タグ

2017年6月26日のブックマーク (4件)

  • milterの組合せによる低配送遅延を目指したspam対策メールサーバの設計と導入の効果について | CiNii Research

    タイトル別名 Design for an Anti-spam Mail Server with Low Delivery Delay by the Incorporation of Milter and Its Operational Results spam対策技術の1つであるgreylistingは「spam発信MTAは再送をしない」との仮説に基づき送信者に対して一時エラーのレスポンスコードを返し,再送をうながす対策手法である.greylistingはspam排除の効果は高いが,適用するすべてのメールに再送要求をするため,通常メールにも大きな配送遅延が生じる.我々が運用しているメールサーバにおいても通常メールを受信するまでに平均1時間15分の遅延が生じていた.通常メール送信者をwhitelistに登録すれば,そこからのメールの配送遅延は回避できる.しかしすべての通常メール送信者をwhi

    stealthinu
    stealthinu 2017/06/26
    taRgreyについての言及があった。んで2013年時点でtarpittingは0.1%しか効果ないって書いてたんだけどうちはまだ結構来るのにな。何秒掛けてたんだろう。認証時点で切断するの大量に湧いててそれで割合が下がってるだけ?
  • pytorch超入門 - Qiita

    どうも。GIBの宮です。 公式ドキュメントベースで調べました。 chainerにかなり近い構文になってますが、少し違いがある関数もあるので注意が必要です。 facebookやニューヨーク大学が主導してるイメージの深層学習フレームワーク。 chainerからforkされたらしい。torch7もfacebookやニューヨーク大学が主導してるイメージ。 torch7はluaで且つ抽象化があまりされてないので関数がむき出し。 pytorchはかなり抽象化されておりコーディング量が減る。 2017年3月時点のデベロッパー コミッターさんのブログ Adam Paszkeさん http://apaszke.github.io/posts.html Soumith Chintala http://soumith.ch/ 盛り上がり具合 2017年3月時点。一概にgitのグラフで盛り上がり具合が測れるかは

    pytorch超入門 - Qiita
    stealthinu
    stealthinu 2017/06/26
    最近ちょこちょこ聞くPyTorchの説明。chainerからforkして作られたらしい。chainerもそうだけど動的ネットワークになってることってどんなメリットあるのだろう?
  • PythonでWebスクレイピングする時の知見をまとめておく - Stimulator

    - はじめに - 最近はWebスクレイピングにお熱である。 趣味機械学習のデータセット集めに利用したり、自身のカードの情報や各アカウントの支払い状況をスクレイピングしてスプレッドシートで管理したりしている。 最近この手の記事は多くあるものの「~してみた」から抜けた記事が見当たらないので、大規模に処理する場合も含めた大きめの記事として知見をまとめておく。 追記 2018/03/05: 大きな内容なのでここに追記します。 github.com phantomJSについての記載が記事内でありますが、phantomJSのメンテナが止めたニュースが記憶に新しいですが、上記issueにて正式にこれ以上バージョンアップされないとの通達。 記事内でも推奨していますがheadless Chrome等を使う方が良さそうです。 - アジェンダ - 主に以下のような話をします。 - はじめに - - アジェンダ

    PythonでWebスクレイピングする時の知見をまとめておく - Stimulator
    stealthinu
    stealthinu 2017/06/26
    ほんとすごい知見まとめられてた。最初のほうはふーんくらいな内容だったのがだんだんと濃くなってく。あとnardtreeさんが先日言ってたスクレイピング時にGoogle DNSだと遅くなる件とかまで取り上げられてた。
  • 【書籍紹介】詳解ディープラーニング TensorFlow・Kerasによる時系列データ処理 - HELLO CYBERNETICS

    最近発売されたディープラーニングの。 基礎的な内容から始まり、主にリカレントネットワークを、TensorFlowとKerasによる実装を通して理解していきます。 結論 今回紹介する 誰におすすめか TensorFlowあるいはKerasを使っていきたいユーザー リカレントネットワークを使いたいユーザー 誰におすすめでないか Chainerを使っていきたいユーザー 既にTensorFlowあるいはKerasを使いこなしている方 の構成 1章:数学の準備(1〜22ページ) 2章:Pythonの準備(23〜68ページ) 3章:ニューラルネットワーク(69〜140ページ) 4章:ディープニューラルネットワーク(141〜207ページ) 5章:リカレントニューラルネットワーク(209〜249ページ) 6章:リカレントニューラルネットワークの応用(251〜293ページ) 付録(295〜310ページ

    【書籍紹介】詳解ディープラーニング TensorFlow・Kerasによる時系列データ処理 - HELLO CYBERNETICS
    stealthinu
    stealthinu 2017/06/26
    Keras使ってRNNする用途向けの詳細本。丁寧に解説されてるとのこと。