ソーシャル経済メディア「NewsPicks」で推薦や検索などのアルゴリズム開発をしている北内です。Pythonは頻繁に新機能や便利なライブラリが登場し、ベストプラクティスの変化が激しい言語です。そこで、2024年2月時点で利用頻度の高そうな新機能、ライブラリ、ツールなどを紹介したいと思います。 この記事では広く浅く紹介することに重点を置き、各トピックについては概要のみを紹介します。詳細な使用方法に関しては各公式サイト等での確認をおすすめします。なお、本記事ではOSとしてmacOSを前提としています。 環境構築 Pythonの環境構築はpyenvとPoetryの組み合わせがもっとも標準的でしょう。 以下の手順でpyenvとPythonをインストールできます。 brew install pyenv # Bashの場合 echo 'eval "$(pyenv init -)"' >> ~/.ba
MCP（Model Context Protocol）を活用したJグランツ補助金検索システムの実装例｜デジタル庁
デジタル庁プロダクトマネージャーユニットの土岐竜一です。事業者の手続システム総括班で、Jグランツを含む事業者向けシステムなどを担当しています。 この記事では、デジタル庁が運用する補助金電子申請システム「Jグランツ」のAPIを、Anthropic社が提唱するModel Context Protocol（MCP） によりラッピングし、LLMから利用可能なシステムのサンプル設計および実装について説明します。 具体的には、Pythonで簡単に実装できるFastMCPフレームワークを利用し、Jグランツの補助金検索や詳細の取得などの実用的な機能を備えたMCPサーバーを例として実装します。なお、本記事におけるコードはGitHubよりダウンロード可能です。 本実装例で実現できること今回紹介するMCPサーバーを利用すると、LLM（Claudeなど）を通じて、以下のような自然言語によるJグランツの補助金検索や
寺田 学（@terapyon）です。2024年10月の「Python Monthly Topics」は、Python Web UIフレームワークの1つであるStreamlitの基本的な使い方を紹介します。 2024年4月には、「Python Web UIフレームワークで作るデスクトップアプリ」と題し、Steamlitを使ってデスクトップアプリ化をする紹介を行いました。 今回はStreamlitにフォーカスを当てて、よく使う機能を紹介します。Streamlitにはたくさんの機能があり、公式ドキュメント APIリファレンスを見ても、どの機能から使って良いのかわからないという声がありました。今回は、筆者目線でよく使うであろう機能に絞って紹介します。 Streamlitとは StreamlitはPythonで構築できるWeb用のフレームワークです。Pythonのモジュールを定義することで、インタ
寺田 学（@terapyon）です。2024年4月の「Python Monthly Topics」は、Python Web UIフレームワークの1つであるStreamlitを使ってWindowsやmacOSのデスクトップアプリを作る方法を解説します。 目的・モチベーション Pythonで自動化のスクリプトを作ったり、JupyterLabやColaboratoryでデータの可視化を行うことがあります。これらを作成者以外の多くの方に利用してもらう方法として、Webシステムやデスクトップアプリとして提供する方法が考えられます。 Webシステムの構築やデスクトップアプリの作成となると、技術的なハードルがあります。他には、時間的なコストに見合わないという状況もあり得ます。 Python Web UIフレームワークを使うことで、比較的少ないコードでWeb UIからスクリプトの実行や可視化をするアプリ
鈴木たかのり（@takanory）です。今月の「Python Monthly Topics」では、Python製の静的サイトジェネレーターSphinxを使用してWebサイトを構築し、テーマを適用、外部へ公開する流れについて紹介します。後半ではSphinxの便利な拡張機能を紹介し、Webサイトをより便利にしていきます。 Markdownでドキュメントを書くだけで、きれいなWebサイトが簡単に公開できるので、ライブラリのドキュメントなどでもよく使われています。 Sphinxとは SphinxはPython製の静的サイトジェネレーターです。静的サイトジェネレーターとは、Markdown等の軽量マークアップのテキストファイルから、静的なWebサイトを生成するアプリケーションのことを言います。Python製の静的サイトジェネレーターにはSphinxを含め以下のツールなどがあります。 Sphinx：h
何年後かの自分へ こんにちは、のんピ(@non____97)です。 業務で使用する新しいMacが届きました。 新しいMacを初期セットアップするにあたって「今の設定どうだったっけ...」と調べる時間が結構かかってしまいました ということで何年後かの自分がまた新しいMacに乗り換える際に手間取らないように、設定した内容を書き記しておきます。 移行先のMacの情報は以下の通りです。M1 Max、嬉しい。 # OSのバージョンの確認 > sw_vers ProductName: macOS ProductVersion: 12.4 BuildVersion: 21F79 # カーネルのバージョン確認 > uname -r 21.5.0 # CPUのアーキテクチャの確認 > uname -m arm64 # CPUの詳細確認 > sysctl -a machdep.cpu machdep.cpu.
pytest でテストケース毎に DB を自動的に初期化して、テスト開発体験を向上させる - SalesNow Tech Blog
概要 Web バックエンドのテストコードを書く場合、その多くは DB に依存していることが多いです。 DB 関連のテストは、テストデータの準備やテストケース毎の DB 処理化を適切に行うことが重要ですが、手間がかかる場合あるため、Mock で擬似的にテストしてしまうことも多いかと思います。 ただ、Mock を使ったテストは本質的な問題を検知できない意味のないテストになってしまう可能性があり、可能な限り DB の Mock を行わずに、実際の DB を使用してテストすることが望ましいと考えています。 本記事では、pytest、sqlalchemy、PostgreSQL を使った場合に、テストケース毎に DB を簡単に初期化しつつ、テストケース毎の前提データ登録も簡単うことでテスト開発体験を向上させる方法を紹介します。 前提環境 本記事では、以下の環境を前提として説明いたします。 python
それぞれのツールに関する詳しい説明は本記事では行いません。詳しく知りたい方は、ツール名のリンクから公式ドキュメント等を参照してみてください。 上記の表に挙げたツール群にはそれぞれに特徴があります。pyenv、venv、pipのように単一機能に特化したものから、Condaのようにデータサイエンスや機械学習プロジェクトで使用される複雑なパッケージの依存関係や環境管理をサポートするツール、PoetryのようにPythonパッケージインデックス（PyPI）への公開をサポートするツールなど、開発シーンに合わせて選択することができます。 uvとは uvは2024年の2月中旬に発表されたばかりの新しいパッケージ管理ツールです。Rustで書かれており、ここ最近で飛躍的に使用されるようになったRust製のPythonリンター＆フォーマッター「Ruff」を開発しているAstral社によって提供されています[1
非常に高精度な画像を生成できるとして大きな話題を呼ぶ画像生成AI「Stable Diffusion」は、オープンソースであるためユーザーがローカル環境で実行することもできますが、記事作成時点ではNVIDIA製GPUの使用が推奨されています。そのため、「Stable Diffusionが気になっているけどMacユーザーだからローカルで実行できない」という人もいるはず。そんなMacユーザーに向けて、「Stable DiffusionをM1・M2チップ搭載Macのローカル上で実行する方法」についてオープンソースの機械学習モデルをクラウドのAPIで実行するウェブサービス・ Replicateが解説しています。 Run Stable Diffusion on your M1 Mac’s GPU - Replicate – Replicate https://replicate.com/blog/ru
福田（@JunyaFff）です。本連載Python Monthly Topicsで2024年3月に公開したRust製のPythonパッケージ管理ツール「uv」を使ってみよう で紹介した「uv」が、さらなる進化を遂げました。今回は、その新機能を紹介します。 はじめに Astral社が開発するRust製の高速なpipの代替ツール「uv」がパッケージマネージャーとして8月にアップデートされました。pipの代替ツールとしてだけでなく、Pythonプロジェクト、コマンドラインツール、単一ファイルスクリプトさらにPython自体を管理できるようになりました。uvは、pipやpipx、venv、poetryやpyenvのような機能を包括していると言え、そしてそのすべてが非常に高速に動作します。 本記事では、アップデートした「uv」の新機能を中心に紹介します。 基本的な使い方は Rust製のPythonパ
Browser UseのWeb UIを使いながらAIエージェントの業務システムへの適用を考える | DevelopersIO
はじめに ブラウザ操作を自動化する「Browser-Use」は、Pythonコードから呼び出すことができるツールです。生成AIの機能を使って非常に簡単にWebサイトを操作することができます。今回は、この機能を更に簡単に利用するためのWeb UIが公式からリリースされましたので試してみます。動作確認をしながら業務システムへの適用も考えてみたいと思います。 セットアップ Githubから必要なコードを取り出してセットアップを行います。 PC環境は以下です。 ・macOS Sequoia 15.2 pip install --upgrade pip pip install uv uv venv --python 3.11 source .venv/bin/activate git clone https://github.com/browser-use/web-ui.git cd web-ui
Python開発の新常識「uv」入門：仮想環境って何？から環境の共有まで｜Yuya Enokida
最近、ADKを使ってpythonでAIエージェントの開発をしており、uvを使っています。その中で環境の共有を行うときにどうすればいいんだっけ？という小さな悩みから、自分の中での理解も深めるためにこの記事を書きました。 そもそも仮装環境とは？という初歩的なところから記載してるので、初めての方でも読みやすい内容になってるかと思います。 さて、本題ですが、 Pythonを使い始めると必ずぶつかるのが「環境構築」の壁です。「自分のパソコンでは動くのに、他の人の環境では動かない……」そんな悩みを一気に解決してくれる最新話題のツール、uv の使い方や環境の共有の注意事項等について解説します。 1. そもそも「仮想環境」はなぜ必要なのか？Pythonの開発では、プロジェクトごとに「仮想環境」を作るのが鉄則です。 例えば： プロジェクトA： 少し古いライブラリを使うので、Python 3.10が必要 プロ
How to improve Python packaging, or why fourteen tools are at least tw
There is an area of Python that many developers have problems with. This is an area that has seen many different solutions pop up over the years, with many different opinions, wars, and attempts to solve it. Many have complained about the packaging ecosystem and tools making their lives harder. Many beginners are confused about virtual environments. But does it have to be this way? Are the current
Spec KitとGitHub Copilot Agentで社内ツールを作ってみた - 虎の穴ラボ技術ブログ
タイトル画像 虎の穴ラボの古賀です。 主な担当は各プロダクトのセキュリティ対応、アーキテクト検討、フロントエンド設計＆実装です。 最近の推しは「ちいかわ」です。ついに島編（セイレーン編）が映画化決定しましたね。子供や妻と毎週アニメも見てコミックもチェックしつつ、グッズも集めていますがとっても楽しみです。 今回は、「Spec KitとGitHub Copilot Agentで社内ツールを作ってみた〜開発フローをAI製のツールで改善した話〜」というテーマで、実際にSpec Kitを使って社内ツールを開発した際の知見や、GitHub Copilot Agentsとの併用について共有します。 Spec Kitとは、「AIとの協働において、コードを書く前に『仕様（Spec）』を厳密に定義し、それを起点に実装までを自動化・管理する『仕様駆動開発（SDD）』のためのツールキット」 です。 1. 開発の背
Generate images in one second on your Mac using a latent consistency model – Replicate blog
Generate images in one second on your Mac using a latent consistency model Latent consistency models (LCMs) are based on Stable Diffusion, but they can generate images much faster, needing only 4 to 8 steps for a good image (compared to 25 to 50 steps). By running an LCM on your M1 or M2 Mac you can generate 512x512 images at a rate of one per second. Simian Luo et al released the first Stable Dif
Stable Diffusion is open source, so anyone can run and modify it. That’s what has caused the abundance of creations over the past week. You can run Stable Diffusion in the cloud on Replicate, but it’s also possible to run it locally. As well as generating predictions, you can hack on it, modify it, and build new things. Getting it working on an M1 Mac’s GPU is a little fiddly, so we’ve created thi
OSSデータカタログの決定版！？OpenMetadataがかなりイケてるので紹介したい | DevelopersIO
本記事では、最近登場したばかりのOSSデータカタログ OpenMetadata についてご紹介していきます。 商用製品縛りでデータ系SaaSを紹介してきた本アドベントカレンダーですが、最後の23製品目はOSSのデータカタログをご紹介します。というのも、商用製品並みに良くできているんですよねコレ。 OpenMetadataについて OpenMetadataは、2021年8月に最初のバージョン0.3.0がリリースされたOSSのデータカタログです。1ヶ月サイクルでリリースするという驚異的な開発速度で改善や機能拡張が進み、2021年12月23日現在でバージョンは0.7.0がリリースされています。 Announcing OpenMetadata. Open-source project to supercharge your… | by Suresh Srinivas | OpenMetadata
Get started with tensorflow-metal Accelerate the training of machine learning models with TensorFlow right on your Mac. Install base TensorFlow and the tensorflow-metal PluggableDevice to accelerate training with Metal on Mac GPUs. Learn about TensorFlow PluggableDevices Requirements Mac computers with Apple silicon or AMD GPUs macOS 12.0 or later (Get the latest beta) Python 3.8 or later Xcode co
InvokeAI が良い、とかいってたんだけど、Mac でもいつの間にか、AUTOMATIC1111 版の stable-diffusion-webui が使えるようになっていた。もしかしたらもっとずっと前から使えるようになっていたのかもしれないんだけど、筆者が試そうとした時は nvidia の GPU が載ってない PC 以外はお断り、という雰囲気だったのである。 今はそんなことない。だいぶ簡単にインストールできる。 動作には、M1、M2 などの Apple シリコンが必要だ。 インストール Installation on Apple Silicon · AUTOMATIC1111/stable-diffusion-webui Wiki · GitHub 上記ページの、Automatic Installation のやり方に従えば、だいたいはインストールできるんじゃねーかな、という感じ。
REST API用のファジングツール “RESTler” で始めるお手軽ファジング | IIJ Engineers Blog
IIJイノベーションインスティテュートの四谷です。普段はWeb API開発の生産性向上についての調査や開発を行っています。 今日はREST APIのテスト効率を改善するツール「RESTler」を紹介します。 RESTlerについて RESTlerはMicrosoft Researchが開発し、OSSとして公開しているREST API用のファジングツール（ファザー）です。 ファジングはネットワークプロトコルの実装等、もう少し下位レイヤーでの活用が主で、APIに対して実行できるファザーは数少ないのですが、その1つがRESTlerです。Microsoftでは実際にRESTlerを使用して、AzureやOffice365のバグを検出したそうです。 特長 RESTlerの最大の特長は、OpenAPIドキュメントとして記述されたAPI仕様さえあれば、自動的にテストケースが生成され、ファジングを実行でき
Python: uv でパッケージのインストールにクールダウン期間を設ける - CUBE SUGAR CONTAINER
つい先日、著名な LLM API のプロキシサーバである LiteLLM 1 がサイバー攻撃による侵害を受けた。 結果として、攻撃者が不正なコードを挿入したバージョンのパッケージが PyPI 2 にアップロードされた。 github.com 現在は既に当該のバージョンは PyPI から削除されている。 しかし、公開されていたタイミングでユーザがインストールした場合には、不正なコードの実行につながる恐れがあった。 不正なコードが実行された場合には、端末がマルウェアに感染してユーザのクレデンシャルを含む情報が外部に送信 (窃取) されるなどの被害が生じた。 この事例から、Python を利用している環境において、PyPI を経由したサプライチェーン攻撃の被害を受けるリスクが現実となった。 したがって、今後は PyPI のユーザ側でもリスクを低減するための行動が重要になってくると考えられる。 今
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 個人的な話になるけど、20年前は Linux ばかり使っていた。当時は「ディストリビューションガー」「ウィンドウマネージャーガー」って言ってたけど、10年ぐらい前からMacを使い始め「全部Appleにお任せでいいんじゃね？」となってしまってからは、Linux や Ubuntu の事はすっかり頭から消えて無くなってしまっていた。 ところが最近、どうしても Linux を使わなきゃいけない事態が発生し、10年ぶりに Ubuntu を入れてみたら「あれ？Ubuntu もやっぱり楽しくない？」と思ってしまった。でもしばらく Mac OSX しか
I did this in 2020 and then again in 2021, but I’m in the mood to look around again. Let’s look through Are We GUI Yet? and see what’s up these days. The task today is to have a text label and an input field that can change the text in the label. In React, for example, this is basically free: const Demo = () => { let [state, setState] = useState("Hello, world!"); return ( <div> <p>{state}</p> <inp
Replicateより。 Stable Diffusionはオープン ソースであるため、誰でも実行・改造することができます。それが、この1週間に大量の創作物を生み出した理由です。 Stable Diffusionは、Replicate上のクラウドで実行できますが、ローカルで実行することもできます。予測を生成だけでなく、それをハッキングしたり、改造したり、新しいものを作ったりすることができます。M1 MacのGPUで動作させるのは少し難しいので、その方法を説明するためにこのガイドを作成しました。 これに対するすべての功績は、GitHub上のstable-diffusionのフォークに貢献し、このGitHubスレッドですべてを理解したすべての人のおかげです。私たちは彼らの偉大な仕事のメッセンジャーに過ぎません。 私たちがこれまでの作業に加えて行ったことの1つは、Condaの代わりにpipを使っ
Apple Silicon 版の Mac で Miniforge を使ってサードパーティ製のパッケージをインストールする - CUBE SUGAR CONTAINER
これを書いている現在 (2021-11)、Apple Silicon 版の Mac を使って Python の開発環境を整えようとすると、なかなかしんどい。 しんどさの主な要因は、サードパーティ製のパッケージが Apple Silicon をまだサポートしていない場合が多い点にある。 たとえば、Python で機械学習をしようと思ったら誰でも一度は使ったことがあるはずの scikit-learn もそのひとつ。 現在の最新バージョン (1.0.1) でも、Apple Silicon の環境では pip を使った正攻法ではインストールできない。 ただし、以下のドキュメントを読むとわかるとおり、Apple Silicon の環境でインストールする唯一の方法として Miniforge を使うことが挙げられている。 scikit-learn.org Miniforge は、ざっくり言うと利用するリ
Microsoft Presidio: 個人情報保護に特化したオープンソースツール | 豆蔵デベロッパーサイト
近年、個人情報の保護に対する意識がますます高まっていると感じます。 その背景には、大規模言語モデル(LLM)の導入と普及があります。LLMはさまざまな場面で活用されていますが、取り扱うデータの中に個人情報が含まれる可能性があるため、適切な管理が求められています。 そんな状況の中で、今回Microsoftが提供するオープンソースツール Presidio に注目しました。 https://github.com/microsoft/presidio/ Presidioは、個人を特定できる情報(PII: Personally Identifiable Information)を検出し、匿名化するために設計されたPythonフレームワークです。 これにより、企業や開発者はLLMや他のシステムで安全にデータを活用することが可能になります。 Presidioの特徴としては、非構造化データの中から個人情報
Ollamaと行くローカルLLMの道
はじめに Ollamaはオープンソースで開発されているLLMの実行環境です。 このシステムはDockerなどのコンテナのようにモデルを扱うことで、モデルの公開や使用を非常に簡単に行うことができます。 使ってみる OllamaはWindows、macOS、Linux向けに提供されています。 公式サイトからダウンロードしてインストールしてみましょう。 モデル Ollamaはモデルをモデル名:タグの形式で識別します。 例えばGoogleのgemma3の4Bモデルはgemma3:4bのように表されます。 これらのモデル一覧は以下のページから確認することができます。 モデルを落としてきましょう これを実行するとgemma3:4bという名前の付いたモデルがダウンロードできます。 モデルページにはチャットテンプレートやライセンスの情報、パラメータなどが書かれています。 gemma3:4bのページを確認す
はじめに Stable Diffusionは、高品質な画像をテキストから生成できる注目のAIモデルです。本記事では、Apple Silicon (M1/M2チップ) 搭載のMacでStable Diffusionを実行するためのステップバイステップガイドを紹介します。特に、機能が豊富なAUTOMATIC1111版のStable Diffusion Web UIを使い、Pythonの仮想環境 (venv) を用いてセットアップします。また、Apple SiliconのGPUを活用するMetal Performance Shaders (MPS)による高速化にも触れます。PythonやAI画像生成が初めての方でも分かるよう、丁寧に解説していきます。 1. Pythonのインストール Stable Diffusionを実行するにはPython 3.xが必要です（3.10系が推奨です）。お使いのM
表に挙げているとおり、グラフィックボードはGeForce RTX 3060 AERO ITX 12G OCです。画像生成はVRAMの容量が命とっても過言ではないくらいで、8GB、12GB、16GBで生成できる画像の大きさに影響します。 筆者は5万円程度で購入しましたが、現在このモデルは入手困難なようです。後継となるとVRAMを16GB積んだGeForce RTX 4060Tiが対象になりますが、8万円前後となかなかに覚悟が必要な価格となっています[2]。 比較的安価なGeForce RTX 3060のVRAM12GBモデルにするか、あるいはさらに上のグレードにするかは、よくお財布と相談して決断してください。 ソフトウェア編 今回使用するUbuntuのバージョンは22.04 LTSとします。Stable Diffusion WebUIで使用するPythonのバージョンは3.10で、偶然（では
Balance deployment speed and stability with DORA metrics | Amazon Web Services
AWS DevOps & Developer Productivity Blog Balance deployment speed and stability with DORA metrics Development teams adopt DevOps practices to increase the speed and quality of their software delivery. The DevOps Research and Assessment (DORA) metrics provide a popular method to measure progress towards that outcome. Using four key metrics, senior leaders can assess the current state of team maturi
Deepseek-coder-v2で無料のGitHub Copilotの実現について - GMOインターネットグループ グループ研究開発本部
1. はじめに こんにちは、グループ研究開発本部 次世代システム研究室のT.D.Qです。今回は、DeepSeek-Coder-V2とContinue.devを使用して、無料でGitHub Copilotのようなコーディング支援環境を構築する方法をご紹介します。GitHub Copilotは有料サービスですが、オープンソースのDeepSeek-Coder-V2とContinue.devを利用することで、同様の機能を無料で実現できます。 1. DeepSeek-Coder-V2の概要 DeepSeek-Coder-V2はコードインテリジェンスの限界を押し広げる強力なオープンソース言語モデルであり、一般的な言語スキルも強力に維持しています。その性能は、多くのコーディングおよび数学ベンチマークにおいて、GPT-4 Turboなどのクローズドソースモデルに匹敵するか、あるいはそれを上回ります。 De
前回のエントリーでは、Dev Containersの動作原理を理解したのでそれにあわせたPython環境を作っていきます。 ベースの環境まずリポジトリのフォルダを作ります。python-devとします。 ここをVSCodeで開き、Dev Containersの設定をしていきます。左下のリモートのボタンを押して Add Dev Container Configuration Files… を選択します。 基本のPython3を選びます。公式を選んでおくのが吉。オプションでPythonバージョンを選びます。Apple Silliconは-busterついているのを選べって言ってますね。半年前にスクリーンショットを撮ったときは3.11までしかありませんでしたが、今は3.12も選べます。 Pythonのイメージをインストールすると、有名どころのツールはすでにインストール済みとなっていますこの辺りは
FastAPIでPythonアプリを素早く構築する
FastAPI は、Python 3.6以降を使用したモダンなアプリケーションプログラミングインターフェースの構築に便利な、高速かつ軽量のウェブフレームワークです。今回の記事では、そんなFastAPI を使ったアプリ構築の基本を説明し、これが2021年ベストオープンソースフレームワークの1つとしてノミネートされた理由の一端をご紹介します。 FastAPIアプリを開発する準備ができたら、サーバー選びが必要になります。Kinstaのウェブアプリケーションサーバーとマネージドデータベースサーバーサービスは、Pythonに強いPaaS（Platform as a Service）です。是非ともあわせてご確認ください。 まずは基本から学びましょう。 FastAPIの強み はじめに、FastAPIフレームワークが各種開発プロジェクトにもたらす利点をご紹介します。 スピード：FastAPIは、その名の通
Appleシリコン搭載のMac（いわゆるM1 Mac）において、機械学習環境の構築にかなり苦戦しましたので、対応方法をまとめておきます。 なお、時間の経過とともに各種ソフトウェアがM1 Macに随時対応していくものと思われますので、記事執筆時点（2021年9月）の情報としてご覧ください。 PC環境 macOS BigSur 11.6 MacBook Air (M1, 2020) メモリ16GB なお、Pythonは3.9を利用する前提で話を進めていきます。 今回のゴール 以下の2種類の方法を実施してみます。 Pythonの仮想環境を構築する方法 Dockerを利用する方法 また、機械学習環境を作るということで、Jupyter Notebookを起動して実装できる状態をゴールとします。 1. Pythonの仮想環境を構築する方法 pipenvによる環境構築は茨の道 もともと私はpipenvを
Pythonモジュール管理の新たな道具：pipxを使ってみた - とことんDevOps | 日本仮想化技術のDevOps技術情報メディア
Pythonには色々な便利なモジュールが存在します。中には単体で動くCLIツールなどもあったりします。 pipxは、Pythonで書かれたエンドユーザーアプリケーションのインストールと実行に役立つツールです。 macOSのbrew、JavaScriptのnpx、Linuxのaptやdnfに似たツールのようなものですね。 pipはPythonモジュールとCLIツールのインストールができるツールですが、pipの代わりにpipxを使えば、次のような利点があるので良い感じです。 pip listにインストールしたモジュールが表示されない インストールしないで実行（ワンタイム実行）もサポート 色々なPythonバージョンベースで実行 Git上のバイナリーを実行もサポート pipxはコマンドラインからアプリケーションとして直接実行できるPythonパッケージのインストールと管理に重点を置いているという
Press ← or → to navigate between chapters Press S or / to search in the book Press ? to show this help Press Esc to hide this help The PyO3 user guide Welcome to the PyO3 user guide! This book is a companion to PyO3's API docs. It contains examples and documentation to explain all of PyO3's use cases in detail. The rough order of material in this user guide is as follows: Getting started Wrapping
この記事について いつも忘れてしまうので手早く探せるようにメモ。 環境はdebian系のubuntu 20.04です、他の環境をお使いの場合はこの記事を参考にしながらご自身で調べてください。 pyenvを使った方法と使わない方法両方あります。 pyenvとはpythonを複数バージョンを入れて切り替えてくれる便利ツールです 具体的にはgithubページをご覧ください。 pyenvを使わない方 まずはpythonとpipを入れます apt install python3 python3-dev python3-venvでまずpython関連を入れます そしてpipをインストールします。色々な方法はありますが、ここでは一番簡単な方法を使う。 まずapt install wgetでwgetを入れます。 そしてwget https://bootstrap.pypa.io/get-pip.pyでpi
自動売買bot「Freqtrade」で始める仮想通貨取引：特徴と活用法ガイド｜ユニコ🦄 AIエージェント開発 ＆ Obsidianの人
Freqtradeの概要と重要性Freqtradeとは？Freqtradeとは、仮想通貨の自動売買を行うためのオープンソースのトレードボットです。Pythonで開発された無料のツールであり、主要な暗号資産取引所（仮想通貨取引所）に対応しています。ユーザーは自分でサーバーやPC上に設置して動かすため、APIキーを外部サービスに預ける必要がなく、セキュリティ面でも安心です。Freqtradeは24時間365日市場を監視し、人間の介在なしに売買を実行できるため、手動取引では捉えきれないチャンスも逃しません。また、Telegramを介したリモート操作や通知、Web UI（FreqUI）による管理機能も備え、離れた場所からでもボットの状況確認や指示が可能です。 自動売買ボットの必要性と利点仮想通貨市場は昼夜を問わず動き続け、急激な価格変動が頻繁に起こります。こうした市場で利益を上げるには、素早い判断
I started using uv because the benchmarks seemed too good to be true—10–100x faster than pip, resolves and installs in milliseconds. After reading the source code and the official resolver internals documentation, I understand why, and the answers are more interesting than just "it's written in Rust." This post traces every layer: from the repository structure, through what literally happens when
23rd May 2022 I spotted a new (to me) pattern which I think is pretty interesting: projects are bundling compiled binary applications as part of their Python packaging wheels. I think it’s really neat. pip install ziglang Zig is a new programming language lead by Andrew Kelley that sits somewhere near Rust: Wikipedia calls it an “imperative, general-purpose, statically typed, compiled system progr
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
2024年のPythonプログラミング - Uzabase for Engineers
Python Web UIフレームワーク Streamlitの基本 | gihyo.jp
Python Web UIフレームワークで作るデスクトップアプリ | gihyo.jp
Python製静的サイトジェネレーターSphinxでWebサイトを構築して公開 | gihyo.jp
ぼくのMac環境 ver.のんピ | DevelopersIO
Rust製のPythonパッケージ管理ツール「uv」を使ってみよう | gihyo.jp
画像生成AI「Stable Diffusion」をM1搭載Macのローカル上で実行する方法
さらなる進化を遂げた「uv」の新機能 | gihyo.jp
Run Stable Diffusion on your M1 Mac’s GPU – Replicate blog
Tensorflow Plugin - Metal - Apple Developer
AUTOMATIC1111 版 stable-diffusion-webui を Mac で使う | 林檎コンピュータ
UbuntuをMacOSXみたいにする話 - Qiita
A 2025 Survey of Rust GUI Libraries
M1 MacのGPUでStable Diffusionを実行する
初心者向け: Apple Silicon MacでStable Diffusionの画像生成を行う方法
第817回 参考書を片手にUbuntuでもStable Diffusion WebUIを動作させ、画像を生成する | gihyo.jp
Dev Containersの始め方(2) : Python環境 | フューチャー技術ブログ
M1 MacでPythonの機械学習環境を作る - Qiita
Introduction - PyO3 user guide
pyenvでpythonのバージョン切り替えからvenv仮想環境を構築するまで - Qiita
How uv Works Under the Hood | Noos - Where Thought, Code, and Craft Converge
Bundling binary tools in Python wheels