麦ライス(シェフ) @HG7654321 卵食べる人にぜひ教えたいレシピなんですが 卵一個に対して小さじ1/2のサラダ油と片栗粉3つまみぐらい入れて蓋して弱火で焼くとこんなに綺麗な薄焼き卵が焼けます ↓続く pic.twitter.com/ORjbL3DiXI 2020-09-22 12:09:35
『卵を食べる人にぜひ教えたいレシピ』薄焼き卵を作るときに覚えておきたい方法が簡単で試してみたくなる「オムライスはこういうのでいいんですよ」
麦ライス(シェフ) @HG7654321 卵食べる人にぜひ教えたいレシピなんですが 卵一個に対して小さじ1/2のサラダ油と片栗粉3つまみぐらい入れて蓋して弱火で焼くとこんなに綺麗な薄焼き卵が焼けます ↓続く pic.twitter.com/ORjbL3DiXI 2020-09-22 12:09:35
はじめに こんにちは、ziと申します。 今回は、発表からしばらく経ってしまいましたが、View Transitions APIを使ったNext.jsでのスムーズなページ・UI遷移を目指して、実装してみます。 ※もし間違いやより良い実装方法など見つけましたら、ご指摘ください！ 🙇♂️ 今回実装した最終成果はこちらです。 また、コードはこちらにあります。 View Transitions APIとは？ View Transitions APIとは、2023年4月11日現在Chrome 111とOpera 97(pre-release)以降で実装されている遷移のアニメーションを行うブラウザーAPIです。下記は、MDNからの引用です。 View transitions are a popular design choice for reducing users' cognitive load,
機械学習を簡単に試したい人向け、「Amazon Lookout for Vision」で画像データを使った学習、ラベル付け、精度向上の手順
機械学習を簡単に試したい人向け、「Amazon Lookout for Vision」で画像データを使った学習、ラベル付け、精度向上の手順：AWSチートシート AWS活用における便利な小技を簡潔に紹介する連載「AWSチートシート」。今回は、「Amazon Lookout for Vision」を使って、画像で簡単に異常検知を行う方法を紹介する。 「Amazon Web Services」（AWS）活用における便利な小技を簡潔に紹介する連載「AWSチートシート」。今回は「Amazon Lookout for Vision」を使って、画像で簡単に異常検知を行う方法を紹介します。 「Amazon Lookout for Vision」とは 「Amazon Lookout for Vision」は、コンピュータビジョンを使用して視覚表現の欠陥や異常を発見するサービスです。Lookout for V
短いまとめ S3 + Grafana + DuckDB で利用するプラグインの motherduckdb/grafana-duckdb-datasource は動作に GLIBCXX_3.4.30 が必要 otel-lgtm イメージは GLIBCXX_3.4.29 まで対応している プラグインをotel-lgtmイメージ内でビルドすれば使えるようになる はい。力技です。 試す手順 1..env ファイルを作る 2.Dockerfile を作る 3.build して run する 1..envファイルを作る こんな感じの .env ファイルを置きます。 使う項目は適宜コメントアウトを解除したり、書き換えたりしてください。 APIキーで試すのが簡単なのでここではそのように。 AWS内で動作させていたりで認証情報が環境から受け取れる場合は不要かも🦆 # Dockerfile # build
Stability AIは7月27日、新たな画像生成AIモデル「Stable Diffusion XL 1.0（SDXL 1.0）」をオープンソースで公開した。6月に研究目的でリリースされた「SDXL 0.9」を強化しつつモデルサイズを小さくしたもので、GitHubからソースコードをダウンロードして利用できるほか、ウェブサービス、API経由、クラウドサービスなど様々な形で利用できる。 過去最高の性能を達成 SDXL 1.0は2022年8月に発表されたオープンソースの画像生成AI「Stable Diffusion」の開発元のひとつ（開発にはほかにCompVis LMUおよびRunwayが参加）であるStability AIのフラッグシップモデル。 Stable Diffusionの旧バージョンや、本モデルのテストバージョンであるSDXL 0.9と比較したところ過去最高の成績を収めている。 S
Python で日本語文章の感情分析を簡単に試す (with google colab)¶ 感情分析をお手軽に試したいときに使えるツールをまとめました。 日本語文章の感情分析の手法については本記事では詳しく触れませんが、以下の記事にわかりやすくまとまっていると思います。 【自然言語処理】感情分析の進め方＆ハマりやすいポイント - Qiita ディープラーニングを使って転職会議の企業クチコミデータを感情分析してみる - Qiita 感情分析を簡単に試すときに使えるツール一覧¶ 試してみたツールを箇条書きにして以下に示します。 asari 日本語 Sentiment Analyzer を作ってパッケージ化した話 - Ahogrammer sklearnのTfidfVectorizerとLinearSVCしか使っていない BERT による予測と遜色ない性能 トレーニングデータセットが不明 MIT
基本料無料でトッピングでサービスを追加していく、auの新料金プラン「povo2.0」がスタートした。家にこもってWi-Fiを使い、電話は着信だけでいいというのならタダで使えそうなpovo2.0は、本当に安く使い続けられるのか、そして加入は簡単なのか、早速試した。 0円で使い続けられるのか？ 最低維持費はどのくらい？ あらためてpovo2.0の仕組みを紹介しておくと、ベースの基本料金は0円。0円のままでできることは、最大128kbpsという非常用とも言える遅いデータ通信と電話、SMS。発信する場合は、30秒あたり22円という従量課金になるが、着信だけに徹すれば0円のままだ。 固定のネット回線がある自宅に家ごもりをしており、完全にWi-Fiで接続するだけならこれでも問題ない。エリアはauと同じなので、家の奥の部屋にいて圏外というケースもあまりないだろう。 しかし、さすがにタダで使い続けられない
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
View Transitions APIによるスムーズなページ遷移をNext.jsで簡単に試す
S3 + Grafana + DuckDB を otel-lgtm イメージで簡単に試した。難航したけどなんとかした
最新の画像生成AI「Stable Diffusion XL（SDXL）1.0」ついに公開 簡単に試す方法あります (1/2)
Python で日本語文章の感情分析を簡単に試す (with google colab)
基本料0円のpovo2.0がスタート、タダで使い続けることは可能？ 利用は簡単？ まずは試した (1/2)