かれた書物である。したがって、聡明な読者諸君らの編み出した魔術の寄稿を歓迎する。 本書には、膨大な術式と豊富な挿絵が含まれている。その中か
月額料金なし、無制限の生成枚数でAIイラストをガシガシ描くなら、Stable Diffusionをローカル環境にインストールする「AUTOMATIC1111版Stable Diffusion WebUI」が必要です。 しかし、ローカル版AIイラストはグラフィックボードも必須です。 VRAM容量が多くないとダメ RTX 4000シリーズが良い Radeonは絶対にNG などなど･･･。いろいろな情報が飛び交っていますが実際のところはどうなのか？ やかもちグラフィックボードをなぜか40枚ほど所有している筆者が、実際にStable Diffusionを動かして徹底的に検証します。 （公開：2023/3/8 | 更新：2024/4/3） この記事の目次 Toggle AIイラスト（Stable Diffusion）におすすめなグラボを検証 検証方法：AIイラストの生成速度をテストする AIイラスト
jqのGo実装 gojq を作りました！ ― スタックマシン型インタープリタによるイテレータセマンティクスの実装 - プログラムモグモグ
jqはとても便利なコマンドです。 JSONを返すAPIを実装するときや、SaaSのAPIから特定の情報を抜き出してシェル変数に代入するときなど、web開発や運用には欠かせないツールとなっています。 しかし、私にとってjqのクエリを一発で書くのは容易ではなく、思い通りの出力が得られないことがよくありました。 難しいエラーメッセージに悩まされて、jqで書くのを諦めて別の言語で書き直すこともありました。 jqの十八番と思える場面で使いこなせないのは、なかなか悔しいものがあります。 ツールを使うのが難しいなら、同じものを作ってしまえばよいのです。 jqの全ての機能を実装する jqを言語としてきちんと書けるようになる jqを完全に理解する jqの全ての機能を自分で実装してしまえば、jqがどういうものか、クエリがどのように処理されるのか、詳しくなれるはずです。 jqを得意な言語と言えるようになって、ク
35歳から Python で競プロを始めて2年が経ちましたが、やっと AtCoder で橙になることができました！ ふぁぼ、コメントもたくさん頂きありがとうございました。 競プロを始めて2年、なんとか橙になることができました。 pic.twitter.com/r0GwrNogHi — きり (@kiri8128) October 31, 2020 RTA 途中経過 最初のRatedから青まで：3か月（Rated 7回） 青から黄色まで：7か月（Rated 17回） 黄色から橙まで：1年3か月（Rated 24回） －－－－－ 橙はだいぶ遠い存在という印象だったので、達成できて嬉しいです。 まだまだ上を目指していきたいと思いますが、ひとまずの区切りとしてこれまでにやったことなどを書いておきます。 スペック 某京都大学というところで9年ほど *1 数学（代数学・代数幾何学）などをやっていた *
お近づきになりたい人向けシリーズです。 いろいろなトピックを詰め込みましたが、「これら全部を知らないといけない」のようなつもりではなく、いろいろなことを知るきっかけになったらいいなという気持ちなので、あまり身構えずにちょっとずつ読んでもらえたらうれしい気がします。 まえがき 予備知識 規格 用語 精度という語について 記法 表現について 有限値の表現について エンコードについて 丸めについて よくある誤差や勘違いの例 0.1 = 1 / 10? 0.1 + 0.2 = 0.3? 整数の誤差 Rump’s Example 基本的な誤差評価 用語に関して 実数の丸め 有理数の丸め 基本演算の丸め 差について 複数回の演算 補題たち 桁落ちについて Re: Rump’s example 融合積和 数学関数に関する式の計算 誤差の削減に関して 総和計算 数学関数の精度について 比較演算について 雑
画像生成AI「Stable Diffusion」で崩れがちな顔をきれいにできる「GFPGAN」を簡単に使える「Stable Diffusion web UI(AUTOMATIC1111版)」の基本的な使い方
「Stable Diffusion web UI(AUTOMATIC1111版)」は他のUIには搭載されていない機能なども盛り込んだ、いわば決定版の「Stable Diffusion」のUIといえますが、それだけにやれることが多いので、どこをどう触ればよいか悩むこともあるはず。 この記事ではまず、「Stable Diffusion web UI(AUTOMATIC111版)」のうち、テキストから画像を生成する「txt2img」の基本的な使い方をまとめています。 ◆目次 ・1：最も簡単な使い方 ・2：「txt2img」タブ内の各項目はどういう意味なのか？ Stable Diffusion web UI(AUTOMATIC1111版)は画像生成AI「Stable Diffusion」を使うためのUIの1つ。Stable Diffusionの利用にはNVIDIA製GPUが必要で、該当するPCにS
画像生成AI「Stable Diffusion」でプロンプト・呪文やパラメーターを変えるとどういう差が出るか一目でわかる「Prompt matrix」と「X/Y plot」を「Stable Diffusion web UI(AUTOMATIC1111版)」で使う方法まとめ
画像生成AI・Stable Diffusionを導入するにはNVIDIA製GPUを搭載したPCのほかにPythonやAnacondaなどの知識が必要で、ローカル環境に導入するには少し敷居が高いところがありました。しかし、2022年8月に一般公開されて以降、多くの開発者によって誰でも簡単にStable Diffusionをローカル環境に導入可能でかつGUIで操作できるツールが次々と開発されています。「Stable Diffusion web UI(AUTOMATIC1111版)」はその中でも他のUIには搭載されていない機能も盛り込まれた決定版とも言えるツールで、その中でも特に画像生成にお役立ちな機能である「Prompt matrix」と「X/Y plot」を実際に使ってみました。 GitHub - AUTOMATIC1111/stable-diffusion-webui: Stable Di
画像生成AI「Stable Diffusion」にたった数枚のイラストから絵柄や画風を追加学習できる「Dream Booth」が簡単に使える「Dreambooth Gui」レビュー
画像生成AI「Stable Diffusion」はあらかじめ学習したデータセットを基にして、プロンプトあるいは呪文と呼ばれる入力文字列に沿った画像を自動で生成します。そのStable DiffusionのAIモデルに画像を追加で学習させる「Dream Booth」という手法があるのですが、コマンド入力による操作が必要で、演算処理に何十GBものVRAMを必要としました。しかし、Dream BoothをGUIで、しかもNVIDIA製グラボであれば10GB程度の環境でも使える「Dreambooth Gui」がリリースされたので、実際に使ってみました。 GitHub - smy20011/dreambooth-gui https://github.com/smy20011/dreambooth-gui Dreambooth Guiを使うためにはDockerとWSL2のインストールが必要となります。
せっかく課金したのにユーザが増えまくっているのか滅茶苦茶重くなっていて最悪。 だから流出したモデルを使ってローカルでNAIの環境を構築する。 ネットには情報もだいぶ転がってるけど陳腐化した情報があまりに多いため増田にまとめることにした。 もしかしたらこの記事もすでに陳腐化しているかもしれないが…単純に間違ってたらトラバで教えてほしい。 もちろん自己責任。この記事を見て導入した結果何かあっても増田は何も保証しない。 英語がわかる人はこっちを見た方が早いと思う。今は導入RTAができるくらい導入は楽になっている。 https://rentry.org/nai-speedrun 推奨環境VRAMが2GB以上あるNVIDIA製のグラフィックボードがあればローカル環境を構築できる。 GPUの世代はGTX700シリーズ以降。なので一昔前のミドル級ボードでも動作するらしい。 IntelのオンボードGPUで
画像生成AI「Stable Diffusion」でイラストを描くのに特化したモデルデータ「Waifu-Diffusion」使い方まとめ
2022年8月に一般公開された画像生成AI「Stable Diffusion」を二次元イラスト490万枚以上のデータセットでチューニングした画像生成AIが「Waifu-Diffusion」です。このWaifu-DiffusionをローカルのWindows環境で実行するために、実際にモデルデータをダウンロードして導入してみました。 GitHub - harubaru/waifu-diffusion: stable diffusion finetuned on danbooru https://github.com/harubaru/waifu-diffusion ◆Waifu Diffusionでの生成例 実際に、プロンプト・Sampling Steps・Sampling method・CFG Scale・シード値をまったく同じに設定して、Stable Diffusion(左)とWaifu-
概要 NGUIはパラメータ調整を自動で行い、キーワードを入力するだけで鮮明なイラストを生成するソフトです。VRAMが2GB程度のローエンドGPUから動作します。AIモデルはNGUI独自の「Hina」か他のモデルを読み込んで使えます。スマホ等による遠隔生成に対応。Python、C#勉強のため無料にて公開します。コメント欄にて質問承ります。 ダウンロードリンク（v2.1.7) 2/15更新(2.1.9は複数GPU環境で不具合あり)NGUIv2 : インストーラー版 NGUIv2_local : ポータブル(非インストール)版 不具合報告フォーム https://forms.gle/aYmzJvNeL4t1LKaR9 過去の対応はコメント欄にて 基本的な使い方 ・ソフトをインストールして起動 ・AIモデル（通常版 or NSFW強化版）を選択してOKボタンを押す ・キーワードを入力して生成ボ
社内勉強会で 機械学習で使う数学入門 の話をしました。 話した内容をブログにします。 目次 AI/ML/DL 人工知能(AI) 機械学習(ML) 深層学習(DL) 機械学習(モデル) MLの問題例 どう機械学習の問題を解くか 機械学習(目的関数) どのようにモデルの良し悪しを測るか 目的関数 目的関数の具体例1 目的関数の具体例2 微分 そもそも微分とは 微分でできること 勾配降下法 微分 まとめ 線形代数 線形代数とは 線形代数でできること 線形代数 まとめ 確率・統計 確率変数・確率分布 条件付き確率 ベイズの定理 混同行列(Confusion Martix) 確率・統計 まとめ 数学をどれくらい学ぶか とりあえず読もう 数式 微分 線形代数 確率・統計 自分の数学の勉強方法 Chainerチュートリアル Project Euler(プロジェクトオイラー) おわりに 参考 AI/ML/
memo.sugyan.com の記事の続き(？)。 ある程度の学習データを収集して学習させたモデルが出来たので、それを使って実際に色々やってみる。 StyleGAN2-ADA 学習 mapping出力と生成画像 生成画像の属性推定結果から潜在空間の偏りを抽出 表情推定 顔姿勢推定 髪領域推定 (顔解析) 年齢 (上手くいかず) 複合 Repository StyleGAN2-ADA 前回の記事でも書いたけど、厳選した16,000枚の画像を使って StyleGAN2-ADA を使って生成モデルを学習させてみた。 github.com これは StyleGAN2 から進化したもので、より少ない枚数からでも安定して学習が成功するようになっていて、さらにparameter数など調整されて学習や推論もより早くなっている、とのこと。 それまでのStyleGANシリーズはTensorFlowで実装され
【訃報】プログラミング言語「Pascal」の開発者ニクラウス・ヴィルト氏が89歳で死去、ソフトウェア設計のパイオニアとして複数のプログラミング言語を考案し1984年にチューリング賞を受賞
プログラミング言語「Pascal」の開発者であるニクラウス・ヴィルト氏が2024年1月1日に亡くなりました。89歳でした。 RIP: Software design pioneer Niklaus Wirth • The Register https://www.theregister.com/2024/01/04/niklaus_wirth_obituary/ We lost a titan of programming languages, programming methodology, software engineering and hardware design. Niklaus Wirth passed away on the first of January. We mourn a pioneer, colleague, mentor and friend.— Bertra
コンピュータ以前の数値計算(1) 三角関数表小史 -
現代の三角関数計算 三角関数の値を計算する方法として、現代人が素朴に思いつくのは (1)いくつかの角度に於ける値を事前に計算しておき、一般の場合は、それを補間した値を使う (2)Taylor展開の有限項近似 の二つの方法だと思う。Taylor展開を使う場合、角度をラジアン単位に変換する必要があるので、円周率を、ある程度の精度で知っていないといけない。 コンピュータ用に、もう少し凝ったアルゴリズムが使われることもある/あったらしいけど、今のコンピュータでは、(2)の方法が使われることが多い。例えば、Android(で採用されているBionic libc)では、アーキテクチャ独立な実装は、単純なTaylor展開を利用するものになっている。 https://android.googlesource.com/platform/bionic/+/refs/heads/master/libm/upst
画像生成AI「Stable Diffusion」に描かせたい内容を文章で伝えるだけで一発で何通りものプロンプト・呪文を簡単に自動作成できる「MagicPrompt」Stable Diffusion版
画像生成AI「Stable Diffusion」では、画像を生成したい場合はあらかじめ「プロンプト」と呼ばれる文字列が必要となりますが、このプロンプトは単に文章で書けばいいというわけではなく、独自の形式や順番で入力しなければならず、KREAやLexicaといったサービスを使って既存のプロンプトを調べて組み合わせたり書き換えたりする必要があります。生成したいイメージを文章で入力すると、画像を生成するためのプロンプトを自動で作成してくれるウェブアプリで、どういう文字列の組み合わせが良いのか思い浮かばず、検索が難しい場合でも簡単にプロンプトを用意することが可能です。 MagicPrompt Stable Diffusion - a Hugging Face Space by Gustavosta https://huggingface.co/spaces/Gustavosta/MagicProm
こんにちは。サービスグループの武田です。 新しくプログラミング言語を身につけようと思ったとき、まずは基本的な文法をさらい、そして何かを作ってみるのが一番でしょう。人によってそれは、パーサコンビネータであったり、シンプルなWebサーバーであったりするかもしれません。 社内では、約1年前ほど前からTRPLベースでRustの学習を進める勉強会を実施していました。先日ひととおり終え、さてその後はどうしようということになったのですが、そこでやってみようとなったのがプロジェクトオイラーでした。 プロジェクトオイラー is 何 プロジェクトオイラーのAboutページから引用します。 Project Euler is a series of challenging mathematical/computer programming problems that will require more than
はじめに 2020年8月に開催されたUnity1week(お題:ふえる)で、私はDSのグラフィック（主にポケ〇ン）を再現したアクションゲーム【がんばれ！ソラコくん】を制作しました。本記事では、再現までの過程（？）を備忘録的な意味も少し込めてまとめています。 こんな感じのゲームです がんばれ！ソラコくん | フリーゲーム投稿サイト #unityroom https://t.co/nAMC54lTYd #unity1week #がんばれソラコくん Unityを使って、一週間でDSのポケ〇ンのグラフィックを再現したゲームを作ってみました！！！！！！！！！！！！！！！ pic.twitter.com/kiCbeueY8I — フィズ🐬(Yoshi3110) (@FizDv) August 16, 2020 たのしい！！！！！！ 目次 1.素材の準備 ┣ 1-1 主人公 ┣ 1-2 マップチップ、
随時募集しています 略称 正称 APSP All Pairs Shortest Path BB Branch and bound BBST Balanced Binary Search Tree BFS Breadth First Search BIT Binary Indexed Tree BM Berlekamp-Massey BM Boyer-Moore BSGS Baby-Step Giant-Step CHT Convex Hull Trick CRT Chinese Remainder Theorem D&C Divide and Conquer DAG Directed Acyclic Graph DEPQ Double-ended priority queue DFS Depth First Search DP Dynamic Programming DST Disjoin
日本語が本格的に使えるようになりだした頃、そのコードはJISコードを巧妙に細工してモード切替を不要にしたシフトJISと呼ばれるものが使われました。当時は英語のみが使える環境でプログラムが作られることが殆どだったので、これを移植して日本語を扱えるようにすれば充分だということだったのです。 文字コード 最初に使われたのはCP/M-86という説もありますが、一般的に使われるようになったのはMS-DOS(PC-DOS)が最初です。これはWindowsにも引き継がれ、Macintoshも日本主導で日本語化が行われたという経緯もありシフトJISが使われました。 さてシフトJISの問題は米国標準であるASCIIに対する拡張であって、それ以外の国のローカルコードのことを考えていないことです。例えば英国では一部の記号がポンド記号に置き換わっているコードが使われていましたし、他のヨーロッパ諸国の言語でもいろい
つながりをデータから解き明かしたい ~ 複雑ネットワークの世界とそれを活用した不正検知の紹介 | メルカリエンジニアリング
この記事は、Merpay Tech Openness Month 2020 の17日目の記事です。こんにちは。メルペイのMachine Learningチームのhmjです。 検知精度とオペレーション負荷のトレードオフ解消 取引の連続性に着目した検知 と不正決済の検知への機械学習の適用の内容にて投稿してきました．今回は「集団的な不正の検知」がテーマとなります． 昨今，Web不正検知やセキュリティに関わるでもECサイトでの集団による不正の手口は多様化や複雑化してきていることが報告されています[1]． メルペイでも，今後起こり得る集団的な不正決済への対策を講じる必要があると考えています． 集団的な不正は検知できたとしてもその全体像がみえにくいこともあり，ソリューションとしては「検知できること」と「すばやく全体像を把握できる」を満たすものが求められています． 両者を満たす解決方法として，グラフ理論
atcoderで赤色の統合失調症の患者です
僕は統合失調症の趣味人ニートです。プログラミングを趣味としてやっています。 競技プログラミングの勉強は大変でした。atcoderでレッドコーダーになるまでの一連の勉強の方法について書こうと思います。 実は競技プログラミングを始める前までは、統合失調症ではありませんでした。単なるニートです。 僕は生産的な趣味をネットで探し、DIYは体力を使うから嫌だし、料理は太るから嫌だという理由で、競プロにたどり着いたのです。 最初はgithubで公開されていた練習問題のリストを反復して行いました。 そしてコンテストの日になって、実際にやってみたら３問しか解けず、結果はひどいものでした。 しかし問題自体は、練習問題さえできるレベルであれば解けるものだったのです。 そこで僕は「応用力が足りない」のだと仮説を立て、応用力のためには見たことのない問題に取り組む必要があると考えました。 インターネット上で探すこと
Liam Tung （ZDNET.com） 翻訳校正： 矢倉美登里 吉武稔夫 （ガリレオ） 2019-09-05 14:02 犯罪者が、人工知能（AI）で生成した音声を利用し、企業の最高経営責任者（CEO）の声をまねて部下をだまし、資金を自分の口座に送金させている。 いわゆるディープフェイクボイス攻撃は、詐欺の次なるフロンティアとなるかもしれない。 The Wall Street Journal（WSJ）の報道によると、社名は伏せられているものの、英国を拠点とするエネルギー企業のCEOが、上司であるドイツの親会社のCEOと電話で話していると思っていたところ、ハンガリーのサプライヤーに22万ユーロ（約2600万円）を至急送金するよう頼まれたという。 ところが実際は、その指示はAIによる音声技術を利用してドイツにいるCEOになりすました詐欺師からのものだった。世論操作や社会の対立を招く恐れがあ
前回学習設定の記事を書きましたが、しょうもないネタ画像を作るのが面白かったので、生成についても書いていきます。WebUIにある機能を中心に書きますが、実装をみないでフィーリングで理解してる部分もあります。 生成過程について Stable-Diffusionは拡散モデルというもので、完全なノイズからノイズを除去していって画像を生成するとかいいますね。ざっくりと以下のような図で表されます。 一般的な設定 生成法によらない設定から紹介していきます。 解像度Stable-Diffusionの世界の掛け算九九 解像度自体は説明しなくても分かると思いますが、WebUIでは8の倍数の画像しか生成できません。これはVAEが潜在変数を8倍するからです。なんとなく8の倍数以外も生成できるようにするスクリプトを作ってみましたが、どうしても8の倍数以外を生成したいなら、できた画像をちょっと拡大縮小すればいいだけな
AtCoder Rating History(1) AtCoder Rating History(2) AtCoder ChartsAtCoder ScoresAtCoder Problems(1)AtCoder Problems(2) テンプレネタですね。 各回のコンテストについては別途記事にしていますが、レーティングがキリの良いところを迎えたこのタイミングで、1度総括的な記事を書いておきます。解いた問題数や、コンテスト成績の推移については上の画像参照で。 AtCoderを始める (2019/04) まで 数学 平均的な競プロ上級者と比べても、数学を強みに出来る寄りだと思います。 大学受験数学は全て（ほぼ全て、かも）できる。大学数学科学部レベルの数学は大体理解している。IMO（国際数学オリンピック）が7～8割くらい？解ける（金メダルボーダーくらい）。 ※ 競プロとの親和性が高そうな、組み
![[AtCoder] 橙(2400+)になりました | maspyのHP](https://cdn-ak-scissors.b.st-hatena.com/image/square/d3b83cb0b151f85f4ab582d54745629884ec04db/height=288;version=1;width=512/https%3A%2F%2Fmaspypy.com%2Fwp-content%2Fuploads%2F2023%2F01%2F5Dth6Yjz_400x400.jpg)
画像生成AI「Stable Diffusion」は「プロンプト」として文字列を入力することで、その文字列の内容に沿った絵や写真を自動で生成してくれます。しかし、自分の理想により近い画像を生成してもらうためには、多種多様な文字列を大量にプロンプトとして入力する必要があり、この複雑なプロンプトを探ることが画像を生成する工程の中でも特に大変な作業の1つです。「KREA」はAIで生成された画像とそのプロンプトをまとめたデータベースで、自分が理想とする画像を生成するためのプロンプトを探る作業がはかどります。 KREA — create better prompts. https://www.krea.ai/ KREAのトップページはこんな感じ。 上段の「search for prompt」に「anime」と入力してみると、以下のようにサジェストが表示されました。 今回はサジェストを無視し、「anim
エルキースによるオイラー予想の反例：2682440^4 + 15365639^4 + 18796760^4 = 20615673^4 - tsujimotterのノートブック
こちらの記事は今日投稿された下記の動画に関して、さらに深い解説をする記事となっています。www.youtube.com よろしければ、こちらの動画も合わせてご覧ください！ フェルマーの最終定理の のケース に自然数解が存在しないことは、オイラーによって証明されていました。 オイラー自身は、この式の指数と変数の個数を1個ずつ増やした にも、同様に解がないことを予想しました（1769年）。以降もずっと指数と変数を増やして行っても同様に解がないと予想していたようです。割と自然な発想ですよね。 一見すると式 には自然数解がなさそうなので、長い間解がないと信じられていました。 ところが、1966年にレオン・J・ランダーとトーマス・R・パーキンによって、式 の解が発見されたのです： この発見によってオイラー予想は間違っていることが示されたわけです。 次がそのランダーとパーキンの論文なのですが、1ページ
はじめに 本書は，筆者が長年書き溜めた様々な実務的な最適化問題についてまとめたものである． 本書は，Jupyter Laboで記述されたものを自動的に変換したものであり，以下のサポートページで公開している． コードも一部公開しているが，ソースコードを保管した Github 自体はプライベートである． 本を購入した人は，サポートページで公開していないプログラムを 圧縮ファイル でダウンロードすることができる． ダウンロードしたファイルの解凍パスワードは<本に記述>である． 作者のページ My HP 本書のサポートページ Support Page 出版社のページ Pythonによる実務で役立つ最適化問題100+ (1) ―グラフ理論と組合せ最適化への招待― Pythonによる実務で役立つ最適化問題100+ (2) ―割当・施設配置・在庫最適化・巡回セールスマン― Pythonによる実務で役立つ
画像生成AI「NovelAI」「Waifu Diffusion」でイラストを描くのに役立つDanbooruのタグ一覧まとめ
画像生成AIの「NovelAI」や「Waifu Diffusion」は、海外の二次元イラストサイト「Danbooru」の画像で構成されたデータセットで学習しています。さらに、Danbooruで作品につけられているタグがプロンプトとして機能するため、普通の文章を入力するよりも高い精度で自分の求めている画像を出力しやすくなります。そんなDanbooruのタグが、Danbooru内でまとめられています。 Tag Groups Wiki | Danbooru https://danbooru.donmai.us/wiki_pages/tag_groups Danbooruでつけられるタグは塗り方や構図、シチュエーションなどに応じてイラストを検索するのに役立ちます。データセットの場合はただ画像を学習させるのではなく、「その画像がどういう要素を持つのか」というタグが必要になるため、Danbooruの検
GitHub - AUTOMATIC1111/stable-diffusion-webui: Stable Diffusion web UI
Detailed feature showcase with images: Original txt2img and img2img modes One click install and run script (but you still must install python and git) Outpainting Inpainting Color Sketch Prompt Matrix Stable Diffusion Upscale Attention, specify parts of text that the model should pay more attention to a man in a ((tuxedo)) - will pay more attention to tuxedo a man in a (tuxedo:1.21) - alternative
生成AIで3D化して整形。ローカルでも超高速で3Dデータ生成できる「TripoSR」を試す | テクノエッジ TechnoEdge
今回は同じくStablity AIが、独自の3D生成サービスを提供してきたTripo AIと共同開発した「TripoSR」を紹介します。 低品質ながら圧倒的に高速TripoSRは「Large Reconstruction Model」という3D生成の手法を実装したもので、特徴はその速度にあります。筆者がテストしている環境はWindowsのRTX 4060 Ti 16GBと、ゲーム向けのビデオカードでもあまり高速ではありませんが、10～30秒程度で1枚の画像から3Dデータが生成できます。CUIを使えばVRAMも8GBに収まるため、多くのローカル環境でかなり手軽に3Dデータの生成が行えます。 ただし生成される3Dデータの品質は高くなく、そのままゲームやXRに利用できるものではありません。CSMやTripoといった商用サービスに比べれば形状もテクスチャも不正な結果が多く、がっかりするかもしれませ
I designed and prototyped the missile attack! The math was clever and I want to show-off! Let’s talk about cubic bezier curves, perlin noise, and rotation minimizing frames. Doing Ichirō Itano proud. I’ll keep this article a little lighter on code. I really want to focus instead on the geometry. Many people are intimidated by math, but keep in mind that you don’t need to understand everything to u
問題「一つのピクセルを切り替えて数式を成立させて下さい」
Dave Richeson @divbyzero Mathematician. John J. & Ann Curley Chair in Liberal Arts at Dickinson College. Author of Tales of Impossibility and Euler's Gem. Coffee drinker. Dave Richeson @divbyzero Nice puzzle posted by @icecolbeveridge on Mastodon (that he said came from Reddit): Toggle one pixel to make this correct. No spoilers for those who don't see it! pic.twitter.com/kcrYL42ZsK 2023-06-18 01:
科学者を魅了し続ける古くて新しい「三体問題」 その解法の鍵とは？
【▲ ２つのブラックホールの衝突によって生じる重力波のイメージ画像。この現象はアインシュタインの一般相対性理論によって説明され、現代的な「三体問題」の一例でもあります（Credit: NASA Goddard）】17世紀の終わり頃、ニュートン（Isaac Newton、1642-1727）は「万有引力の法則」を発見し、太陽の周りの惑星の動きを説明することに成功しました。これは現在「ケプラーの法則」として知られています。 ニュートンはさらに、地球の衛星である月の動きを説明しようとしました。しかし、地球と太陽の両方が月の動きを決定しています。地球と太陽だけであれば２つの物体の関係（「万有引力の法則」に帰着する「二体問題」）になりますが、月が加わると３つの物体の非常に複雑な動きを予測することになり、数学的な解法も難しくなることが知られています。これが「三体問題」です。 こちらの動画では「2つの物
GPT-4で賢くなりすぎたChatGPTでも解けない問題の話2023.03.17 19:0019,467 かみやまたくみ ※この記事は編集部がChatGPTと触れ合った思い出を記録するものです 先日、OpenAIの対話型AIサービス｢ChatGPT｣で次世代大規模言語モデル｢GPT-4｣が利用可能になりました。さっそく触っていたのですが、OpenAI自身の評価の通りに非常に賢くなっています。というか、どう考えても自分より賢い。 そこで気になったのがどんだけ賢いんだ？ということ。AIはすでに、ぱっと見美しい絵や写真をさくっと出力できるようになっていますし、頭脳ゲームでもプロを打ち負かすほど。それがより一般的な思考の世界にもやってきた感じ。 試していたら、一応解けない問題もありまして、ちょっとだけですがほっとしました。どうしてそう思ったのかを記します。 長文の質問でも即座に理解し回答できるGP
皆さん、画像生成AI触ってますか？私は触っています。 ここ一か月くらい自然言語処理AIに首ったけだったのですが、画像生成AIの進化もなかなかすごいぞ！という評判だったので触ってみました。 私は画像生成AIに関しては丸ごとAIに絵を描かせるというより、『人間が描きたくないところはAIに描かせて、人間が描きたいところだけ描いて楽しくお絵描きする』的な運用を期待しており、いつぞやの記事ではAIにお見本を描かせたりして遊んでいました。だってお絵描き苦しいけど楽しいもん。AI野郎ごときにこの楽しさを奪われてたまるかよ（ヘイトスピーチはやめなさい） 私が真に期待するAIは『のっぺりした線画をいい感じに強弱つけてくれるAI』です。あと『下塗り渡したらいい感じにアニメ塗りしてくれるAI』とかも楽しみですね。 今回、AIの進化によって、私が期待する運用がそこそこできるようになったのでそのレシピを紹介したいと
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
【転職エントリ】Googleに入社します｜Lillian
Python言語による実務で使える100+の最適化問題 | opt100
Python言語による実務で使える100+の最適化問題 | opt100
できるだけ嘘を書かずに計算量やオーダーの説明をしようとした記事 - えびちゃんの日記
【日本語訳】元素法典 第1巻 #NovelAI #元素法典｜さいぴ
【Stable Diffusion】AIイラストにおすすめなグラボをガチで検証【GPU別の生成速度】 ちもろぐ
35歳で競プロを始めて橙になるまでにやったこと - Kiri8128の日記
浮動小数点型の算術とお近づきになりたい人向けの記事 - えびちゃんの日記
NovelAIが重すぎるからローカル環境にNAI環境を構築する(2022年10月16日版)(追記あり)
軽量イラスト生成ソフト「NGUI v2」 - やえ
機械学習で使う数学入門(社内勉強会) | DevelopersIO
StyleGAN2で属性を指定して顔画像を生成する - すぎゃーんメモ
Rustでプロジェクトオイラーを始めてみた | DevelopersIO
NintendoDS風のグラフィックをUnityで作る - Qiita
競プロのアルゴリズム関連略称まとめ - noshi91のメモ
Windowsコードページの謎｜kzn
CEOになりすましたディープフェイクの音声で約2600万円の詐欺被害か
Stable Diffusionの生成設定まとめ｜gcem156
[AtCoder] 橙(2400+)になりました | maspyのHP
画像生成AIで自分が作りたいイメージから類似画像を見つけてプロンプト・呪文を次々に探していける「KREA」
Python言語による実務で使える100+の最適化問題 | opt100
⚙️ Math Breakdown: Anime Homing Missiles
GPT-4で賢くなりすぎたChatGPTでも解けない問題の話
画像生成AIを線画整えツールや自動彩色ツールにする｜とりにく