はてなブックマーク

はじめに 最近社内でJenkinsを導入する必要が出てきたのですが、デフォルトでは非常に使いにくいですよね？結局プラグインを入れろという話になるのですが、情報が結構古いものしか見つかりません。。。すでに使い古されているので、検索しても古い情報しか見つからないんですね。 使えそうなプラグインは少しづつ見つかってきているのですが、改めて2019年版としてまとめてみることにしました。 おことわり * 備忘録としての記事なので、カテゴリーごとに分けるなどのことはしていません。 * Jenkins職人にならないように気をつけたので、不必要にプラグインを導入することは避けています。（最低限のものだけ紹介します。） * 基本的にFreestyleジョブ向けを選んでいます。 プラグインまとめ Docker Plugin 言わずもがなですね。Docker上でテストを実行するには必要不可欠です。 Jenkin

はじめに もうすでに耳にタコができるくらい知られていそうですが、案外知られていないことをまとめます。初心者の方は特にJupyterやPythonは開発環境を整える際、ライブラリの読み込みで引っかかることが多いので、 これぐらいは知っておくと役立つことがあるかもしれません。(anacondaの仮想環境を作ったけど、Jupyterで必要なライブラリが読み込まれていない！とか。) 自分用のメモとしてもまとめてます。

はじめに 最近IBMが量子コンピュータ向けのSDK「Qiskit」を公開したことを知り、大変興味を引かれたのでいじってみることにしました。とはいえ情報がない。。。いや、量子コンピュータ自体についての構造についての記事はブルーバックスでも見かけますが、実際にどう計算させるかについては非常に情報が少ない。 というわけで、量子コンピュータで1+1を計算するでされていることを実装してみました。実装にはA developer’s guide to using the Quantum QISKit SDKを参考にしました。画像等は前者の記事から引用させていただきました。 というわけで、勝手に連動した記事となっています。タイトルも「量子コンピュータで1+1を計算する[実装編]」とさせていただきました。先の記事は素晴らしい内容なので、本記事と比べながら読み進めてもらうことをおすすめします。 例によってGi

はじめに ハイパーパラメータの調整は至難の業で、最終的にはランダムサーチしろよという結論になるのですが、グラフから「あっ、このパラメータはちょっとやばいな」とか「データの分配がおかしいな」というのがどの程度わかるか気になったので、(極端な)パラメータ設定をして損失関数と精度のグラフを出してみました。 残念ながら、「どのパラメータがおかしいか」を1対1で見つけることはできなかったのですが、ハイパーパラメータを決める一番初期の段階で役に立てばと、自分用にまとめることにしました。 動作環境 MacOS Sierra, Keras 2, Tensorflow v1.2.1 注意 あくまで自分用のメモです。 MNISTが元ネタ 2018年11月10日 たくさんの「いいね」をありがとうございます。この記事は古くなっているので、コード自体は参考程度にお願いします。 いろんな場合 パラメータ設定が正しいと

はじめに 先日、SEの友人と機械学習について話していて、「どういう風に機械学習を勉強していけば良いのかイマイチわからん」と言っていました。時間があればCourseraを取ればいいのでしょうが、ある程度高等数学も勉強した身だと、冗長過ぎるきらいがあるようです (マイペースで勉強できないというのも大きい)。 私自身、広範囲の機械学習のトピックについては勉強不足なので、今回は深層学習を全く知らない方が、どのように勉強していけば良いのかについてまとめることにしました。1から10まで示すことはしていませんが、キーワードを提示することで大まかなガイドラインを示すことにしました。 深層学習と機械学習の違いについて 一般的に、機械学習はデータセットに対して個別にアルゴリズムを設定する必要があります。一方深層学習では、コンピュータ自身が（画像や音声から）自ら特徴量を取り出し、学習を行います。大雑把に言えば、

はじめに Tensorflowではテンソルと呼ばれる量を扱うので、Numpyのメソッド等は使えません。そのためTensorflowに用意されているメソッドを用いる必要があります。 ここでは基本的な四則演算と行列演算についてまとめています。特にPythonで定義されている各種演算(+, -, /, //, %)と比べています。 注意 - すべての演算をまとめているわけではないので、その他の演算については公式ドキュメントを参照ください。 - Tensorflowでは全てテンソルを扱うので、データの種類に言及するときは、テンソルを飛ばして「リストは〜」「ベクトルは〜」などと書いています。その点注意していただければと思います。 - 2018/01/31: 1月26日にTensorflow v1.5.0がリリースされました。このバージョンからeager executionというメソッドが実装され、S

特にこだわりはないのですが、bashを使い続けていた自分に疑問を感じ、zshに冒険してみることにしました。幸いにもhomebrewで導入できるようですし、設定ファイルも共存できるようなので(もとの.bash_profileを書き換える必要もない)、試してみます。zshを使いながら自分のスキルの向上を望むばかりです(笑

お知らせ これまでこの記事でチュートリアルの内容を公開していましたが、規模が大きくなり更新が二度手間になるので、詳しい内容はGithubのノートを参照していただくようにしました。そのほうが最新の内容をフォローできると思うので、良いのではないかと考えました。なお、Githubのほうでの更新については、継続してこちらのページでお知らせするつもりです。 リポジトリはこちら チュートリアルの内容のみご覧になりたい方はこちらから なお、チュートリアルの内容でエラー等が出た場合は、記事へのコメントかGithubのissueページでご報告いただけるとうれしいです。 CIFAR-10 チュートリアル:　この記事の内容 CIFAR-10 チュートリアル[付録]: ちょっとしたTips CIFAR-10 チュートリアル[転移学習]: CIFAR-10を用いた転移学習について。 いつか記事にするかも。 dltパ

はじめに この手の記事は探せばいくつかあるのですが、Jupyterがバージョンアップを繰り返すうちに、だんだん古い記事が出てきているので、改めて書くことにしました。 この記事では主にPEP8について扱います。Pyflakesについては分かり次第追記するか、新たに記事としてまとめることにします。 PEP8についてはこちらの記事が参考になります。 やりたいこと Jupyter notebook上で、Pythonのコーディング規約PEP8に沿ったコーディングチェックを行う。 環境 Mac OS Sierra v10.12.5, Anaconda4.4, Python3.6 (Homebrew), Python2.7 (Homebrew) 手順 その1 まず、jupyter_notebook_config.pyファイルを以下のコマンドを使って作成します。すでに作成されている方は必要ありません。

動機 jupyter notebookでプログラミングのまとめノートを作成しているが、見栄えの良い(というかいちいちターミナルから起動しなくても見れる)htmlファイルを、jupyter notebookの自動保存と同じタイミングで保存させたい。 参考にしたサイト IPython and Jupyter Notebooks: Automatically Export .py and .html ソースコード 以下のコードを~./.jupyter/以下に作成する。 # Based off of https://github.com/jupyter/notebook/blob/master/docs/source/extending/savehooks.rst import io import os from notebook.utils import to_api_path _script_