GitHub - enzet/map-machine: Python renderer for OpenStreetMap with custom icons intended to display as many map features as possible
The Map Machine project consists of a Python OpenStreetMap renderer: SVG map generation, SVG and PNG tile generation, the Röntgen icon set: unique CC-BY 4.0 map icons. The idea behind the Map Machine project is to show all the richness of the OpenStreetMap data: to have a possibility to display any map feature represented by OpenStreetMap data tags by means of colors, shapes, and icons. Map Machin
顔認識技術は、セキュリティ、マーケティング、エンターテインメントなど、さまざまな分野で応用されています。 特に、ディープラーニングの発展により、顔認識の精度は飛躍的に向上し、より広い範囲で利用されるようになりました。 そんな中、Pythonで顔認識を手軽に実装できるオープンソースのフレームワーク「Deepface」が注目を集めています。 Deepfaceは、複数の最先端の顔認識モデルをラップしており、少ないコード量で高精度な顔認識を実現できます。 この記事では、そんなDeepfaceについて解説しています。 本記事の内容 Deepfaceとは？DeepfaceのインストールDeepfaceの動作確認 それでは、上記に沿って解説していきます。 GitHub - serengil/deepface: A Lightweight Face Recognition and Facial Attri
「プログラミング言語なしで、プログラムが作れる」 そんな夢のような機能があるとしたら、あなたは使いますか？ ChatGPTに追加された『Code Interpreter』 なんと、自然言語でChatGPTに指示を出して、プログラムを生成できるのです。
LightGBM のバージョン 4.0.0 が 2023-07-14 にリリースされた。 このリリースは久しぶりのメジャーアップデートで、様々な改良が含まれている。 詳細については、以下のリリースノートで確認できる。 github.com リリースの大きな目玉として CUDA を使った学習の実装が全面的に書き直されたことが挙げられる。 以前の LightGBM は、GPU を学習に使う場合でも、その計算リソースを利用できる範囲が限られていた。 それが、今回の全面的な刷新によって、利用の範囲が拡大されたとのこと。 ただし、PyPI で配布されている Linux 向け Wheel ファイルは CUDA での学習に対応していない。 対応しているのは CPU と、GPU でも OpenCL の API を使ったもの。 そのため、もし CUDA を使った学習を利用したい場合には自分で Wheel を
Rye
Welcome User Guide Community Changelog Philosophy Rye is a comprehensive project and package management solution for Python. Born from its creator's desire to establish a one-stop-shop for all Python users, Rye provides a unified experience to install and manages Python installations, pyproject.toml based projects, dependencies and virtualenvs seamlessly. It's designed to accommodate complex proje
説明変数Xを主成分分析（PCA)を行い、その主成分で回帰モデルを構築するのが、主成分回帰（PCR）です。 主成分は、主成分の分散が最大になるように作成され、できるだけ元の説明変数Xのもっている情報量を保持しようとします。 この主成分は、目的変数Yとは無関係に主成分分析で算出されます。 回帰モデルを構築するという視点で考えると、できれば目的変数Yと相関の高い主成分であると嬉しいでしょう。 それを実現するのが、部分的最小２乗回帰（PLS）です。 主成分は、目的変数Yと主成分の共分散が最大になるように作成され、目的変数Yを考慮したものになります。 今回は、「Pythonによる主成分回帰（PCR）と部分的最小２乗回帰（PLS）」というお話しをします。 なぜ、PCRとPLSを使うといいのか 回帰モデルを構築するとき、マルチコという推定した係数がおかしくなる現象が起こることがあります。その原因の1つが
この記事は日本語特化版JP-Extraが出る前のもので、JP-Extra版についての記述はありません。最新の情報は別記事を参照してください。 宣伝 Style-Bert-VITS2という、Bert-VITS2の日本人向け改良版を作っているので、そちらを使うと早いです Style-Bert-VITS2のチュートリアル解説動画を作りました discordサーバー「AI声づくり研究会」によく出没しています 概要 （この記事は随時いろいろ更新しています、2023-12-21にver 2.3での方法を加筆） 中華コミュニティの最新のTTS手法である、Bert-VITS2 の学習方法ガイドです。日本語・中国語・英語で学習できクロスリンガルで感情リファレンス指定とかも出来るすごいやつです。個人的にはVITSよりも圧倒的に速いスピードで（1時間くらい学習を回すだけで）すぐに質がVITS超えで、文章によって
Pythonのsortedcontainersのチートシートです。 まえがき 競技プログラミングをやっている人向け： 長年AtCoderのPyPy環境にはC++でいうstd::setやstd::mapにあたるデータ構造が標準で実装されておらず、それらが想定解で要求される問題ではより難しい別解を実装したり、外部のライブラリを借りてきたりする必要がありました。この度、AtCoderのジャッジアップデートによってsortedcontainersライブラリが使えるようになりました。これは非常に強力なデータ構造ライブラリなので、これを機に勉強して使いこなせるようになっておきましょう。 競技プログラミングをやっていない人向け： sortedcontainersライブラリはPython用のデータ構造ライブラリです。本記事では、https://grantjenks.com/docs/sortedconta
GitHub - indygreg/python-build-standalone: Produce redistributable builds of Python
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
こんにちは。わいけいです。 今回の記事では、生成AI界隈ではかなり浸透している RAG について改めて解説していきます。 「低予算で言語モデルを使ったアプリを開発したい」というときに真っ先に選択肢に上がるRAGですが、私自身もRAGを使ったアプリケーションの実装を業務の中で何度も行ってきました。 今回はその知見をシェア出来れば幸いです。 RAG（Retrieval-Augmented Generation)とは まず、 そもそもRAGとは何ぞや？ というところから見ていきましょう。 RAG（Retrieval-Augmented Generation) は自然言語処理（NLP）と特に言語モデルの開発において使用される技術です。 この技術は、大規模な言語モデルが生成するテキストの品質と関連性を向上させるために、外部の情報源からの情報を取得（retrieval）して利用します。 要は、Chat
［解決！Python］globモジュールを使って特定のパターンにマッチするパス名を取得するには：解決！Python globモジュールのglob関数を使うと、特定のパターンを指定して、それにマッチしたファイルやディレクトリのパス名を取得できる。その基本的な使い方を紹介する。 # サンプルファイルの用意 from pathlib import Path files = ['1.txt', '2.txt', 'foo.csv', 'bar.csv', 'sample', '.foorc'] for name in files: Path(name).touch() files = ['data01.csv', 'data02.csv', 'txtdata03.txt'] Path('data').mkdir(exist_ok=True) for name in files: Path('dat
はじめに 現在、業務でビッグデータの処理を行っていますが、Pythonだと処理の実行に20～30分かかってしまい、解消法としてAWSのSagemakerなどのクラウド上での実行を余儀なくされています。また、メモリの関係上、12xlarge程度のかなり大きなインスタンスを選択することになり、コストも馬鹿になりません。 そこで、Juliaを用いて処理を実行したところ、ものの2～3分で完了してしまいました。 このことを報告したところ、Juliaを業務に取り入れる価値があるのではないかという話題になり、Pluto.jlを導入することができそうです。 今回は、導入するかどうかは置いておいて、JuliaがPythonと比較してどの程度速度が出るかを検証して、実際にアピールできればと思います。 比較するコード 今回は簡単に以下のようなライプニッツ公式を計算するようなコードを用いた比較を行います。 imp
GitHub - cal-itp/data-infra: Cal-ITP data infrastructure
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Kaggle Advent Calendar 3日目の記事です。 今回はKaggleなどのコンペで Metric Learning を試すときにとりあえず最初に実装するコードをまとめました。 UMAPを使ったembeddingの可視化とか faiss を使った検索とかはこの記事で扱ってないです。 1. Metric Learning って何？ 予測値じゃなくて特徴量間の距離に注目して学習する方法 同じクラス内ではなるべく近い距離になるように 違うクラス間ではなるべく遠い距離になるように もっと詳しくしたい人は Qiita 内でもいい記事たくさんあるのでどうぞ。 モダンな深層距離学習 (deep metric learning) 手法: SphereFace, CosFace, ArcFace #DeepLearning - Qiita Softmax関数をベースにした Deep Metri
GitHub - kujirahand/tkeasygui-python: Easy & Simple GUI Library for Python
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
FastAPIのLambdaからAWS外のサービスでキャッシュとDB構築！ + Github Actions - Qiita
FastAPIのLambdaからAWS外のサービスでキャッシュとDB構築！ + Github ActionslambdaAPIGatewayGitHubActionsFastAPISupabase 概要 FastAPI、Pythonに詳しい方はご存じの方も多いかもしれません。 AWSのLambda関数と組み合わせるとどんな感じになるんだろう？と思って触り始めました。 色々学べたので、この機会に記事にしました！ こういったアーキテクチャが実現できるかな？という部分に焦点をおいています。また、可能な範囲でコストも抑える方針で進めました！ 主な目次 パート1：アプリケーション作成 インフラ構築（CDK Typescript） Lambda関数（FastAPIのアプリケーション）の作成 DBやcacheの構築の前に supabaseによるDB構築 upstashによるcache構築 パート2：Gi
このときuuid4()は毎回ランダムな文字列を返します。 実行するたびにid部分が変わってしまうので、このままではテストをすることができません。 そこで以下のようにuuid4()をモックすることができます。 main.pyをテストするtest_main.pyを以下のように用意します。 from main import get_id def test_get_id(mocker): # 引数にmockerと指定 id = "fef317a6-69fc-772d-51f6-8537aa728335" mocker.patch("main.uuid4", return_value=id) # 第一引数にモックする関数を指定 value = get_id() assert value == f"Your ID: {id}" ポイントはテスト関数の引数にmockerと指定するところです。 これによっ
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
PythonとDeepfaceで始める顔認識 – 初心者から上級者まで
ChatGPT Code Interpreterデータ分析やグラフ作成など9個の活用方法を試してみた - SEOタイムズ
Python: LightGBM v4.0 の CUDA 実装を試す - CUBE SUGAR CONTAINER
Pythonによる主成分回帰（PCR）と部分的最小２乗回帰（PLS）
Bert-VITS2 (ver 2.1, 2.2, 2.3) の学習方法（2023-12-01）
そろそろ我々はsortedcontainersを使えるようになった方がいい - Qiita
Xユーザーのmipsparc@技術書典え19さん: 「こちら(PyConでDNS問い合わせが意図して全公開されていた問題)について、一般社団法人PyCon JP Association 副座長の方から公式回答があり、あらかじめ公開する許可を取っているので要約して共有します。 - 有線電気通信法には抵触しないと考えるが、配慮は欠けていた -… https://t.co/Oi4uv3Ei2V」 / X
GPT連携アプリ開発時の必須知識、RAGをゼロから解説する。概要＆Pythonコード例 - Qiita
［解決！Python］globモジュールを使って特定のパターンにマッチするパス名を取得するには
Julia言語のすごさを社内にアピールする - Qiita
最近のMetric Learningの始め方（コンペを見据えて） - Qiita
pytestで関数のモックと標準出力のテストをする - Qiita