はてなブックマーク

この記事はChainer Advent Calendar 2016の14日目の記事になります。 概要 こちらのツイートの研究について、詳しくお話します。 新海誠さんの世界観が大好きなのですが、撮影した写真を新海誠さん風のイラストに自動変換できたら面白いなと思い、システムを試作してみました。 上の写真を変換したのが下のイラストです。クオリティはまだまだですが、上手く使えば使えそう（自動変換後、若干の手動補正を行っています） pic.twitter.com/qY07hmzvHF— null (@NrNrNr7) 2016年9月22日 @NrNrNr7 比較用に映画のシーン。全体の色合いはかなり似せることができているのですが、使っているアルゴリズムの弱点で部分的におかしな色になってしまうのが課題です。 （画像はそれぞれ言の葉の庭、秒速5センチメートル、君の名は。より引用） pic.twitter

「./configure, make, make installってよくやるけど、あれ何やってるの？」 っていうレベルから始まるautoconfを使ったconfigureの作り方＆配布の仕方 （自分無知すぎて怖い ■やりたいこと 作ったcppファイルを、配布のために「./configure, make, make install」っていう呪文を唱えて簡単にインストールできるようしたい つまりはconfigureを作成したい。 ■makeってなに？ まずはここから。 makeは、同ディレクトリ内にあるmakefileを参照して、書かれた通りにコンパイルするコマンド。 コンパイルに最適化されたシェルスクリプトみたいなイメージ。 普通にコンパイルを行うmakefileの書き方の例は以下。 test.o : test.cpp g++ test.cpp -o test.o 単に1つのファイルをコンパ

再びc++での文字列処理の話。 c++めんどい(´・ω・｀) (2013/12/28) 長らく放置してましたが、結構アクセス数多いので追記。 wstring使うより、pficommonというライブラリをいれてustringを使うのをオススメします。stringを使うのと何も変わらず使えるので。 pficommonは他にも色々便利なので、ぜひ入れてみて下さい。 pficommon : http://pfi.github.io/pficommon/ ■wchar <-> charの変換 mbstowcs, wcstombsを使う。 wchar_t *wc; const char c[] = "あいうえお"; mbstowcs(wc, c, sizeof(c)); ■char <-> stringの変換 string -> char* : c_str()を使う。 char* -> string

この記事はToreta Advent Calendar 2018の5日目の記事になります。前日はインフラの山田さんのsendfile()の挙動を観察する。でした。 現在、株式会社トレタさんでフリーランスのサーバーサイドエンジニアとして働いています。社員ではないのですがアドベントカレンダーの募集に手を挙げてみました。 トレタさんに興味がある方はぜひご覧ください。トレタさん、良い会社ですよ！ ※自分と正社員さんとはそもそも契約の形が違う点、あくまで僕の観測範囲ではこう見えただけで実際に社員の皆さんがどう感じてるかは別という点はご留意ください。 トレタって何をやってる会社？ 飲食店の予約台帳アプリをメインに、外食産業のICT化を進めている会社さんです。予約台帳とは、飲食店の方が使う用の予約管理アプリですね（ざっくり）。 会社の規模は100人〜くらいです。 トレタの良いところ 技術への理解がある

またもや問題が発生したので… この辺りのページが参考になりました。ありがとうございます。 http://0xc000013a.blog96.fc2.com/blog-entry-226.html http://tkmakwins15.tuzikaze.com/contents/winapicpp4.htm ■問題 #include <iostream> #include <fstream> #include <string> #include <vector> #include <locale> using namespace std; void hoge(){ cout << "aiueo " << endl; cout << 12345<<endl; cout << "あいうえお" << endl; wcout << L"waiueo" << endl; wcout << 12345<

c++とpythonの連携はどうやるのか、ずっと気になってたのでメモ。 もともとはpythonのsubprocessモジュールを使って無理矢理連携させてたりしていたのですが、色々難しい&結局満足にできないのでオススメしません… ■どうやれば連携できるの？ こちら（http://d.hatena.ne.jp/niitsuma/20080209/1203184397）に色々書かれています。 今回はswigを使ってみます。 ■swigを使ってみる まずはswigをインストール。特に問題なくインストールできました。 本家ページ：http://www.swig.org/ 次に、本家のpython用マニュアルに従ってサンプルを動かしてみる。（http://www.swig.org/Doc1.3/Python.html） そのまんまコピペで………あれ、いかない。 $ swig -python examp

昨年の夏にPFIさんのインターンに参加してきました。今更ですがインターンの参加記を書いてみようと思います。 きっかけ & 選考 学部4年次に研究室に入ってからPFIというヤバげな会社があると聞き、その後インターンの存在を知って、来年はここのインターン行きたい！と早くから考えていた気がします。学会etcでhillbigさんやunnnoさんに会う度に「nullnullです来年インターン行きたいですよろしくお願いします」と根回ししてました（効果があったのかは謎）（しかし学会でunnnoさんに会った時に「うちでこれやってみる？」と誘って頂いて嬉しかった）。 とはいえ、自分は大した実績もなくエンジニアとしてのスキルもまだまだ…なので猛者が集うPFIインターンに自分が行ける気はしてませんでした。しかし「とりあえずやる気アピールして応募しよう！」というノリで応募してみることに。結果、やる気アピールが功を

knpを初めて使ってみたら結構処理が遅かったので、どれくらい速度に差があるのか検証してみました。 速度のオーダーを確かめてみる程度の検証です（真面目な検証ではない） ■実験設定 pythonからsubprocessを使って*1各ツールを呼び出し ウェブコーパスからn文を解析して、1文辺りの時間を計測、ツール間で比較しました KNPは解析速度が文字数により指数的に低下するようなので、KNPについては文字数を変えて実験してみました。（mecab, cabochaはそこまで文字数に依存しない） 日本語の1文は、だいたい30~40文字くらいの目安感です（きっちりした文章だともうちょい長い） 40文字ってどれくらいかと言うと 「特に上流部なんかは補充が効かないところが多く、一度やられると少し時間がかかります」 これできっちり40文字。 ■実験結果 解析器 入力文数 1文の文字数 実行時間 1文辺りの