はてなブックマーク

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

Docker初心者がDockerの概要とDocker-Composeについてまとめます。 また、末尾で最近トレンドのkubenetesについても触れています。初心者的にはこういうのもあるんだなという認識をもってもらえればと思います。 記事とは直接関係ありませんが、今回Dockerについてまとめたのは、Docker上に任意のAnaconda3環境を作成し深層学習環境を整えることが目的です。 また、コロナのため自宅で作業していますが、研究室に復帰した際にDocker Hubから研究室PCへ自作イメージをpullしてスムーズに研究を進めるための備忘録になります。 Docker+Anaconda環境の構築は以下の記事を参考にしました。 ・【画像で説明】DockerでAnaconda環境をつくり、コンテナの中でVSCodeを使う ・Docker超入門①〜Dockerってなに？〜【初心者向け】 今回の

Dockerを触りはじめて以来、ずっと思っていたことがあります。 ↑これ。 ターミナルで$docker psしてコンテナを確認するとき、見にくくてモヤモヤする...。 なんとかならないかなあと考えて、Docker Desktopからダッシュボード開いて確認したりと試行錯誤したのですが、手間が多くてめんどくさい！となってました。 で、最近VScodeの拡張機能でDockerとの連携機能があったのでインストールしたところ、かなり便利だったので備忘録も込めて文章化します。 Dockerのコンテナ管理 こんな感じでVScodeの拡張機能からインストールします。 インストールするとVScodeのサイドバーのアイコンに、Git等に並んでDockerのアイコンが追加されます。 それをクリックすると以下のように、Dockerのコンテナ、イメージ、レジストリ等、Dockerの情報を一元管理することが可能にな

概要 MacでDockerを用いたUbuntu環境の作成をしてみました。 記事作成のモチベーションは、 初心者向けにLinux概要をまとめる Ubuntuに初めて触ったので、躓きポイントの備忘録 去年、WindowsHomeにDockerを入れようとしたときにそこそこ時間を費やした(結局入れることができなかったが)ので、何かしらの形でアウトプットしたかった の3点になります。 注意事項として、今回はSelenium+PhantomJSを使用してスクレイピングをやるためにこのような環境を作ったのですが、参考文献が古いため、Ubuntuのバージョンが古いです。 前半・後半に分けています。 前半ではDockerのインストールとDocker上にUbuntuのイメージを導入します(すぐ終わります)。その後、Ubuntuの概要について説明していきます。 後半では、Ubuntuの環境等の整備をしていきま

はじめに みなさんこんにちは。ハーツテクノロジーの James です。この記事は業務の中で得られた知見から書かれています。 この記事の目的は、開発言語別の実行速度と、おおざっぱな行数（ステップ数）を把握するのが目的です。以下の４種類の言語で、同じアルゴリズムを実装し、その実行速度とコード行数を測ります。今回、調べたかった開発言語は以下の５つです。 C++ / Visual Studio 2019 C++ / MinGW(v8.1.0) Javascript / node.js(v10.16.3) C# / Visual Studio 2019 Python / Python(v3.7.5) C++, C#, Javascript, Python の実行速度の計測 計測に使うアルゴリズムには「ライプニッツの公式を使って円周率を求める」を選びました。短いコードですが、それなりにCPUを酷使する

import numpy as np n_zero=int(input('Insert the amount of 0: ')) n_one =int(input('Insert the amount of 1: ')) n_two =int(input('Insert the amount of 2: ')) n_three = int(input('Insert the amount of 3: ')) data = [0]*n_zero + [1]*n_one + [2]*n_two + [3]*n_three if data==2n-1: np.random.shuffle(data) datastring = ''.join(map(str, data)) files = open('decode.txt', 'w') files.write(datastring) files.

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?