はてなブックマーク

以下は共有ライブラリに虐げられ共有ライブラリをもう使いたくないという個人的な愚痴をまとめたものです。特にことわらない場合は Linux の話です。 何故共有ライブラリを使うのか？ 前回説明したように共有ライブラリをリンクした実行ファイルは必要な共有ライブラリを実行時にシステムから検索してロードします。この際ライブラリを検索する方法は名前です。先に見つけたものを使います。しかもこの検索パスは環境変数 LD_LIBRARY_PATH によって変更できます。また検索する順序に当然依存します。 この機構は何のために存在するのでしょう？いくつかの目的があげられます。 ディスク容量を節約する 複数の実行バイナリで同じ関数のバイナリを持たなくていいので単純にディスク容量を節約できます。これは現代のように十分大容量なディスクが安価で利用できる時代には特に問題になりません。 共有ライブラリを更新すればそれを

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

wasm-bindgen / DOM Hello World!を改造してSVGを出力してみます。全体のコードは以下にあります 準備 npmとwasm-packをインストールしておきます。 npmのインストール方法は環境に合わせて適当に構築してください（詳しくないので丸投げ） web-sys web-sysはwasm-bindgenでのsubcrateで、 DOM Web Audio 2D canvas Web GL fetch の機能からなる低水準のAPIです。今回使うのはDOMの部分で、これによりDOMを操作してSVGを挿入する事が出来ます。ますweb-sys crateをCargo.tomlに追加してみましょう： [package] name = "dom" version = "0.1.0" authors = ["The wasm-bindgen Developers"] edit

Who am I? @termoshtt (Twitter/GitHub/Qiita) Rustで数値計算するためのOSSとか作ってる accel (GPGPU for Rust) rust-numpy ndarray-linalg (LAPACK) rust-math intel-mkl-src / rust-fftw3 / rust-sfmt FlatBuffersとは？ Cross-Platform serialization library Serialize data without parsing/unpacking Strongly Typed Protocol Buffersのようにスキーマから各言語のコードを生成 仮想テーブルを使うことであとから拡張可能に Googleが2014年にOSS化 (Apache license) Who uses FlatBuffers? c

注：以下の方法はWindows(*-pc-windows-msvc)では使えません Rustはアセンブラを生成するためにLLVMのライブラリを使います。これはtoolchainに含まれていて、例えばお手元の~/.rustup/toolchains/stable-x86_64-unknown-linux-gnu/lib/rustlib/x86_64-unknown-linux-gnu/codegen-backendsを覗いてみてください（ちなみにlibcoreやlibstdもこの辺にあります)。ここにlibrustc_codegen_llvm-llvm.soという共有ファイルがあり、これにLLVMのライブラリが含まれています。 一方、ユーザーがRustでLLVMを使う方法としては、例えば以下の記事でも紹介されていますが、llvm-sysがあります。 RustでLLVMしてみたメモ llvm-

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

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? この記事では硬い線形項が存在する非線形な常微分方程式を数値的に解く方法を解説し、Rustのライブラリであるeomを使用して乱流の自己再帰的なカスケードのモデルであるGOYシェルモデルを数値的に解いてみます。 硬い微分方程式とは 数学において硬い方程式（英: stiff equation）は、近似解を計算するためのある数値的方法が、刻み幅を極めて小さくしない限り、数値的不安定になる微分方程式である。 硬い方程式 - Wikipedia 特に時間一階の微分の初期値問題 $$ \frac{dx}{dt} = f(x(t), t), x(0)

Rustにはcrossbeamという低レベルの並列処理を実装するためのライブラリ群があります Crossbeam: support for concurrent programming https://github.com/crossbeam-rs/crossbeam tokioやrayonのような高次のライブラリもこれらを使用しています。今回は特にcrossbeam-channelを使用してみたいと思います。 std::sync::mpsc crossbeam-channelは標準ライブラリにあるstd::sync::mpscを意識して作られたAPIです。Multi-Producer Single-Consumer (MPSC)の名前通り、mpscは複数の送信者と一人の受信者の間のチャンネルを構築するためのライブラリです。 use std::thread; use std::sync::

2018/3/4のnightlyよりstdsimdプロジェクトの成果として、標準ライブラリとしてSIMDを提供する機能(stable SIMD)が実装されました。この記事ではStable SIMDを用いてRustでSIMDのコードを書く方法について解説します。 Rust Internal: SIMD now available in libstd on nightly! RFC 2325: Stable SIMD (2018/8/9追記) std::simdが消えたことによって不要になった説明を削除・修正 前回までのあらすじ Rustの関数でSIMDをつかう → もっとはやい rust で SIMD -- x86intrinsic を移植した話 上述の記事が詳しいですが簡単にまとめると RustでSIMDを使う方法は２つある LLVMの最適化に任せる intrinsics を使う 今回のS

これはRust Advent Calendar 2017 3日目の記事です 今回は現在開発中であるRustによるGPGPUプログラミングのためのフレームワークAccelを紹介します。 GPUを使った汎用計算の技術(GPGPU)は伝統的なHigh Performance Computing (HPC)業界だけでなく、機械学習等への応用も広がり現代では欠かせない技術です。GPUの利用には大きく分けて３つの段階があります： 高速化されたライブラリを使用する(cuBLAS, cuDNN等) CPU用のコードに僅かな変更を加えてGPUで動くようにする(OpenACC) GPU用のコードを設計・開発する(CUDA) 下に行くほど開発難度が増大します。 最近はOpenACCに力を入ているようで、ごく僅かな変更で大幅な高速化が期待できると宣伝しているのをよく見ます 1。 Accel: GPGPU fram

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

数値計算をする以上GPUを使用できないというのは現代では致命的だ。 この記事ではCUDA経由でGPUをRustから使う方法についてまとめる。 特に今回はRustでCUDAカーネルを記述することに挑戦する。 Write CUDA kernel in Rust Rustは2016/12よりNVPTXへのコンパイルに対応している。NVPTXとは~~LLVMの一部で、~~nvidia GPU用のアセンブラのようなものである。CUDAで書かれたkernelは一旦NVPTXに変換されて最適化された後、GPUの命令に変換される。 補足(7/3) NVVMとNVPTXを混同している。LLVM IR上に構築されたCUDA用の拡張がNVVM IRで、llvm.nvvm.*の名前空間にマージされている。以下で使用しているアノテーションやレジスタもNVVM IRのものである。一方PTXは"a low-level

Pythonの利点 対話的にデータの加工、解析、可視化 on Jupyter グルー言語的用法 公式・非公式によってPythonインターフェースはだいたい用意されている pip/wheel、あるいはanacondaによる環境構築の容易さ Pythonの問題点 Python自体の動作が低速 高速化の取り組み Cython コンパイルできるPythonに近いDSLを定義してコンパイルして実行する Numba PythonのコードをLLVMにコンパイルして実行する Theano Python上で埋め込みDSLによって計算を構築して、それを高速なバックエンドで実行する FFI 既に存在する高速に動作するライブラリ(C/Fortran)を呼び出す Pythonの拡張とNumPyの拡張 Python C-API (CPython拡張) http://docs.python.jp/3/c-api/ Cで

Rust Advent Calendar 12/4の記事です 以前にRustで1次元のNewton法を実装する記事を書きましたが、実際の科学技術計算では多次元のベクトルの扱いが必要になります。 PythonではNumPyで提供されているnumpy.ndarrayが中心的な役割を果たしますが、 今回はRustによる多次元配列の実装であるrust-ndarrayを使用します。 しかしこのcrateにはベクトルの演算と行列xベクトルの演算までしか実装されておらずQR分解や特異値分解、 あるいは高速Fourier変換のような演算は実装されていません。 このままだと自分でアルゴリズムを書くのに支障があるため、基本的な部分を実装してきました。 rust-ndarray rust-ndarrayはnumpyのものと同じで一つの連続したメモリとstridesと呼ばれる各インデックス毎のとび幅からなっていま

この記事は TeX & LaTeX Advent Calendar 2015 の21日目の記事です。 昨日はhak7a3 さんでした。明日は u_ribo さんです。 Advent Calenderも最後の週に入りました。 今回は去年に引き続き、Beamerで自在にプレゼンを作る方法についてまとめます。 Beamerをとりあえず使ってみたい方はこちらへ(去年の記事)： Beamerによるプレゼンテーション作成Tutorial 今さら人に聞けない、テーマの基本 参考資料 Beamer User Guide: Part III Changing the Way Things Look (P.143-) ここではこの内容をかいつまんで説明します。 Beamerにおける５種類のテーマ Beamerにはテーマの指定の方法が５種類あります： Presentation Theme: 全体のテーマを一括で

ユーザー定義のクラスにmove constructorを追加するための方法についてまとめます。 既存の型にstd::move使うと便利なので、自作の型に対しても定義したい、という方向けです。 先に結論をまとめておくと、注意するべきは以下の3点です： ユーザー定義のコピーコンストラクタやデストラクタがあるとデフォルトのムーブコンストラクタは作られない ムーブされた残り滓a = std::move(b)のbのデストラクタは呼ばれる noexcept付けないとムーブの恩恵が得られなくなる場合がある ムーブコンストラクタはいつ勝手に作られるの？ unique_ptrやvectorの様な既存の型を複数個組合せた構造体 において期待されるムーブコンストラクタは、 個々の要素p, vのムーブコンストラクタをそれぞれ呼び出すようなものでしょう。 以下の5つの条件を満す場合、デフォルトのムーブコンストラクタ

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

何故C++のクラス・関数をPythonにバインドするか？ C++11は非常に便利になった。Boost使えばさらに便利だ。 しかし、pythonはもっと使いやすい。 NumPyをベースにしたプロジェクト群(SciPy, matplotlib, pandas, ...) は共通の基盤の上に非常に使い易く整備されている上に、そこそこ高速に動作する。 C++を使うべきか、Pythonにバインドして使うべきか、 また私の中で結論はでていないが、とりあえずバインドするための情報をまとめる。 どうやってバインドするか？ 問題は2つある。 単純にPythonにバインドする方法 NumPyにバインドする方法 Pythonを使う理由の一つにNumPyのベースのライブラリを使用する事があるので、 NumPyのndarray等に変換できる必要がある。 基本となるのはPython C APIとNumPy C API

TeX & LaTeX Advent Calender 2014 12/21の記事です (12/24更新) BeamerはLaTeXでプレゼンテーションを作成するためのパッケージです。 インストール等は別の記事に譲るとして、 ここでは私がどのようにBeamerを使用してプレゼンを作成しているかという具体的な事についてまとめます。 ちなみにCloudLaTeXならログインするだけでBeamer動いたのでインストール面倒な人はぜひ。 Beamerの特徴 プレゼンを作るソフトとしては Presentaion (Microsoft Office) Keynote Impress (LibreOffice, OpenOffice) Stage (Calligra : 旧KOffice) のようなWYSIWYGの物が主流ですが、 一方でMarkdownをHTMLにしてブラウザでプレゼンテーションを行う

C++ Advent Calender 10日目の記事です。 Boost 1.63でBoost.NumPyがBoost.Pythonにマージされます。 それに伴い以下の記述では不具合があるかもしれません。修正記事を書く予定です。 動機 Pythonまじ便利です。 シミュレーションとその結果の解析がメインとなるアカデミア(見習い)である私には、 対話的にデータの加工、解析、可視化がシームレスに実行できるIPython Notebookは必須です。 残念ならがC++だけで同等の機能を提供してくれる環境はありません(たぶん)。 CERNが作ってるROOTのclingはC++を対話的に実行できるそうですが情報が少なくて使ったことありません。 だれかC++で文芸的プログラミングできるIC++ Notebook作ってください（切実）。 しかしながらシミュレーション自体は数日から数週間実行するもので、

前回は非同期処理についてまとめたが、 今回は並行(concurrent)処理中の同期が必要な処理をC++11で実行するために必要な知識をまとめていく。 ThreadPoolを実装するために必要な知識として、 mutexによるロック 条件変数の使い方 をまとめる。 ThreadPoolはまた次回に持ち越しである。 mutexを用いたロック: std::unique_lock or std::lock_guard ? スレッド間でもプロセス間でも相互排他処理、 つまりある操作を同時に実行するスレッド/プロセスが一つである事を保証する必要がある場合がある。 このような排他的に実行する必要のある処理をクリティカルセッションと呼ぶ。 相互排他処理を実現するための同期機構としてmutexというものがある。 Wikipediaによれば相互排他(MUTual EXclusion)の省略形が語源だそうだ。

c++11の主要なtopicであるムーブセマンティクスは非常に多くの方が解説されいます。 しかし初学者が一つの記事で理解できるようにはなっていないのが現状です。 そこで以下に順番に読むとわかりやすいリンクを挙げていきます。 Return value optimization : Wikipedia 先に知っておく方が良い基礎知識。 C++11は関係ありません。 # include <iostream> struct C { C() {} C(const C&) { std::cout << "A copy was made.\n"; } }; C f() { return C(); } int main() { std::cout << "Hello World!\n"; C obj = f(); } (Wikipediaより転載)の挙動に自信が無い人は必読です。 とはいえ最適化は標準規格

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

zaw - zsh anything.el-like widget zawはEmacsにおけるanything.el, helm.el, あるいはvimにおけるunite.vimに対応するpluginです。 履歴の検索 ディレクトリの移動 gitの操作 (branchの切替, fileのステージ等) processの管理 (PIDの取得, kill) tmux (attach) といったシェルでするべき事の大半がこのプラグインで非常に直感的に操作できます。 残念ながら、私には言葉でこのプラグインの素晴しさが伝えられないので 上のgifアニメをご覧ください。 anything.elやunite.vim等を使用した事のある方なら馴染みのある考え方だと思いますが、 zawでは source に action を結び付けます。 ディレクトリの移動においては source は最近訪れたディレクトリの

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