Data2vec 2.0: Highly efficient self-supervised learning for vision, speech and text
Data2vec 2.0: Highly efficient self-supervised learning for vision, speech and text Many recent breakthroughs in AI have been powered by self-supervised learning, which enables machines to learn without relying on labeled data. But current algorithms have several significant limitations, often including being specialized for a single modality (such as images or text) and requiring lots of computat
pwnable.tw startのwrite-up。CTFのバイナリ解析ではまず何をすればいいのかも書いてみました - トリコロールな猫/セキュリティ
pwnable.twのスコア100の問題、「start」のwrite-upです。 pwnable.tw 昔CTF for Girlsのバイナリ解析の講師をやったときに、講義後に実習ということで簡単な問題をやってもらったのですが、まず何をしていいのか分からないという人が結構いて、その辺を説明しなかったことをずっと後悔していたので、だいぶ詳細に解説してみました。問題自体は基本をおさえたシンプルなもので、バイナリ解析の勉強にはとてもいいのではないかと思います。 なお、諸々思い出すためにも、pwn用ツールは使わずゆっくりじっくりやっています。*1 目次 目次 環境 まず何をするか そもそもフラグとは 問題に書かれているものをとりあえずやってみる startファイルをダウンロード fileコマンド stringsコマンド ファイルを実行 Exploit gdb上で実行する objdumpによる逆アセ
GitHub - xenova/transformers.js: State-of-the-art Machine Learning for the web. Run 🤗 Transformers directly in your browser, with no need for a server!
State-of-the-art Machine Learning for the web. Run 🤗 Transformers directly in your browser, with no need for a server! Transformers.js is designed to be functionally equivalent to Hugging Face's transformers python library, meaning you can run the same pretrained models using a very similar API. These models support common tasks in different modalities, such as: 📝 Natural Language Processing: te
Tier System § Tier 1 Support § Not only can Zig generate machine code for these targets, but the standard library cross-platform abstractions have implementations for these targets. Thus it is practical to write a pure Zig application with no dependency on libc. The CI server automatically tests these targets on every commit to master branch, and updates the download page with links to pre-built b
1. 概要 以前，航空機や衛星画像の建物のセグメンテーションをkerasで実行しました． 衛星画像のSegmentation（セグメンテーション）により建物地図を作成する． 本記事では，流行っているPytorchを用いて，前回と同じ航空機の撮像画像から建物のセグメンテーションを行うモデルを構築します．例えば，予測モデルの出力は以下のようになりました． 画像の取得，前処理，PytorchによるDataの準備やモデルの構築，作成したモデルの検証など，Pytorchやセグメンテーションが初めての方を対象としたため，かなり細かく紹介しています．そのため，長文となりましたので，慣れている方はポイントだけ見てください． ここで用いたコードはGithubにアップしましたので，ご興味のある方は試してみてください．Jupyter lab(notebook)で実行できます． ご参考になれば幸いです． 環境 本
Recognize your users' handwriting | Web Platform | Chrome for Developers
What is the Handwriting Recognition API? The Handwriting Recognition API allows you to convert handwriting (ink) from your users into text. Some operating systems have long included such APIs, and with this new capability, your web apps can finally use this functionality. The conversion takes place directly on the user's device, works even in offline mode, all without adding any third-party librar
マーケット分析と聞くと、3CやSWOTなど馴染みのない単語ばかりで難しいイメージがあるかもしれません。ここでは、マーケット分析で使われる基本のフレームワークや取り組み方などをわかりやすく解説します。 マーケット分析とは？ まず、マーケティング分析の概要や目的について簡単に解説します。 適切なビジネス戦略を練るために行う情報収集・分析 マーケット分析とは、業界の現状や将来性を把握し、自社の強みや特性を活かす最適なビジネス戦略を立てるために行う情報収集・分析です。自社が属する業界や競合他社の動向、顧客ニーズなどに関する情報を集めて、3CやSWOTなどの手法（フレームワーク）を活用しながら、今後の商品企画やプロモーションの方向性を検討します。 商品開発や新規事業開発、リブランディングなどに活用する マーケット分析は、新商品・新規事業の開発やリブランディングなどのタイミングで実施されます。マーケッ
The Annotated Diffusion Model
In this blog post, we'll take a deeper look into Denoising Diffusion Probabilistic Models (also known as DDPMs, diffusion models, score-based generative models or simply autoencoders) as researchers have been able to achieve remarkable results with them for (un)conditional image/audio/video generation. Popular examples (at the time of writing) include GLIDE and DALL-E 2 by OpenAI, Latent Diffusion
Prezzo Acetaminofene ) Acetaminofene Mastercard non accettata - Domini e Registrazioni - Hosting Talk Forum
Farmacia europea Prezzo Acetaminofene - Prezzi bassi e sconti! Visita oggi! Fai clic qui - Vai in farmacia - Prodotti legali al 100%. - Qualità e dosaggio farmaceutico. - Consegna veloce garantita. - Diversi metodi di pagamento: MasterCard / Visa / AMEX / PayPal / BitCoin Acetaminofene Mastercard non accettata 500 localizzazioni forme cefalea consegna bassi su l’influenza, del acetaminophen - un a
Copy and paste "🧑🌾" in your terminal emulator. How many cells forward did your cursor move? Depending on your terminal emulator, it may have moved 2, 4, 5, or 6 cells1. Yikes. This blog post describes why this happens and how terminal emulator and program authors can achieve consistent spacing for all characters. Character Grids, Historically Terminals operate on a grid of fixed size cells. Thi
上智大学で行われた脳科学者・中野信子氏の講義「世界から見た日本」。本パートでは、これまでの上智大学での講義を振り返るとともに、「アートと脳科学」をテーマに、切っても切り離せないアートとブランディングの関係性について語りました。 国民性や文化の違いは何に起因するのか？ 中野信子氏：みなさん、こんばんは。今日はよろしくお願いします。 毎年、この時期に集中講義として来させていただいておりますが、私の声を生で聞くのもきっと初めての方ばかりですよね。これまでに何回か聞いたことがあるという人は、いらっしゃいますか？ もう2回目で、また話を聞いちゃったなどという人はいませんか？ うん、それならいいですね。同じ話を2度も聞くと飽きちゃうでしょうからね。ざっくり振り返ると、去年はこういった話をしました。 国民性や文化の差は、みなさんも感じているとおり、確かに存在するものです。上智大学にも外国から来ている人も
Prompt engineering is the process of structuring text that can be interpreted and understood by a generative AI model.[1][2] A prompt is natural language text describing the task that an AI should perform.[3] A prompt for a text-to-text language model can be a query such as "what is Fermat's little theorem?",[4] a command such as "write a poem about leaves falling",[5] or a longer statement includ
Ripple20 - JSOF
The JSOF research lab has discovered a series of zero-day vulnerabilities in a widely used low-level TCP/IP software library developed by Treck, Inc. The 19 vulnerabilities, given the name Ripple20, affect hundreds of millions of devices (or more) and include multiple remote code execution vulnerabilities. The risks inherent in this situation are high. Just a few examples: data could be stolen off
NAS(Neural architecture search)の歴史と現在の動向(Elsken et al. 2019) - Qiita
NAS(Neural architecture search)の歴史と現在の動向(Elsken et al. 2019) 機械学習DeepLearning強化学習AutoMLNeuralArchitectureSearch はじめに 自己紹介：UbuntuでPythonを書いてデータ分析とか異常検知してます。 Twitterやってます。 AutoMLの一つであるNAS(Neural Architecture Search)に興味があります。 NAS(Neural architecture search)のベンチマークであるNAS-BENCH-1SHOT1(Elsken et al. 2019)を翻訳&解説しました。 リンクはこちら イイネと思ったらぜひフォロー, thumbs-up&拡散をお願いします！ 目次 イントロ 探索空間(search space) 探索戦略(search stra
マジでちいさいセルフホストコンパイラ
マジでちいさいセルフホストコンパイラがほしい リポジトリ：https://github.com/sozysozbot/2kmcc hsjoihs「C コンパイラ自作においてセルフホスト達成はかなり分かりやすいマイルストーン」 hsjoihs「セルフホスト、たとえば構造体がほしくなるので構造体を実装するモチベができる」 hsjoihs「しかしながら、このゴールポストは、C で C コンパイラを書かない限り達成できない」 hsjoihs「そうだ、マジで小さい『セルフホストコンパイラ』を C で書いて、『それをコンパイルできたらすごい』にしよう！！！！」 hiromi_mi さんの hanando-fukui v1.1.1 が単一 .c で 2200 行、.h に 169 行 hsjoihs「@hiromi_mi hanando-fukui ってどんな機能があります？」 hiromi_mi「可変
米コンピュータ緊急事態対策チーム（US-CERT: United States Computer Emergency Readiness Team）は3月3日、「NSA Releases Network Infrastructure Security Guidance」において、米国家安保障局（NSA: National Security Agency）が新しいサイバーセキュリティテクニカルレポートとして「Network Infrastructure Security Guidance」を公開したと伝えた。 このレポートは、ネットワークインフラの構築や管理におけるセキュリティ上のベストプラクティスがまとめられたもので、攻撃者によるネットワークの悪用を防ぐ上で役立つガイダンスになっている。 NSA Cybersecurity Technical Report: Network Infrast
少し前に話題になった「remove.bg」という背景を削除してくれるサービスを使ってみました。その精度の高さに感銘をうけ、興味を持ったため自分でも試してみました。コードはすべてこちらの記事に載せています。 remove.bgとは 自動で画像から背景を削除してくれるサービス 基本無料で使用可能、API取得は有料 髪の毛の一本まで抽出してくれる Semantic Segmentation このサービスを使ってみて、まず最初に思いついたのがセグメンテーションの利用です。なのでtorchvisionのDeepLabv3でサクッと試してみました。以下がその結果です。 ある程度上手くいっていますが毛の一本一本を抽出することはできていないようです。 セグメンテーションで背景削除ができない原因としては ・ 毛の一本一本に注目してもlossはそんなに変わらない ・そもそもデータセットのターゲット画像が大雑把
[レポート] 新サービスの紹介も！複数 VPC における Transit Gateway のリファレンスアーキテクチャ #NET406 #reinvent | DevelopersIO
こんにちは、菊池です。 本記事は、re:Invent 2019のセッション、NET406 AWS Transit Gateway reference architectures for many VPCs の聴講レポートです。400番台とあって、Transit Gatewayの既存の機能は知っている前提となる、レベルの高い内容でした。 セッション概要 In this advanced session, we review common architectural patterns for designing networks with many VPCs. Segmentation, security, scalability, cross-region connectivity, and flexibility become more important as you scale on
![[レポート] 新サービスの紹介も！複数 VPC における Transit Gateway のリファレンスアーキテクチャ #NET406 #reinvent | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/84c7d4a5e809c1206e2a274beebc732c7fa2ff79/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2019%2F12%2Freinvent2019-net406-000.jpg)
これは何 以前Twitterで「プロダクトマネジメントを一言で表すなら？」という質問を見かけました。 この問いへの回答をこの記事でしていきたいと思っています。 プロダクトマネジメントを一言で表すなら 結論から書くと、僕は「売れるものを作ること」と答えるかもしれません。 これだけだと言葉遊びじゃないか、と叱られてしまいそうなのでもう少し詳しく書いていきます。 マーケティングって何？ プロダクトマネジメントについて語る前に、マーケティングについて語らせてください。 マーケティングは、Wikipediaには以下のように定義されています。 マーケティング（英: marketing）は、価値あるプロダクトを提供するための活動・仕組みである。すなわち「顧客・クライアント・パートナー・社会にとって価値あるものを、創り伝え届け交換するための、様々な活動・プロセス・組織」がマーケティングと呼ばれる。 僕はマ
じゅん@4/19XRミーティング北海道エリアのお世話 10/22💉5 @jun_mh4g 8か月ぶりのMediapipe活用ハンズオンかな('ω') あんまり分かってないのでまた勉強する('ω')// AI x OpenCV x WebXR: Selfie Segmentationを使ってみよう xr-fukuoka.connpass.com/event/223467/ #AR_Fukuoka 2021-08-29 19:01:11
In order to interpret the world around us, AI systems must understand visual scenes in three dimensions. This need extends beyond robotics, navigation, and even augmented reality applications. Even with 2D photos and videos, the scenes and objects depicted are themselves three-dimensional, of course, and truly intelligent content-understanding systems must be able to recognize the geometry of a cu
はじめに 先日Google Universal Image Embeddingコンペのメダルが確定して憧れのGrandMasterになることが出来ました。丁度いい節目なので今までの分析コンペと歩んできた5年間を振り返ってみたいと思います。意外と長くなってしまったので興味のあるところから読んでもらえたらと思います。 振り返り Kaggleとの出会い Masterになるまで 暗黒期 AutoSpeech 初めての銀メダル 念願のKaggle Master GrandMasterになるまで 初めてのソロ金 4枚目の金メダル 5枚目を求めて Kaggleに参加してきて感じたこと メリット データ分析のスキルの向上 困難を乗り越えた経験 学会参加などの体験 デメリット 多くの時間が費やされる kaggleのスコアに結びつかない技術の習得が後回しになる 今後の挑戦 kaggle以外のコンペ 社外の人と
Let’s see a brief description of the columns of our dataset: age (numeric)job : type of job (categorical: “admin.” ,”unknown”,”unemployed”, ”management”, ”housemaid”, ”entrepreneur”, ”student”, “blue-collar”, ”self-employed”, ”retired”, ”technician”, ”services”)marital : marital status (categorical: “married”,”divorced”,”single”; note: “divorced” means divorced or widowed)education (categorical: “
Top 10 Python libraries of 2019
We hope you enjoy it as much as we did creating it, so here we go! 1. HTTPXAs a die-hard Python fan who usually interacts with APIs, you are probably familiar with the requests library. However, requests will do no good for you if you are using the async paradigm, which is increasingly common in high performance modern applications. To solve this, the awesome Tom Christie and collaborators bring u
End-to-End Object Detection with Transformers (DETR) の解説 - Qiita
最近、Arxiv Sanity Preserverで上位にランクインしていた、Facebookから20/5/27に公開のObject Detection論文 DETRについて解説する。 概要 NMSやRPN等のごちゃごちゃした仕組み無しで、CNN＋Transformerの極めてシンプルな構成で真にEnd to Endな物体検出を実現する。 その上で、最近の最前線クラスの物体検出器に匹敵する性能を達成している。 （テクニカルに色々してるが、新規性は従来のRNNをTransformerに置き換えている所） このシンプルな構成のおかげで拡張が容易で、この論文ではDETR物体検出器をSegmentationタスクにも拡張し、SOTA級のアーキテクチャを上回る性能を叩き出している。 NMSをなくして、Transformer化に至るまでの背景 現在よく使われてる物体検出器では、処理の途中過程にあるNM
概要 先日 to be twitter masters というチーム名で Tweet Sentiment Extraction コンペ (以下 tweet コンペ) に参加したので、まとめに記事を書いておきます。チームメンバーは筆者と @fuz_qwa @Kenmatsu4 @tkm2261 @yiemon773 の 5 人で、結果は 5 位となり見事金メダルを獲得できました。 本記事では上位解法の紹介と、これを理解するために必要なコンペ概要の紹介を主眼とします。また、チームでやったことはもう少し軽めの記事として後日まとめようと思っています。 いつも文字数多すぎてごちゃごちゃするので、できるだけ完結に書きたい...。情報足りないところは回答できるので、気軽に質問ください~~ 🙏🙏🙏🙏🥇🥇🥇🥇🥇🥇🥇🥇🥇🥇🥇🙏🙏🙏🙏 pic.twitter.com/3gc
2022年後半のSEO
2022年も半分が過ぎましたね。熾烈を極める2022年後半のSEOの世界を、様々な観点から俯瞰して見たいと思います。記事の後半に行くに従って上流工程の話になっていくように書いてあります。 本記事を読んで「全然分からん…」と思ったSEO担当駆け出しの方、これからSEOはほぼこの記事のような方向になっていきます。興味があれば予習がてらぜひこの辺りの理解に努めて見てくださいね。 まずは各論から語ります。SEOの基礎的な要素を今更1から語ることはしないので、2022年後半により重要になってくると思われる項目だけピックアップしてみます。次の通りです。 ビジュアル要素の強化被リンクコンテンツ構造、サイト構造フレッシュネス何者かになる or 何者かと組むデジタル広報（PR）フレームワークにSEOを組み込む 【有料note】 被リンク構築・ビルディング大全 脱アフィリエイト・物販サイトの作り方 コンテンツ
恋愛や婚活にも使えるマーケティング手法「STP分析」 - 点灯夫のように生きよう 〜 外資系コンサルタントの小さなつぶやき
マーケティング用語にSTP分析という言葉がある。 マーケティングの大家であるフィリップ・コトラーの提唱した理論で、業種業界会社規模問わずに利用できる考え方で、ビジネスだけでなく私生活を戦略的に生き抜くためにも活用できる優れたフレームワークである（例えば転職活動とな婚活でも使える考え方だ）。 STP分析とは STP分析とは、セグメンテーション、ターゲティング、ポジショニングの3つの頭文字からなる。 https://deepvisionlab.jp/branding-positioning/ Segmentation セグメンテーション：市場を細分化し標的にする市場を決定する Targeting ターゲティング：ターゲット層を抽出する Positioning ポジショニング：自社の立ち位置を明確化し競争優位性を確立する 市場全体を分解し、その中からターゲットを定め、そこに効果的に訴求するための
NIST Special Publication 800-207 Zero Trust Architecture Scott Rose Oliver Borchert Stu Mitchell Sean Connelly This publication is available free of charge from: https://doi.org/10.6028/NIST.SP.800-207 C O M P U T E R S E C U R I T Y NIST Special Publication 800-207 Zero Trust Architecture Scott Rose Oliver Borchert Advanced Network Technologies Division Information Technology Laboratory Stu Mitch
The amount of data being collected is drastically increasing day-by-day with growing numbers of applications, software, and online platforms. To handle/access this humongous data productively, it’s necessary to develop valuable information extraction tools. One of the sub-areas that’s demanding attention in the Information Extraction field is the extraction of tables from images or the detection o
【 Dify 0.6.9 対応 】 n8n と Dify を VPS 上の Docker 環境で動かして連携させる。セキュリティや nginx 設定までのオマケつき｜Hi-Noguchi | 株式会社きみより代表
VPS 契約手順Xserver 紹介既に VPS をお持ちの方などは、この章はすっ飛ばしてしまってください🚀 VPS ベンダーはたくさんありますが、ここでは Xserver VPS を紹介します。 なぜ Xserver かというと、 管理画面が使いやすい。見やすい。軽くてサクサク動く VPS のハードウェア／パフォーマンスが新しめで良い キャンペーン割引適用させると、他ベンダーと比較して底値圏でコスパよし といったあたりになります。 なお Xserver での「お友達紹介」は規約の変更があり、不特定多数への公開リンクを利用することができなくなりました。 もし紹介コードが欲しいという方は、お声がけいただけたらお渡しいたします。 もし適用されたい場合、現時点 2024/05 での紹介割引は以下の通りで、申込の際にこちらの金額分が割引される表示になっているかどうかをご確認ください。 Xserv
GitHub - stanfordnlp/stanza: Stanford NLP Python library for tokenization, sentence segmentation, NER, and parsing of many human languages
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
cargo crev でコードレビューをしてみたらバグを見付けた話など Rustの依存関係の信頼性を検証する (crev) - Qiita という記事を読んで、面白そうだったので cargo-crev を実際に使ってみた。 これはコードレビュー自体を完全に自動化するためのものではなく、前準備、結果の公開・共有・利用などを支援するツールなので、コードレビュー自体は自力で行う必要がある。 そんなわけで、基本的な概念の紹介と、実際にいくらかコードレビューをしてみたところ unsafe 絡みのバグを見付けたという話と、ツールを使っての所感なんかを書く。 この記事の半分は雑な日記みたいなものなのでスッ飛ばすのが良い。 というかあまりにダラダラ書きすぎたので、後でいろいろバッサリ削る可能性もある (←放置フラグ)。 前提 このセクションは、わかっている人は読み流しても問題ない。 依存とコードへの信頼
Powered by AI: Advancing product understanding and building new shopping experiences
Powered by AI: Advancing product understanding and building new shopping experiences Today we’re announcing: We’ve built and deployed GrokNet, a universal computer vision system designed for shopping. It can identify fine-grained product attributes across billions of photos — in different categories, such as fashion, auto, and home decor. GrokNet is powering new Marketplace features for buyers and
Improved local development with wrangler and workerd05/17/2023 For over a year now, we’ve been working to improve the Workers local development experience. Our goal has been to improve parity between users' local and production environments. This is important because it provides developers with a fully-controllable and easy-to-debug local testing environment, which leads to increased developer eff
はじめに GitHub上で見つけた「使いやすい」「コードが綺麗」「これ考えた人は天才」など、すごいと思った機械学習に関係するリポジトリを、メモしておくことにしました。 (6月05日の修正内容)pytorch-CycleGAN-and-pix2pixに書かれている内容が、CycleGANかpix2pixかが曖昧だったため修正。StackGAN-PytorchのURLの追加（自分はまだ理解が足りないと考え説明は書きませんでした） 目次 Object Detection a-PyTorch-Tutorial-to-Object-Detection Segmentation pytorch-semseg FCHarDNet Gan pytorch-CycleGAN-and-pix2pix UNIT MUNIT GameGAN StackGAN-Pytorch a-PyTorch-Tutorial-
Cisco Talos shares insights related to recent cyber attack on Cisco
Cisco Talos shares insights related to recent cyber attack on Cisco Executive summaryOn May 24, 2022, Cisco became aware of a potential compromise. Since that point, Cisco Security Incident Response (CSIRT) and Cisco Talos have been working to remediate.During the investigation, it was determined that a Cisco employee’s credentials were compromised after an attacker gained control of a personal Go
Security Best Practices for GenAI Applications (OpenAI) in Azure
Introduction GenAI applications are those that use large language models (LLMs) to generate natural language texts or perform natural language understanding tasks. LLMs are powerful tools that can enable various scenarios such as content creation, summarization, translation, question answering, and conversational agents. However, LLMs also pose significant security challenges that need to be addre
この頃、バカンスシーズンなのか、ネタ切れなのか、画像向けTransformer論文が一息ついているので、ここでちょっと振り返ってみる。 2017年： そもそもの始まり Attention Is All You Need 自然言語向けに2017年に出たこのGoogle論文で、Attention構造が自然言語の方であっという間に広がる。 当然ながら、この流れで、計算量がかかるAttention部分がどんどんと違う手法で置き換えられた論文が増えてくる。 2019年： 画像認識にうっすらと浸透 画像認識でもConvolutionの代わりにAttentionが使われ始めたので、論文まとめ この記事で書いたように、ConvolutionをAttentionに変えようという論文が2019年からチラホラと出てくる。 この頃は、まだおっかなびっくりAttention構造に取り換えてもいけるぞ、とか、精度変わ
Andy Grove Apache Arrow PMC. Creator of DataFusion and Ballista Query Engines. GPU-Accelerating Apache Spark @ NVIDIA. TL;DR: Stop using musl and alpine for smaller docker images! During some recent benchmarking work of the Ballista Distributed Compute project, I discovered that the Rust benchmarks were ridiculously slow. After some brief debugging, it turns out that this was due to the use of mus
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
0.5.0 Release Notes · The Zig Programming Language
Pytorchによる航空画像の建物セグメンテーションの作成方法. - Qiita
マーケット分析とは？手法（フレームワーク）・やり方をわかりやすく解説！
Grapheme Clusters and Terminal Emulators
日本は不安傾向の高さが“活かされた”社会 脳科学者・中野信子氏が語る、日米の国民性の違い
Prompt engineering - Wikipedia
米NSA、ネットワークインフラのための新しいセキュリティガイダンスを公開
自動で背景を削除 remove.bgを再現してみた - Qiita
結局プロダクトマネジメントって何やねんという問いに答える - Qiita
AI x OpenCV x WebAR: Selfie Segmentationを使ってみよう
Pushing state-of-the-art in 3D content understanding
KaggleでGrandMasterになるまでの5年間を振り返る
Mastering Customer Segmentation with LLM
kaggle tweet コンペの闇と光 (コンペ概要と上位解法) - guchiBLO はてな
NIST Special Publication 800-207 Zero Trust Architecture
Table Extraction OCR - Extract Table from Image
cargo crev でコードレビューをしてみたらバグを見付けた話など
Improved local development with wrangler and workerd
自分がすごいと思ったGitHub上のリポジトリ【機械学習編】 - Qiita
画像認識向けTransformerを振り返る - Qiita
Why does musl make my Rust code so slow?