Pythonでリトライ処理を簡単に追加できる「tenacity」を使ってみる | DevelopersIO
今回はPythonで簡単にリトライ処理を追加できる「tenacity」を使ってみます。 デコレータ形式で簡単にリトライ処理を追加できるので便利です。 tenacityについて プログラムを書いていて、HTTPの通信などでリトライ処理を実装する機会は多いと思います。 今回はそんなリトライ処理を簡潔に書けるtenacityの使い方を説明します。 インストール インストールはpipで可能です。 インストール pip install tenacity 使い方 シンプルな例 シンプルな例 import random from tenacity import retry @retry def random_error(): num = random.randint(0, 10) if num > 4: print(f"Error: num={num}") raise Exception("Error!
数理最適化の練習問題をLLMを使って自動生成する
この記事は、数理最適化 Advent Calendar 2023 23日目の記事です。LLMと数理最適化を組み合わせた何かをつくろうということで、数理最適化の練習問題を生成する GPTs、Optima Practiceを作りました。 数理最適化のコミュニティCasual Optimizationを運営していく中で、「数理最適化が世の中に広まらない要因の一つに実践的な練習問題の不足があるのではないか？」という意見を知りました。数理最適化を実ビジネスで利用していく上で必須のスキルとして定式化がありますが、たしかに定式化の力をつけるのにちょうど良い、程よく実践的で複雑な練習問題は案外少ないです。しかし、練習問題を作成するのは結構大変です。そこで、LLMを使って自動化できないか、というのが本取り組みの趣旨になります。 作ったもの Optima Practice は、数理最適化の練習問題を生成する
はじめに コード上では変数名としてNDPであったりNextDPと名付けられやすいものです。 正式な名称はよく分かっていないですし、解説されたことがあるのかすら分かっていないテクニックなのですが、どの層でも役に立つもので、使い方やメリットを整理しておこうと思いました。 説明はPythonで行います。ChatGPT-4を使用してC++やRustに置き換えてもらっても動作したので、基本的には別の言語でも使用できるテクニックのはずです。 使い方について まずは基本的なナップサック問題とそのコードを記載します。 実行速度の差をみたいため制約はすこし大きめです。 問題 $N$ 個の品物があります。それぞれ重さが $w_i$, 価値が $v_i$ です。 重さの総和が $W$ を超えないように選んだ時の価値の総和の最大値を求めなさい。 制約 $1 \le N \le 10000$ $1 \le W \l
WEELメディア事業部LLMリサーチャーの中田です。 3月11日、日本語特化型の大規模言語モデル「Swallow on mistral（Swallow-MS 7B, Swallow-MX 8x7B）」を、東京工業大学の岡崎研究室と横田研究室、産業技術総合研究所の研究チームが公開しました。 このモデルは、「Mistral 7B」と「Mixtral 8x7B」の日本語能力が強化されたものなんです！ Xでの投稿のいいね数は、国内だけですでに300を超えており、注目されていることが分かります。 大規模言語モデルSwallow-MS 7BとSwallow-MX 8x7Bを公開しました。東京工業大学の岡崎研究室と横田研究室、産業技術総合研究所の研究チームでMistral 7BとMixtral 8x7Bの日本語能力を引き上げました。Swallow-MS 7Bはオープンな7BのLLMの中で日本語最高性能を
JPEG画像を何回も保存し直すとどんどん劣化していく……のか、ChatGPTと試す - nomolkのブログ
JPEGは画像を小さい容量で保存できるファイル形式ですが、非可逆圧縮といって圧縮前の状態に戻せない性質を持つため、保存した画像を開くと画質が劣化しています。 ということは、画像をJPEGで保存→開く→新しく保存→開く→新しく保存…を繰り返すとどんどん劣化していくのではないかと思って、調べてみました。 実は検索してみると同様の検証はすでにたくさんされているのですが、最近ChatGPTを有料版にして使い道に飢えていたので、一緒に検証してみたいと思います。 ChatGPTにやり方を訊く JPEGを何度も保存し直し、できた画像を動画で見られると面白いのではないかと思いました。初手からChatGPTに訊いてみます。 ※自分が使っているChatGPTと違う……と思った方はこちらをご覧ください。→AIお姉ちゃんへの道 - nomolkのブログ 動画化はffmpegでやればいいそうです。たしかに。 でも画
【Python】`random.sample()`と`random.shuffle()`の違いとは？サンプルコードで解説 - Qiita
【Python】`random.sample()`と`random.shuffle()`の違いとは？サンプルコードで解説PythonRandomsamplePython3shuffle 概要 random.sample()とrandom.shuffle()の違いやrandom.choice()の使い方について、サンプルコードを交えて解説します。 サンプルコード サンプルコードとして、4つの国からなるグループAとグループBを作成し、それぞれのグループからランダムに一つの国を取得して対戦カードを作るコードを実装しました。 import random class MatchupGenerator: # クラスのコンストラクタ def __init__(self, countries): self.countries = countries # すべてのデータを返す def get_all(sel
VOICEVOXをpythonから遊ぶメモ｜おれっち
このメモを読むと・VOICEVOXのエンジンを導入できる ・音声データを生成できる ・GPUを使って高速に処理できる 検証環境・Windows11 ・VRAM24GB ・ローカル（Anaconda） ・2023/6/M時点 事前準備Anacondaを使うメモ｜おれっち (note.com) VOICEVOX無料で使えるテキスト読み上げソフトウェアです。 商用利用可なモデルも多数揃っているので、導入して遊んでみます。 2. ダウンロードしたものを7Zipで解凍（展開）し、任意の場所へ格納 ダウンロードしたもの解凍成果物（任意の場所へ格納する）完了です。 VOICEVOXを使ってみるVOICEVOXの使い方は下記の2ステップです。 ・エンジン（ローカルサーバー）を起動する ・エンジンにリクエストを投げて音声を生成する エンジン起動コマンドラインから下記を実行します。 cd (エンジン格納先)\
SpotifyAPIで未知の曲を漁ってみた
概要 PythonでSpoyifyAPIを使って完全にランダムな曲をプレイリストに入れてみました。 背景 普段皆さんは音楽の配信サービスは使用していますか？自分はSpotifyを使って、仕事中や移動中、ご飯食べてるときなどほぼ一日中音楽を聴いています。ただ、こういうサブスクのサービスって、どうしても試聴する音楽のジャンルが偏ったり、未知の音楽を発見しづらいという欠点があります。自分はJPOPからアフリカの民族音楽まで何でも聴くような人間なので、それでは困ります。特にDJみたいに、新しい音楽を発見するのが仕事といった人には不向きな機能なんじゃないんでしょうか。しかし、まったく聞いたことのないジャンルを自分で想像しながら、手動で未知の音楽にたどり着くというのには限界があります。 今回は、SpotifyAPIを用いて完全にランダムな楽曲を取得することを試みました。 参考にしたもの 自分と同じよう
構築 RDS(MySQL) 詳細は省きます。 MySQL を RDSで構築し、VPCに足を出しています。 また、自宅からつなげるためパブリックアクセス可能とし、サブネットのルートテーブルにもインターネットゲートウェイが設定されています。 データベース名は「mydb」としています。マスターユーザー名は「admin」です。 SecurityGroupは、同一VPCからのインバウンドをすべて許容しています。 また、SQLクライアントソフトからDDL文を叩くため、自宅のグローバルIPも許可しています。 起動後、適当なテーブルを作成しておきます。 idのほかに、int型のカラム(author_id)と、timestamp型のカラム(time)を作っておきます。 ※mysqlの場合、timestamp型（「2038-01-19」まで）よりもdatetime型（「9999-12-31」まで）のほうがよい
詳細は別途になります。何ができるかとコードの公開です。 Talking-Head-AnimeFace-3による1枚絵からのリアルタイムな動画生成の最終版です。ポーズデータという扱いづらい配列ではなく、抽象化した指示で容易にキャラクタを動かすためのラッパーです。一つ前記事の通りにサーバを動かし、クライアント側をmultiproccesinngで並列処理することで、データ処理の各プロセスをサブプロセスに分散して高速化を行いました。 並列化されるプロセス１）画像生成サーバ ２）アップスケールサーバ ３）画像生成サーバ通信プロセス ４）アップスケールサーバ通信プロセス ５）ここはMP処理ではなく３）４）をうまく呼び出すためのメソッド（Dictionary形式またはPack形式ポーズデータからアップスケールされた 画像を得るためのメソッド） ６）各抽象データのリクエストをまとめて指定された間隔で５）
sort()関数は、Pythonのリスト型に対してソートを行うための組み込み関数です。 データの整理や分析、アルゴリズムの実装などで頻繁に使用されます。 sort()関数の基本的な使い方 numbers = [3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5] numbers.sort() print(numbers) # [1, 1, 2, 3, 3, 4, 5, 5, 5, 6, 9] numbers.sort(reverse=True) print(numbers) # [9, 6, 5, 5, 5, 4, 3, 3, 2, 1, 1] sort()関数のパラメータ words = ['apple', 'Banana', 'orange', 'Grape'] words.sort(key=str.lower) print(words) # ['apple', 'Bana
1.概要PythonのThreadingモジュールは、複数のスレッドを使用してPythonプログラムを並列実行するためのツールです。Threadingモジュールを使用すると、複数のタスクを同時に実行したり、長時間実行されるタスクをバックグラウンドで実行したりできます。PythonのGIL(Global Interpreter Lock)により、スレッドはCPU時間を共有することができるため、Pythonのマルチスレッドプログラミングはマルチプロセスプログラミングよりも簡単で効率的です。 2.基本的な使い方まず、threadingモジュールをインポートします。 import threading 次に、スレッドで実行する関数を定義します。 def print_numbers(): for i in range(10): print(i) def print_letters(): for let
![Python Threading Module[並列処理]についての解説｜猩々博士](https://cdn-ak-scissors.b.st-hatena.com/image/square/485907340402202daeec60ff1aa7f951df1736ec/height=288;version=1;width=512/https%3A%2F%2Fd2l930y2yx77uc.cloudfront.net%2Fproduction%2Fsocial_images%2F9744ff1d77d3531fecb48be4bfb891f4a9d2e8c8.png)
GPT-4を活用した非常にシンプルなエディタ「Cursor」が発表されました。 フォルダパネルとコード画面のみという非常にシンプルな見た目ながら、AIにアシストされたプログラミングをフルに体現していると感じました。 今回はインストール方法と、その使い方および生成例を紹介します。 インストール cursor.soにアクセスし、Download for ○○をクリックしてダウンロードする。その後はインストールガイドに従いインストールする。 使い方 メイン画面は上図の通り非常にシンプル。 AI機能の使用 AI機能を使うショートカットは「Ctrl + K」と「Ctrl + L」のみ。それぞれコード生成とチャット機能にアクセスできます。 例えば、「Ctrl + K」を押すと以下のような入力欄が出現します。ここに書きたいコードや編集したい内容を入れるだけでOK。 例：○×ゲーム 使い方を簡単に紹介した
Google Colab Enterprise を操作してみた。基本操作と料金プランをわかりやすく解説。 | DevelopersIO
Google Colab Enterpriseとは 無料のGoogle Colabを使用した経験がある方は多いかもしれません。 企業のユースケースに合わせて、セキュリティやスケーラビリティ、統合性を重視したのがColab Enterpriseです。 Google Cloudサービスに統合されているプラットフォームなので、通常のGoogle Colabと比べると多様な機能が存在します。 また、操作感に関してはWebで使用できる通常のGoogle Colabと変わらないため、慣れている方であればすぐに使い始められます。 冒頭でも触れた通り、リージョン、VPC、組織ポリシー、IAMポリシーによるきめ細かいアクセス制御を適応させることが可能なため、セキュリティ機能などの追加の学習コストを必要とせず、Google Cloud内で実行することができます。 連携先としては、Cloud Storage、B
Pythonで心理実験 - 例題17-3 — 十河研究室
例題17-3:複数のWebカメラを同時に使う¶ A: さて、最後は気楽に遊びますか。予告通り複数台のwebカメラを同時に使ってみる。もうちょっと高いパフォーマンスが出るかと思っていたけどちょっと期待外れだった。一部まだ解説したことがない機能を使っているが、基本的なポイントは解説済みなものばかりだから多分何も難しいことはないと思う。 B: うっ、いきなりプレッシャー。 行番号なしのソースファイルをダウンロード→ 17-5.py 1import VideoCapture 2import numpy 3import Image 4import pygame 5import subprocess 6import VisionEgg 7import VisionEgg.Core 8import VisionEgg.Text 9import OpenGL.GL as gl 10from pygame.
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
知名度がいまいち分かってないNextDPというテクニックについて - Qiita
【Swallow on mistral】日本語最強の性能を叩き出す70億パラメーター国産LLMを使ってみた | WEEL
Amazon Managed GrafanaからRDSの時系列データをリアルタイムに表示してみる - Qiita
1枚のアニメ顔を感情豊かに動かすための手法---ポーズデータを抽象化して自在に動かす｜めぐチャンネル
Pythonのsort()関数を徹底解説！効率的なソートのコツ
Python Threading Module[並列処理]についての解説｜猩々博士
GPT-4搭載！シンプルかつ高性能なVSCode風エディタ「Cursor」使ってみた | Wak-tech