アケコン内蔵デスク「QANBA 2009 Arcade」をレビュー。高級アケコン約2台分のお値段でコレというのは，なかなかシビれるアイテムだ
アケコン内蔵デスク「QANBA 2009 Arcade」をレビュー。高級アケコン約2台分のお値段でコレというのは，なかなかシビれるアイテムだ 編集部：早苗月 ハンバーグ食べ男 家筐体。 それは，アーケードゲーマーなら誰もが一度は夢見る願望だ。 しかし，現実というハードルは決して低くない。日本の狭小住宅にどうやって業務用筐体を搬入するか。ゆうに100kgを超える鉄やFRPの塊を長期間置かれて床が耐えられるか。どうやって古い機械を維持するか。 その一方で，近年はゲーマーに向けたデスク周りのギアが充実している。大型曲面ディスプレイなど，アーケードゲーム以上にリッチな環境を実現する周辺機器も数多い。そういった利点を踏まえた場合，タイトーのアーケード向け汎用筐体「VEWLIX」が家にあったとしても「帯に短し襷に長し」感は否めない。 それなら，アーケードスタイルのゲーマー向けデスクを作ればいいじゃない
活用シーン サービス連携/スマートホーム 対応デバイス Web/iPhone/Android/AppleWatch AppleWatchにも対応しています。AppleWatchからもウィジェットに登録したAppletsを呼び出すことができます。 連携できるサービス 1000+ 500px abode Acer Air Monitor ACLU Adafruit AduroSmart Agile Octopus Ai-Sync AICO Air by Propeller Air Quality by IQAir AirVisual AirNow AirPatrol WiFi Airtable Airthings AirTouch Albert Heijn Amarr Entrematic Amazon Alexa Amazon Cloud Drive Ambi Climate Ambient
今まで「IE非対応」が壁となり業務での使用を躊躇していたCSSプロパティがいくつもありました。 しかし、ネットや各メディアでも話題になった通り、2022年6月16日、ついにIEのサポートが終了しました（一部OSを除く）。 そこで、IE終了により解き放たれた画期的なCSSプロパティを、個人的メモも兼ねて記載していきたいと思います。 全く新しいレイアウトの形「grid-template」 「grid-template」を初めて知った時は驚きました。 このプロパティを使用すると、以下コードのように視覚的にレイアウトをコントロールすることが可能となります。 See the Pen Untitled by monji (@monji88) on CodePen. これ、かなりやばくないでしょうか？見てわかるようにレイアウトはもちろん、各要素の高さ、幅、marginすらもgrid-templateプロ
JavaScriptのIntersection Observerでスクロールに合わせてグラデーションの色を変更する
2023年2月7日 JavaScript 新しいMacbook Proが発売され、特設ページが公開されています。そのページの中で私の目に止まったのは、Macbook Proのスペックではなく、スクロールに合わせて動くグラデーションカラーのテキストでした。今回はこれをJavaScriptの Intersection Observer を使って実装した例を紹介します。 この記事は動画でも紹介しています。動画派の方はこちらを御覧ください！ このテキストを実装したい！ Macbook Proの紹介ページにあるグラデーションカラーのテキストです。スクロールするとグラデーションの位置も変わるのがわかりますね！ Intersection Observerとは？ 従来、スクロールに合わせて要素を操るには scroll というイベントを利用していました。ただ、それだと画面サイズが変わったら再計算しないといけ
拡散モデルで、将棋の方策を学習できないか試してみた。 拡散モデル 拡散モデルは、高品質で多様なサンプルを生成できる生成モデルである。 昨年8月にStable Diffusionが公開されたことで注目を集めている。 拡散モデルは、確率微分方程式によって表される確率分布を近似するモデルで、モード崩壊を起こさず多様な分布を学習できるという特徴がある。 また、プロンプトと呼ばれるテキストにより条件付けを行い、テキストに従った画像を生成できる。 将棋の方策 将棋の方策は、座標と移動方向の組み合わせで表現でき、dlshogiで採用している表現方法では2187次元になる。 つまり、指し手は、局面によって条件づけられた2187次元の確率分布からサンプリングを行っていることになる。 拡散モデルの可能性 条件付けを行い高次元の確率分布からサンプリングを行うという仕組みは、将棋の方策においても適用できると考える
概要 現在、kaggle に Connect X という強化学習の Getting Started コンペ があります。このコンペを通じて強化学習を少し勉強したので、その内容を記載したいと思います。 こちらの書籍をもとに強化学習について理解したことと、Connect Xコンペでの実装を解説した記事になります。間違いがあれば、コメントいただけたら嬉しいです。 bookclub.kodansha.co.jp 強化学習とは 強化学習とは、行動から報酬が得られる環境において、各状況で報酬に繋がるような行動を出力するように、モデルを作成すること。 教師あり学習との違いは連続した行動によって得られる報酬を最大化させるという点です。囲碁を考えた時、ある局面で悪手に見えた一手が、先々進めると実は良い手だった、といった場合のその一手を選択できるようにするのが強化学習になります。 Connect X と強化学
本ブログはマルチステージのVC、The Familyの投資家、Pietro Invernizzi（フレッド・ウィルソン）氏のブログ投稿「Mapping “The Future of Work” Startup & Investor ecosystem」を著者の許可を得て翻訳したものです。 最近の私は、周りの人たちと同じように、「未来の働き方」を形作る企業について考えたり、投資を検討したりして過ごしています。そのため投資家の友人から、今注目のスタートアップや面白い考察がないか尋ねられることが多くなりました。 いつもなら頭にぱっと思い浮かんだ注目企業を10社ほど挙げ、先日Merci Victoria Graceが公開した素晴らしい記事を合わせて紹介します。世界中のビジネス向けコラボレーションツールを提供するスタートアップを調べ、きれいにマップ化した記事です。CB Insightsの記事もおすす
こんにちは、@vimmodeです。自然言語界隈ではBERTを始めとしたTransformerベースの手法の進化が目覚ましいですが、実運用されている話はあまり聞きません。 その理由としてモデルのサイズの大きさと推論速度の遅さに一定起因すると感じており、この記事はその解消になり得る量子化と呼ばれる手法の紹介とPyTorchで実装されたBERTモデルに量子化を適応する方法を紹介します。 量子化とは 量子化という単語は数学や物理など様々な領域で使われています。ここで述べる量子化は情報理論における量子化であり、主に連続値を離散値で表現することを考えます。 機械学習の枠組みで考えるとモデルのパラメータや学習時の勾配（場合によっては入力と出力データも含める）の数値表現を浮動小数点から整数に変更することを目的にします。 ディープラーニングではパラメータ等をfloat32で表現することが多いですが、もしこれ
はじめに たまには Rust も書きます。機械学習に興味があり、興味があれば何でも触ります。 smartcore とは とある Rust の機械学習に詳しい人に、最近の Rust の機械学習ライブラリのデファクトぽいのを聞いたところ、丁寧に linfa か smartcore を教えて貰いました。はじめに linfa を試したのですが、うまく行きませんでした。僕は Rust の toolchain で gnu(mingw) を使う派なのですが、linfa は Intel MKL をリンクする必要があり、Intel MKL は MSVC 形式のライブラリしか提供していません。DLL から .a を生成してリンクしてみたりもしましたが、結局うまくリンクできず諦めてしまいました。MSVC の toolchain や他の OS(Linux) だと問題なく動くんだと思います。 しかたなく、残りの s
Making JavaScript run fast on WebAssembly - Bytecode Alliance
JavaScript in the browser runs many times faster than it did two decades ago. And that happened because the browser vendors spent that time working on intensive performance optimizations. Today, we’re starting work on optimizing JavaScript performance for entirely different environments, where different rules apply. And this is possible because of WebAssembly. We should be clear here—if you’re run
A common refrain is that threads can do everything that async/await can, but simpler. So why would anyone choose async/await? This is a common question that I’ve seen a lot in the Rust community. Frankly, I completely understand where it’s coming from. Rust is a low-level language that doesn’t hide the complexity of coroutines from you. This is in opposition to languages like Go, where async happe
1. はじめに Transformerは2017年に「Attention is all you need」という論文で発表され、自然言語処理界にブレイクスルーを巻き起こした深層学習モデルです。論文内では、英語→ドイツ語翻訳・英語→フランス語翻訳という二つの機械翻訳タスクによる性能評価が行われています。それまで最も高い精度を出すとされていたRNNベースの機械翻訳と比較して、 精度(Bleuスコア) 訓練にかかるコストの少なさ という両方の面で、Transformerはそれらの性能を上回りました。以降、Transformerをベースとした様々なモデルが提案されています。その例としては、BERT,XLNet,GPT-3といった近年のSoTAとされているモデルが挙げられます。 ここで、「Attention is all you need」内に掲載されているTransformerの構造の図を見てみま
はじめに こんにちは，みるか（@mirucaaura）と申します．絶賛ニート生活を謳歌している（Ref: 新卒で入社した会社を退職しました）のですが，あまりに何もしなさすぎて苦しくなってきたので，これまで Twitter でブックマークしてきたツイートを遡って有益そうな PDF や講義動画をここにまとめておきたいと思います． PDF，講義動画，Webサイトの順に列挙していきますが，特に一貫性はありません．ご容赦ください． PDF 線形代数学講義ノート：線型代数の講義ノート．線型代数ともなると Web 上に多くの PDF が落ちていると思うので好きなものを参照すればいいと思う．この PDF が良いのは他ではあまり扱われない双一次形式や無限次元ベクトル空間を章を立てて記述されているところで，関数解析を学ぶときの良い導入になりそう． 工学のための関数解析PDF：山田『工学のための関数解析』の行間
こんにちは、ヨシタカです！みなさん、ブログ楽しんでますか？ 前回はブログ記事にLINE風吹き出しを載せる方法をご紹介しました。 smatech.hatenablog.com いろいろなブログをみてみると、四角い枠で文章を囲んでいるものがあって、わたしもやってみたかったのですが、、、 はてなブログではワンクリックで囲み枠にするアイコンってないんですよね。。。 そこで今回はコピペするだけでブログ記事に囲み枠をかんたんに追加する方法をまとめましたので、ご紹介したいと思います。 えっ、ほんとうにコピペするだけなの？ そうですね、コピペするだけです。ただ、基本色を赤（#fc4a1a）にしているので、色を変えたい場合はこの部分を変更してください。 カラーコードはWEB色見本 原色大辞典 - HTMLカラーコードのサイトさんがまとめていただいているので参考にしてくださいね。代表となる色を一部記載します。
Raspberry Pi 3 B+ ＆ PyTorchの深層学習で、カメラ映像内の複数物体をリアルタイム分類 - Qiita
Raspberry Pi 3 B+ ＆ PyTorchの深層学習で、カメラ映像内の複数物体をリアルタイム分類PythonOpenCVRaspberryPiDeepLearningPyTorch 大学の授業関係でラズパイ3B+とpicameraをゲット。暇なので、ラズパイに深層学習を用いた分類をさせてみようと思い立ちました。ただ、前もって撮った写真を分類させるのではなく、picameraからのリアルタイムの映像内の物体を分類させ、いい感じに表示させます。 学生レベルかもしれませんが、一部分でも参考になれば幸いです。 思い描いたこと 「固定されたpicameraの視野内に複数の私物を置くと、それをリアルタイムに分類し、表示する機能」をラズパイ内に作ってみようと思いました。 具体的には、背景差分（背景画像と変化した部分を抜き出す手法）で物体を抽出し、PyTorch [ﾊﾟｲﾄｰﾁ]（Keras,
コンテンツマーケティングワールド2022 ミニ報告会 | Bye, Bye Buyer's Journey（JADE 伊東氏登壇レポート） - はてなビジネスブログ
2022年10月27日、世界最大級のコンテンツマーケティングカンファレンス「Content Marketing World 2022」で語られた最新動向を共有するイベント「コンテンツマーケティングワールド2022 ミニ報告会 powered by Content Marketing Podcast」が開催されました。 はてなビジネスブログでは、印象的だったセッションを共有した株式会社JADE 代表取締役 伊東周晃氏（@noriaky）の発表「Bye, Bye Buyer's Journey」の一部をレポートします。 Content Marketing World とは Content Marketing Podcast とは セッションレポート「Bye, Bye Buyer's Journey」 ロードマップ策定のための5つのフレームワーク Storybrand Marketecture
PhobosLab
Introducing QOI — the Quite OK Image Format. It losslessly compresses RGB and RGBA images to a similar size of PNG, while offering a 20x-50x speedup in compression and 3x-4x speedup in decompression. All single-threaded, no SIMD. It's also stupidly simple. tl;dr: 300 lines of C, single header, source on github, benchmark results here. I want to preface this article by saying that I have no idea wh
日本語BERTモデルをPyTorch用に変換してfine-tuningする with torchtext & pytorch-lightning - radiology-nlp’s blog
TL;DR ①TensorFlow版訓練済みモデルをPyTorch用に変換した (→方法だけ読みたい方はこちら) ②①をスムーズに使うための torchtext.data.Dataset を設計した ③PyTorch-Lightningを使ってコードを短くした はじめに 日本語Wikipediaで事前学習されたBERTモデルとしては, 以下の2つが有名であり, 広く普及しています: SentencePieceベースのモデル (Yohei Kikuta さん提供) TensorFlow版 Juman++ベースのモデル (京大黒橋研提供) TensorFlow版 PyTorch版(Hugging Face transformers準拠) このうち, SentencePieceベースのものは現在TensorFlow版のみの提供となっており, PyTorch版は存在しません。 そのため, 私のよう
リニア中央新幹線、液体ヘリウム不要に…JR東海が「高温超電導磁石」を実用段階に近づけた意義 ニュースイッチ by 日刊工業新聞社
営業線を安定運行へ ＪＲ東海はリニア中央新幹線の浮上や移動に必要な超電導磁石で、液体ヘリウムを使わない「高温超電導磁石」を実用段階に近づけた。営業線に使用できるという評価を国土交通省から受けた。全量を輸入に依存する液体ヘリウムを使う従来型磁石では安定運行への影響が懸念されていた。同社は検査周期となる１年間分に相当する距離を試験走行し、営業線への搭載を目指す。（名古屋・永原尚大） 国交省が評価 コイルが冷凍機で冷却可能に 超電導磁石は従来の鉄道における車輪の役割を果たす重要な部品だ。車体を浮かせる強力な磁力を発生させるため、冷却によって電気抵抗をゼロとする超電導現象を利用して大電流を流している。 従来の「低温超電導磁石」は電流が流れるコイルをマイナス２６９度Ｃ以下に冷却するために液体ヘリウムを使っていたが、高温超電導磁石はマイナス２５５度Ｃ以下で良いため冷凍機による冷却が可能となる。コイル素
Code improves with multiple reviews and revisions, and this process isn’t something that can be done alone. Spotting errors in code design is difficult at the best of times — and the closer you are to the work, the harder it can be to critique. That’s where code reviews come in. The beginning: introducing code reviewsWhat is a code review? Code improves with multiple reviews and revisions, and thi
今年の3月から機械学習の勉強を始めて9ヶ月たったのでその振り返りと今後機械学習に入門する人の参考になればという記事です。 巷の記事だと「数学何もわからない人向けの機械学習~」みたいなものが多いので「数学チョットワカル人向け」に勉強方法をまとめてみようと思いました。 前提として筆者は大学で数学を専攻しており、社会人になってからはプログラミングを生業としております。 # 前提知識のおさらいいきなり機械学習入門～のような書籍に入る前に、基礎知識としてこの辺を抑えておくと良いと思います。 ## 線形代数:大学1年レベル機械学習の説明はほとんど行列の計算として表現されますので大前提として。手を動かして計算問題を解くのもおすすめです。 プログラミングのための線形代数 https://www.amazon.co.jp/dp/4274065782 ## 基礎統計(頻度主義):大学1年レベル正規分布や指数分
不均衡データ分類問題をDNNで解くときの under sampling + bagging 的なアプローチ - BASEプロダクトチームブログ
はじめに こんにちは、Data Strategy所属の岡です。グループ会社BASE BANKで分析/モデリングなども兼務しています。 テキストデータを特徴量にもつ不均衡データ分類問題をDNNで解きたくなった際、下記の論文を参考にしたのでその内容を紹介します。 https://users.cs.fiu.edu/~chens/PDF/ISM15.pdf 不均衡データ分類問題ってなに？ 何かしらのカテゴリを機械学習などで分類予測しようとする際、カテゴリごとのデータ件数に偏りがある、特に正例のデータが極端に少ないケースで予測精度が上がりにくい、という問題をこのように呼んでいます。 例: 不正決済と正常な注文、不正商品と健全な商品、がん患者と正常な患者 普通はどうやって対処するの？ ベースとなるアプローチは下記3つにまとめられます。 アプローチ 内容 デメリット アンダーサンプリング 多数派データを
報酬確率分布の変化に応じたBandit Algorithm〜論文解説：A Linear Bandit for Seasonal Environments〜 - MonotaRO Tech Blog
はじめに MonotaROとBandit Banditの着目理由 MonotaROにBanditを導入する際の課題 A Linear Bandit for Seasonal Environments 論文概要 背景と動機 提案手法 実験 まとめ おわりに はじめに はじめまして、データサイエンスグループの岡林です。普段はbanditなどの強化学習を用いてUIの最適化に取り組んでいます。 このブログでは最近MonotaROが注目しているbanditの概要を紹介しつつ、その中でも事業特性にあったbanditアルゴリズムにフォーカスし、論文を解説します。 MonotaROとBandit Banditの着目理由 MonotaROでは、商品単位レベルでのUI最適化に取り組んでいます。例えば、商品に応じて商品ページのコンテンツ文言などを変化させ、より適切なUIを提供することに取り組んでいます。具体的に
RからPythonへのお引越しでわかること - Jupyterと世界の野球から理解する - Lean Baseball
サムネイルがまんま結論の一部です&タイトルでビビッと来たアナタ（+野球好き）が対象読者です. ちょっとやりたいことがあって, やりたいこと⚾のサンプルがたまたまRだった このあと自分で分析したりなにか作るんやったらPythonでやりたい せや！RからPythonに移植しちゃえば良いンゴ ってことで, 粛々とRからPythonに移植した時に気がついた事をサラッと書きたいと思います. 最初に断っておくと, RよりPythonが優秀（またはその逆）だから書き換える！って意味ではありません！ どっちが優秀だの, 好みは何だのといった所は（必要と思った箇所を除き）触れないのでご了承ください.*1 というわけで, 変に力んだりマウントを取ること無く, ごゆるりとおくつろぎながら読んでもらえると幸いです. TL;DR 数式を意識しながら読んだり, 統計的にいい感じにしたい時はRの方がしっくりくる. 一方
3月も半ばになり、暖かい日も増えてきました。これだけ暖かくなってくると、ちょっとしたアプリで少し特殊なネットワークフレームを流したり、普段使わないネットワークプロトコルを試したくなりますよね。でも本番環境でそれをやってしまうと、変質者としてしかるべき場所に通報されてしまいます。そこで今回は他人に迷惑をかけずに隔離されたネットワークテスト環境を構築できる「mininet」を使って、お縄にかからないようにしてみましょう。 Open vSwitchとネットワーク名前空間で気軽にテスト環境を構築する Linuxカーネルには「ネットワーク名前空間（netns）」という機能があります。これはホストや他のコンテナから隔離された環境でネットワークインターフェースを作成し、操作できるようになる仕組みで、特にLinuxのコンテナ系ツールで使っている基礎技術のひとつです。 Ubuntuだと「ip netns」コ
Published: August 4, 2023 Updated: October 27, 2023 Part 1: an intro about music, defaults, and bubbles Like a lot of people, there was a time when the only music I listened to was whatever was played on my local radio station. (A lot of people over 30 or so, anyway. If this doesn’t sound familiar to you yet, just stick with me for a minute here.) At the time, I was happy with that. It seemed like
fast.ai - Mojo may be the biggest programming language advance in decades
I remember the first time I used the v1.0 of Visual Basic. Back then, it was a program for DOS. Before it, writing programs was extremely complex and I’d never managed to make much progress beyond the most basic toy applications. But with VB, I drew a button on the screen, typed in a single line of code that I wanted to run when that button was clicked, and I had a complete application I could now
Kaggleで学んだBERTをfine-tuningする際のTips②〜精度改善編〜 | 株式会社AI Shift
こんにちは AIチームの戸田です 本記事では前回に引き続き、私がKaggleのコンペティションに参加して得た、Transformerをベースとした事前学習モデルのfine-tuningのTipsを共有させていただきます 前回は学習の効率化について書かせていただきましたので、今回は精度改善について書かせていただきます データ 前回に引き続きKaggleのコンペティション、CommonLit-Readabilityのtrainデータを使います validationの分け方などは前回の記事を参照していただければと思います 精度改善 一般的なニューラルネットワークモデルの精度改善方法として、ハイパーパラメータのチューニングやData Augmentationが上げられますが、ここではBERTを始めとするTransformerをベースとしたモデル（以降Transformerモデル）特有の工夫について
次世代の畳み込み？！CondConv - Qiita
はじめに 日課のarXiv論文のチェックをしていたところ、Microsoftから興味深い論文1が出ていました。 Microsoftから動的にConvの重みを変えるDynamic Convolutionの提案。重み自体を出力するのではなく、複数のConvの線型結合の係数を出力する（Attention)。実はGoogleからもCondConvという同様のアプローチが提案されていて（NIPS'19）熱い！ https://t.co/M36wbog1nm https://t.co/lwznevSy2y pic.twitter.com/vNZH6M4CL3 — Yusuke Uchida (@yu4u) December 10, 2019 チラ見してみると、積ん読していたGoogle Brainから出ている論文CondConv2の論文とほぼ同じような主張をしていたので、CondConvのほうを改めて
きれいに装飾してあるブログ記事は読んでいて楽しくなるよね！ ホントにそうですね。 どんなに良い内容でも文字ばかりの記事は読みにくいし、離脱率も高いといわれています。 だけど、装飾って自分でやるのは難しそう…。CSSとかHTMLとか、よくわからないし・・・ それがね、はてなブログの定型文を使えばめちゃくちゃ簡単なんですよ。 かわいい「囲み枠」も楽しい「吹き出し」もポイントを強調したい「マーカー」も「見たままモード」で簡単に表示できます。 はてなブログの定型文はアイディア次第で使い方は無限大なんです！ ■この記事でわかること■ 定型文貼り付け機能の使い方 定型文の使い方のアイディア ・囲み枠 ・マーカー ・吹き出し ・広告コード 定型文を使いこなしてきれいで楽しい記事を作りましょう！ はてなブログの定型文貼り付け機能 「定型文貼り付け」を編集サイドバーに表示させる 囲み枠を作ってみよう 定型文
1.はじめに 以前から人の動画から3Dモデルを推定する手法はありましたが、複雑な動きの場合は細部でゆがみやズレが生じていました。今回は、この問題点を改善したVIBEという技術をご紹介します。 ＊この論文は、2019.12に提出されました。 2.VIBEとは？ VIBEとは、Video Inference for Body Pose and Shape Estimation の略で、ディープラーニング を使って、人の動画から3Dモデルを推定する技術です。 使用しているモデルは、SMPL (Skinned Multi-Person Linear model)と言う人間の自然なポーズにおける多種多様な体型を正確に表現するためのモデルです。 このモデルは、N＝6890個の頂点を持っており、頂点の重み付き和からP=23個の関節位置を求めることが出来ます。 下記が、VIBEのアーキテクチャーです。入力
はじめに 代理モデル (surrogate model) とは複雑な機械学習モデル（e.g., DNN, GBDT）を近似する簡単なモデル（e.g., パラメタ数の少ないDNN, 単純決定木, etc）のことを指します．代理モデルは推論の高速化・機械学習モデルの説明などさまざまな用途に使われています． この記事では代理モデルによる機械学習モデルの説明をハンズオン的に紹介します．これは非常にシンプルかつ柔軟な手法ですが，アドホックな部分が多いためかハンズオン的な解説は見当たりませんでした．Christoph Molnar による Interpretable Machine Learning の Global Surrogate に概要は示されているので機械学習に詳しい人はこちらを読めば十分かもしれません．関連するライブラリに LIME や TreeSurrogate がありますが，わたしがこ
今回はCSSを使って、振り子のようにゆれる画像を作ってみたいと思います！ 最初に、ベースとなるCSSコードを紹介した後、カスタムパターンをいくつか紹介していきます。 なるべくコピペでも使えるように構成していますので、サンプルを見て気になるものがあれば、ぜひ試してみてください！ 目次 ブログで使用する場合は はてなブログの場合 ベースコード 動作チェック カスタムパターン 画像のサイズを変えてみる！ スイングスピードをカスタムしてみる！ スイングの角度を変えてみる！ マウスオーバー時にスイングを止めてみる！ カスタム内容を組み合わせてみる！ まとめ ブログで使用する場合は ご利用のブログがHTML記述に対応している場合は、紹介するCSSを<style>と</style>で囲んで記述してください。 ※ CSS用の入力欄がある場合は<style>と</style>の囲みなしで記述してください。
Translations: Korean Russian I was a bit out of touch with modern front-end development. I also remembered articles about web bloat, how the average web page size was approaching several megabytes! So all this time I was living under impression that, for example, if the average web page size is 3 MB, then JavaScript bundle should be around 1 MB. Surely content should still take the majority, no? W
EngineeringOpen SourceGit’s database internals I: packed object storeThis blog series will examine Git’s internals to help make your engineering system more efficient. Part I discusses how Git stores its data in packfiles using custom compression techniques. Developers collaborate using Git. It is the medium that allows us to share code, work independently on our own machines, and then finally com
はじめに 本記事はABEJA Advent Calendar 2022 1本目の記事です。 こんにちは、メカやロボットが大好きな栗林です。本日ご紹介するのは清掃ロボットの制御システムをRaspberry Piから操作する方法についてです！ URYYYYYYYY!! 過去の記事など tech-blog.abeja.asia tech-blog.abeja.asia ※ 例によって、本記事でおこなっている清掃ロボットの分解・改造はくれぐれも自己責任でお願いします。本記事内容を参考に生じた不具合・損害について、当方は責任を負いかねます。 ※ 間違っても私のように買ったばっかり＆愛用している機体で試さない方がよさそうです。 清掃ロボットとは そもそも清掃ロボットとは、人間の代わりに清掃作業をおこなってくれるロボットです。近年さまざまなロボットが登場しており、一般消費者向けだけでなく、オフィスやホテ
この記事では，自分が最適化コンパイラの研究をする上で読んできた論文をまとめていこうと思う． まとめることで，自分のためにもなるだろうし，読んだ人のためにもなれたら嬉しい． 以下，随時更新． 部分冗長除去法(Partial Redundancy Elimination, PRE) 部分無用コード除去 (Partial Dead Code Elimination, PDE) スカラ置換(Scalar Replacement) レジスタ促進(Register Promotion) 質問伝播(Question Propagation) 演算子強度低減(Strength Reduction) ループ最適化(Loop Optimization) 手続き間最適化(Inter-procedural Optimization) 解析系 参考書籍 部分冗長除去法(Partial Redundancy Elim
CSSで実装できるのか！ iPhone 15 Proのページで見かけたスクロール駆動のダイナミックアイランドを実装するテクニック
先週発表されたiPhone 15のWebページに、面白い仕掛けが実装されていました。Appleは新製品のページにはスクロール駆動のアニメーションを多数取り入れており、今回のはスクロール駆動のダイナミックアイランドです。 このスクロール駆動のダイナミックアイランドをCSSで実装するテクニックを紹介します。下記のアニメーションは少しゆっくりめにしています。 ダイナミックアイランド（Dynamic Island）とは、iPhone 14 Proで実装された機能で、カメラのパンチホール部分のスペースを利用して実行しているアプリのアクティビティを表示します。サイズはアプリごとに最適化されます。 参考: iPhone 14 ProのDynamic Islandの使い方 | Appleサポート で、今回のiPhone 15 Proのページにスクロール駆動のダイナミックアイランドが多数実装されています。コ
メンタリストの「宿題不要論」についてのいくつかの指摘、利巧な奴はたんと反省してみるがいい - ネットロアをめぐる冒険
少し前、私が書いた２年前の記事のアクセスが伸びていました。 www.netlorechase.net なんでなのかなあと思ってエゴサしてみたら、なるほど、メンタリストDaiGoなる人が以前、「宿題が無意味」という話をクーパー先生の研究とからめて話したところ、それがいろいろと批判されて、「謝罪動画」を出した、という経緯があるようです。以下がくだんの動画です。 www.youtube.com いや、本当に恥ずかしい話、私はこの人と「ウィッシュ」の人の区別もつかなかったぐらい世事に疎くて、初めてこの方の動画を拝見したのですが、うーん、今はこういうのが人気あるんですねえ… しかしながら、「論文の中を読めば僕の言ってたことはわかる」と豪語する割には、上記の動画で引用されている情報の多くが不正確であり、いかがなものかと思いましたので、いくつか訂正していこうかと思います。 【目次】 中学生の宿題の相関は
RecBole を用いてクックパッドマートのデータに対する50以上のレコメンドモデルの実験をしてみた - クックパッド開発者ブログ
こんにちは。研究開発部の深澤(@fufufukakaka)です。 本記事では最近面白いなと思って watch しているレコメンド系のプロジェクト RecBole を紹介いたします。また、クックパッドが展開している事業の一つであるクックパッドマートのデータを使って数多くのレコメンドモデルを試す実験も行いました。その結果も合わせて紹介します。 TL;DR: レコメンドモデルは作者実装に安定性がなく、またモデルをどのように評価したかも基準がバラバラで、再現性が難しいとされている(from RecSys 2019 Best Paper) 再現性に取り組むプロジェクトとして 2020年12月に始まった RecBole がある。 RecBole を利用することでなんと 50個以上のレコメンドモデルを大体１コマンドで試せる クックパッドマートでユーザに対してアイテムをレコメンドするシチュエーションを想定
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
IFTTTのような自動化サービスまとめ - LESS
"没IE時代" のCSSプロパティが凄い - Qiita
拡散モデルで将棋の方策を学習する - TadaoYamaokaの開発日記
kaggleで強化学習をやってみた - 機械学習 Memo φ(・ω・ )
リモート時代到来：「未来の働き方」を作る海外スタートアップのカオスマップ | Coral Capital
BERTを量子化して高速かつ軽量にする - moriyamaのエンジニアリング備忘録
Rust の機械学習ライブラリ smartcore に入門してみた。
Why choose async/await over threads?
Python(PyTorch)で自作して理解するTransformer
数学の勉強に役立ちそうなサイトなど - 冷めたコーヒー
コピペするだけ！はてなブログで使えるアレンジ囲み枠１３選 - すまてくブログ
Code Reviews 101 - The Basics | Sema
数学に強いエンジニアむけの機械学習勉強法
第804回 mininetでお手軽ネットワークテスト環境を構築する | gihyo.jp
Things you forgot (or never knew) because of React
【吹き出し、マーカー、囲み枠】はてなブログ定型文を使いこなそう！ - キラッとはてログ
VIBEで、人の動画から3Dモデルを推定する | cedro-blog
代理モデルによる機械学習モデルの説明 - Qiita
【CSS】スイングする画像をCSSで作ってみる！【CSSアニメーション】 - mlog
JavaScript Bloat in 2024
Git's database internals I: packed object store
掃除ロボットをかゆいところまで手の届く仕様に改造する - ABEJA Tech Blog
コンパイラのコード最適化や解析手法の論文のサーベイ - Jicchoの箱