Pyston talk 11-10-15Slides for the Pyston tech talk Recording: https://www.youtube.com/watch?v=NdB9XoBg5zI Blog post: http://blog.pyston.org/2015/11/24/pyston-talk-recording/
バイトコンパイルってどういう時に使うんですか?
pythonのコードをコンパイルできると知り、実効速度を比べてみました。 for i in range(0, 1000000): print i こちらのコードで比較しています。 $ time python main.py python main.py 0.80s user 0.64s system 71% cpu 2.000 total $ time python main.py python main.pyc 0.79s user 0.64s system 68% cpu 2.074 total コンパイルと聞いたので、Javaなどのように単純に実行速度が早くなるのかと思ったのですが、変わりませんでした。 どのような時に有効で、どのようなときに使われるのが一般的なのかおしえていただけますか。
Python 機械学習プログラミング データ分析ライブラリー解説編
「ITエンジニアのための機械学習理論入門」で提供しているサンプルコードに含まれるデータ分析ライブラリ（NumPy/pandasなど）を解説した資料です。 下記の書籍のサンプルコードが理解できるようになることが目標です。 - ITエンジニアのための機械学習理論入門(技術評論社) - http://www.amazon.co.jp/dp/4774176982/ 2015/10/25 ver1.0 公開 2015/10/26 ver1.1 微修正 2016/05/25 ver1.4 subplotの順番を修正 2016/11/15 ver2.0 改訂版公開 2016/11/16 ver2.1 改行幅修正 2017/01/10 ver2.2 微修正 2017/01/12 ver2.3 微修正
CUBE SUGAR CONTAINER
つい先日、著名な LLM API のプロキシサーバである LiteLLM 1 がサイバー攻撃による侵害を受けた。 結果として、攻撃者が不正なコードを挿入したバージョンのパッケージが PyPI 2 にアップロードされた。 github.com 現在は既に当該のバージョンは PyPI から削除されている。 しかし、公開されていたタイミングでユーザがインストールした場合には、不正なコードの実行につながる恐れがあった。 不正なコードが実行された場合には、端末がマルウェアに感染してユーザのクレデンシャルを含む情報が外部に送信 (窃取) されるなどの被害が生じた。 この事例から、Python を利用している環境において、PyPI を経由したサプライチェーン攻撃の被害を受けるリスクが現実となった。 したがって、今後は PyPI のユーザ側でもリスクを低減するための行動が重要になってくると考えられる。 今
Python: モジュールを動的にロードする - CUBE SUGAR CONTAINER
Python のモジュールは通常であれば import 文を使ってあらかじめ静的にロードする。 では、プログラムの中で動的にロードしたい場合にはどうしたらいいのか？というのが今回の話。 結論から先に言うと今は標準ライブラリの importlib を使うのが推奨される方法のようだ。 使った環境は次の通り。 $ python --version Python 3.5.1 $ sw_vers ProductName: Mac OS X ProductVersion: 10.11.3 BuildVersion: 15D21 下準備 まずは適当に Python のモジュールを作っておく。 Python のモジュールというのは単なる Python ファイルのことだ。 $ cat << 'EOF' > helloworld.py #!/usr/bin/env python # -*- coding: u
他人の書いたコードに挑もう – Part 2 | POSTD
この記事の前編はこちら： 他人の書いたコードに挑もう – Part 1 慣れる 前にも言ったように、よく知らないプロジェクトのコードを探索する時は、段階を追って進めます。第一段階は、通常、様々なファイルやフォルダを大まかに見ていくことです。何がどこにあって、そのプロジェクトがどんな「モノ」を持っているのかを把握します。それを終えてやっと、自分の見たい特定の「何か」を詳細に見ていくことができるのです。 いろいろなコードを見る Spyderにあると思われる主なトップフォルダは下記のものです。 app_example/ ：明らかに何らかのアプリケーション例であり、おそらくメインのコードではない。 conda.recipe/ ： Anacondaとのある種のインテグレーションで、Spyderを簡単にインストールできるようにするもの。 continuous_integration/ ：自動の単体テス
他人の書いたコードに挑もう – Part 1 | POSTD
この記事では、他人が書いたコードを扱うための練習法を一から説明します。目標は、 Spyder Python IDE という今まで触ったこともないプロジェクトのコードに任意の変更を加え、途中で行き詰ることなく、目的達成に必要な情報 のみ 習得することです。ここでは、勘や実験的な手段、そしてプロの現場で養った洞察力を武器に問題に対処する方法を学びます。形式ばったレッスンのように、苦痛を感じることはないでしょう。満足感や挫折、葛藤を味わいながらプロジェクトを進め、最終的には（なんとか動く程度の）パッチを完成させ、大規模で不慣れなコードベースに機能を追加します。 プログラミングを学んでいる人は皆、あらゆる種類のプログラムで大量のコードを書いています。それは、問題集に載っているアルゴリズムを実装するにせよ、ウェブサイトの構築やビデオゲームの作成をするにせよ同じです。ところがプロのソフトウェアエンジニ
Pythonにおける並列処理プログラミング入門 - MyEnigma
エキスパートPythonプログラミング改訂2版posted with カエレバMichal Jaworski,Tarek Ziade KADOKAWA 2018-02-26 Amazonで最安値を探す楽天市場で最安値を探すYahooショッピングで最安値を探す 目次 目次 はじめに subprocessによる複数子プロセス処理 concurrent.futuresによるマルチプロセス処理 Queueによる並行プログラミング 最後に 参考資料 MyEnigma Supporters はじめに 元々Pythonは、 そこまで処理速度が早い言語ではないので、 システムの処理速度を最適化したい場合は、 C++などで書き直した方が良いのかもしれませんが、 Pythonシステムをあと少し早くしたい時には、 並行処理プログラミングをしてみると、 効果があるかもしれません。 最近のコンピューターはマルチコア
画像処理入門講座 : OpenCVとPythonで始める画像処理 | POSTD
この記事を書くに至ったきっかけ Recruse Centerでは、私は、画像処理の勉強に時間を費やしていました。独学をし始めた頃は、何をするものなのか全く理解しておらず、ただ、文字や輪郭、模様などを識別するのに役立ち、これらで面白いことができる、ということくらいの知識しかありませんでした。 私の情報源は、主にWikipediaや書籍、公開されている大学の講義ノートです。これらの資料に慣れ親しんでくるにつれ、画像処理の世界における基礎を伝えられる「入門向け画像処理」を望むようになりました。 これが、この記事を書こうと思ったきっかけです。 前提条件 この記事は、Pythonが扱えるということを前提に書いています。その他の事前知識は必要ありませんが、NumPyや行列計算に慣れていると理解しやすいでしょう。 初めに 使用するのは、Python版OpenCV、Python 2.7 ^(1) 、iPy
[Python] Google各種サービスのAPIの認証方法（v.2） - YoheiM .NET
こんにちは、@yoheiMuneです。 Googleの各種サービスをAPI経由で利用する場合の、認証方法がv2から変わったみたいなので、それをブログに書きたいと思います。 新しい認証方法の実装 Googleの各種サービスをサービスアカウントで使う場合に、oauth2clientライブラリのSignedJwtAssertionCredentialsで認証周りを実装していましたが、該当ライブラリのversion2からはSignedJwtAssertionCredentialsがなくなっちゃったようです。代わりに以下のように実装します（以下の例はGoogle Analyticsですが、認証周りは他サービスも一緒です）。 from oauth2client.service_account import ServiceAccountCredentials from httplib2 import H
![[Python] Google各種サービスのAPIの認証方法（v.2） - YoheiM .NET](https://cdn-ak-scissors.b.st-hatena.com/image/square/2a557d726dc3070f9b33007a6fe3d03ac71cffee/backend=imagemagick;height=288;version=1;width=512/https%3A%2F%2Fwww.yoheim.net%2Fimage%2F403.jpg)
【ディープラーニング】最新のディープラーニングを一通りさらっておく - あれもPython,これもPython
ぼけっと、色々な記事を読んでいたら、 先日AlphaGo（っぽい)レポジトリを紹介していた時に出てきた、 Kerasというモジュールの紹介記事を見かけた。 esu-ko.hatenablog.com aidiary.hatenablog.com 色々なDeepLearningのKeras版レポジトリも元記事位は付いているので、 Chainerで書き直したら勉強になりそ−、とは思うんだけど、 そもそも何かを知っていないとお話にならないので、その調査メモ。 Gaussian-Bernoulli RBM 連続値を処理したいときの制約ボルツマンマシン Chapter 8 ボルツマンマシン - 深層学習本読み会 補助関数法によるGaussian-Bernoulli RBMの 学習アルゴリズムの検討 制約つきボルツマンマシン (RBM; Restricted Boltzmann Machine) の私
深層学習ライブラリ Keras - 人工知能に関する断創録
ここ1年くらいDeep Learning Tutorialを読みながらTheanoというライブラリで深層学習のアルゴリズムを実装してきた。 深層学習の基本的なアルゴリズムならTheanoでガリガリ書くこともできたがより高度なアルゴリズムをTheanoでスクラッチから書くのはとてもきつい*1。 そんなわけでPylearn2、Lasagne、nolearnなどのTheanoベースのラッパーライブラリをいろいろ調べていたのだが、結局のところKerasというライブラリが一番よさげだと思った。KerasはバックエンドとしてTheanoとTensorflowの両方が使え、より高レイヤな表現（たぶんChainerと同レベル）で深層学習のさまざまなアルゴリズムが記述できる。TheanoやTensorflowは完全に隠蔽されており、Kerasで書かれたプログラムはまったく修正せずにTheanoとTensor
Keras Documentation
KERAS 3.0 RELEASED A superpower for ML developers Keras is a deep learning API designed for human beings, not machines. Keras focuses on debugging speed, code elegance & conciseness, maintainability, and deployability. When you choose Keras, your codebase is smaller, more readable, easier to iterate on. inputs = keras.Input(shape=(32, 32, 3)) x = layers.Conv2D(32, 3, activation="relu")(inputs) x =
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
scikit-learnを用いた機械学習チュートリアル
Scikit learnで学ぶ機械学習入門
PythonによるWebスクレイピング入門
「Python言語」はじめの一歩 / First step of Python
Python向けのディープラーニングライブラリ「Keras 1.0」がリリース
Nathan Horne – Technical Artist » Guide to PyQt/PySide in Maya (Pt. 1)
[Python]PythonでOpenCVを使う (Edge Detection編) - Qiita![[Python]PythonでOpenCVを使う (Edge Detection編) - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/1ea4b8539272ed58e74e35053d0ec4fc2c2d8fc6/backend=imagemagick;height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Farticle-ogp-background-afbab5eb44e0b055cce1258705637a91.png%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnFpaXRhLWltYWdlLXN0b3JlLnMzLmFtYXpvbmF3cy5jb20lMkYwJTJGMTAwNTIzJTJGcHJvZmlsZS1pbWFnZXMlMkYxNDczNzA4MTIwP2l4bGliPXJiLTQuMC4wJmFyPTElM0ExJmZpdD1jcm9wJm1hc2s9ZWxsaXBzZSZiZz1GRkZGRkYmZm09cG5nMzImcz1jOGJhYTlmNzI4MzM0MzVmOTgxMDczYTFiOTk3OWViYQ%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253D079163262c157ad7522d31f30d9ffd81%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk2MCZoPTMyNCZ0eHQ9JTVCUHl0aG9uJTVEUHl0aG9uJUUzJTgxJUE3T3BlbkNWJUUzJTgyJTkyJUU0JUJEJUJGJUUzJTgxJTg2JTIwJTI4RWRnZSUyMERldGVjdGlvbiVFNyVCNyVBOCUyOSZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMUUyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1wYWQ9MCZzPTdlYjlmNDQxNjQ1MTBhOWJkMmM1ZDA1MmU3YjZlM2Fh%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDBzdXBlcnNhaWFrdWppbiZ0eHQtY29sb3I9JTIzMUUyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1wYWQ9MCZzPTllZGIzOTQ1YThjNDUxMjIwMWZhYTU3YjM2MTYwODI5%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3Dbb5860a4b4c60b7beffb784cdb12a1c3)
